成渝双城地区景观格局的碳汇...于BP神经网络的分析和预测_李和平.pdf

生态与低碳【文章编号】10063862(2023)0100921192城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测李和平1，2谢鑫1李聪聪3(1重庆大学 建筑城规学院，重庆，400044;2重庆大学 山地城镇建设与新技术教育部重点实验室，重庆，400044;3重庆大学 建筑规划设计研究总院有限公司，重庆，400044)【摘要】定量研究城市群景观格局的碳汇效应能够从低碳城市群的角度为我国实现“双碳”目标提供有效参考。基于 2000、2005、2010、2015、2018 年 5 期土地利用与植被固碳数据，应用景观生态学和神经网络分析相结合的方法，从景观和类型 2 个尺度，从形态、构成、分布和结构 4 个层面探讨了成渝双城地区碳汇用地的景观格局对植被固碳的影响及空间差异。以此为基础，进一步以重庆忠县为例，预测并对比了 2035 年不同县域景观格局方案的碳汇效应。结果表明:(1)碳汇用地的景观形态、构成和分布对植被固碳有显著影响且存在地区差异，景观结构没有显著影响;(2)景观形态层面，景观形状指数与植被固碳呈正相关，边缘密度与植被固碳呈负相关;(3)景观构成层面，林地和草地的景观类型比例与植被固碳呈正相关，混合用地的散布与并列系数与植被固碳呈负相关;(4)景观分布层面，混合用地的聚集度指数与植被固碳呈正相关，耕地的聚集度指数与植被固碳呈负相关。为了提升景观格局的碳汇效应，在开展景观规划设计时应重点加强碳汇用地的形态、构成和分布研究，形成形状复杂和适度规整，分区明确和比例适宜，连续集中和差异串联的景观格局。【关键词】景观格局;碳汇效应;成渝地区双城经济圈;BP 神经网络;碳中和【中图分类号】TU981【文献标识码】A基金项目:国家重点研发计划项目资助“村镇聚落空间重构数字化模拟及评价模型”(2018YFD1100300);国家自然科学基金项目资助“基于层积规律分析的西南山地城镇历史景观适应性保护方法”(51778079)*通讯作者:谢鑫(1989)，男，博士研究生，重庆大学建筑城规学院，研 究方向为生态城乡规 划、城 乡 规 划 与 设 计，Email:406109515 qqcom。0引言近年来城市热岛、大气污染、CO2排放等环境问题成为全球共同关注的可持续发展话题。2020 年 9月，习近平总书记提出我国 CO2排放力争于 2030年前达到峰值，努力争取 2060 年前实现碳中和的重大战略决策。“双碳”目标的提出，一方面展示了我国勇于承担大国责任的国际担当;另一方面也强调了我国努力实现高质量低碳转型发展的重要决心1。在规划变革的新时期，面对“双碳”目标的要求，如何将碳达峰、碳中和的要求融入到城乡规划和景观设计的工作中，是城市管理者和规划工作者重点研究的内容2。碳汇和碳排是实现碳中和的两项关键内容，其中，碳汇与陆地生态系统的景观格局密切相关36。从国土空间的视角来看，碳汇空间包含林地、草地、耕地、水域和未利用地等多种类型7，其中农、林、牧草地是植被覆盖的主要区域，承担着我国大部分的生态碳汇职能810。因此，对耕地、林地和草地的景观格局进行优化对提升我国生态系统的碳汇能力具有非常重要且不可替代的作用。近年来，随着计量技术的发展和更多数据的公开，不断有学者通过实证案例的数据分析，证实了景观格局对空气污染、生态价值、热岛效应和碳排放等环境问题密切相关1114。尽管已有研究取得了较多成果，但仍存在一定问题。首先，研究多针对特定城市，分析不同时期景观格局的影响作用1516，缺乏对同一时期不同城市的多样本横向对比探讨影响作用的地区差异。其次，已有研究通常运用 Pearson 系数、线性回归、逐步回归等方法对影响因素进行分析1718，但缺乏对结果的检测与验证，同时较少将研究结论进一步拓展应用到景观规划设计的实践之中。另外，针对碳中和的影响研究而言，大部分成果聚焦李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202393于如何减少碳排放1920，对如何提升碳汇效应的影响研究却相对较少。基于上述情况，本文以成渝地区双城经济圈为研究对象，运用可回溯、可验证的 BP 神经网络模型，探测 20002018 年 5 个时期研究区内耕地、林地、草地 3 类主要碳汇用地的景观格局对陆地植被固碳量的影响机制与空间差异。以此为基础，将景观格局对植被固碳的影响进一步应用到国土空间规划的景观布局方案比选之中，通过对不同方案进行景观指数计算和植被固碳量预测，从碳汇效应更佳的视角对重庆忠县 2035 年国土空间规划的景观布局提供参考。力求在未来的城乡规划研究中提升景观布局的碳汇能力，助力我国早日实现碳中和目标。1研究区概况成渝地区双城经济圈位于“一带一路”和长江经济带交汇处，总面积 18.5km2，涉及四川省和重庆市 141 个区县(图 1)。2019 年常住人口 9600 万人，地区生产总值 6.3 万亿元，占全国的 6.3%。2021年 10 月中共中央国务院印发了成渝地区双城经济圈建设规划纲要，将成渝双城的地位提到了前所未有的高度，成为继京津冀、珠三角、粤港澳大湾区后的“第四极”。区域内兼具山地、丘陵和平原的多种地貌特征，生态禀赋优良、植被类型丰富，相比东部沿海城市群，成渝双城地区在开展以“碳汇”为主题的研究上更具典型性。图 1研究区范围示意资料来源:作者自绘2数据处理与研究方法2.1数据来源与处理土地利用数据来源于中科院地理所地理国情监测云平台发布的 30m 分辨率栅格数据(http:/wwwdsaccn)，包括 2000、2005、2010、2015 和 2018年 5 个时期。县级行政边界采用 2015 年数据，来源于中国科学院地理科学与资源研究所(https:/wwwresdccn/Defaultaspx)。陆地植被固碳量数据来源于 CEADs 中国碳核算数据库(https:/wwwceadsnetcn/)，包括 2000、2005、2010、2015 和 2017年 5 个时期。特别说明，本研究主要反应景观格局与植被固碳的影响关系，因植被固碳数据最后一期为 2017 年，土地利用数据最后一期为 2018 年，比对发现，土地利用和植被固碳一年期间变化不大，为了保证样本量和研究时效，本文将 2017 年植被固碳数据和 2018 年土地利用数据纳入同期研究，作为2018 年的分析结论。根据研究需要，本文将土地利用类型重分类为耕地、林地、草地、水域、建设用地和未利用地 6 类(图 2)。2.2景观格局指数景观格局指数是景观生态学用于描述景观格局变化最常用的定量化研究方法，具体可分为斑块、类型、景观 3 个层次。已有研究表明，类型和景观尺度的景观格局对植被固碳有显著影响21。为全面反映成渝双城地区的景观格局，本文参考已有研究2223，选取景观和类型 2 个尺度、9 个类型的景观指数来定量表征其格局特征(表 1)，其中景观尺度的指数用于混合用地的景观格局描述，类型尺度的指数用于耕地、林地和草地单一用地的景观格局描述。各 景 观 格 局 指 数 的 计 算 公 式 详 见 相 关文献24。2.3BP 神经网络模型BP(Back propagation)神经网络模型是人工神经网络领域应用最为广泛的模型之一，它由输入层、隐含层和输出层组成(图 3)，相比传统的统计学方法，其 拓 扑 结 构 呈 现 更 高 的 准 确 性 和 灵 敏性2526，在处理复杂系统，例如影响因素探测、评价体系 建 构、模 拟 结 果 预 测 等 研 究 方 面 效 果 较好2728。另外，BP 神经网络模型具有可测试、可验证的特点，通过测试的研究结论具有较高的科学性和可信度。由于景观格局的碳汇效应是一个多维度的复杂系统，本文采用 BP 神经网络模型来探测碳汇用地各项景观指数对植被固碳的影响，进而得到景观格局的碳汇效应。BP 神经网络的运算流程一般包括网络结构设计、网络参数初始化、各层权值调整和样本训练等。生态与低碳李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测94城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023当所有样本训练结束并达到网络精度后，根据输入层到隐含层之间的连接权矩阵 V 可得到各个影响因素的权重。具体公式为:j=kl=1|vjl|mi=1kl=1|vil|，i=1，2，mj=1，2，k(1)式中:代表指标的权重，vil表示输入层第 i 个节点与隐含层第 l 个节点间的连接权，m 表示输入层的节点数，k 表示隐含层的节点数。图 220002018 年研究区土地利用类型资料来源:作者根据相关数据自绘表 1景观格局指数选取景观指数景观尺度含义景观类型比例(PLAND)类型某类景观斑块占整个景观斑块面积的比例斑块密度(PD)景观/类型单位面积内景观斑块的数量，反映景观的破碎程度最大斑块指数(LPI)景观/类型最大斑块面积占整个景观面积的比例边缘密度(ED)景观/类型某类景观或所有景观斑块的周长总和与景观总面积的比值，反映景观斑块形状及边缘效应景观形状指数(LSI)景观/类型反映景观斑块形状的复杂程度散布与并列指数(IJI)景观/类型表征各类景观与其他类型景观的混合程度景观分割指数(DIVISION)景观/类型反映景观斑块的破碎程度与空间结构的复杂程度香浓均匀度指数(SHEI)景观表征各类景观斑块的面积比例及分布的均匀程度，反映景观结构的异质性聚集度指数(AI)景观/类型反映景观斑块聚集与连接的程度资料来源:作者根据相关文献整理图 3BP 神经网络模型资料来源:作者自绘3结果与分析3.1植被固碳效应分析研究数据表明，20002017 年成渝双城地区的植被固碳量分别为 309、341、338、409 和 393 百万吨，区县年平均植被固碳量分别为 2.19、2.42、2.40、2.90 和 2.79 百万吨。可以看出，2010 年以前成渝双城地区的植被固碳总量增长较缓甚至有所下降，这是因为早期城市群的发展以开发建设为主，建设用地的扩张带来了碳汇用地的减少。2010年以后，植被固碳量有较大提升，回顾这一过程的李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202395相关政策可以发现，这与我国全国主体功能区划(2010)、“三生空间”(2012)、生态文明体制改革总体方案(2015)等生态管制要求的提出有关。采用五位分法对研究区内各区县的植被固碳量进行分级，将其分为低固碳、次低固碳、中固碳、次高固碳和高固碳 5 个等级(图 4)。从空间维度来看，低固碳区县主要位于城市群中部，尤其是成都都市圈、重庆都市圈、宜泸内自城镇密集区和南遂广城镇密集区周边。高固碳区县主要位于城市群外围的山地区域，例如长江沿线、岷山邛崃山西侧以及万达开城镇密集区。从时间维度来看，低固碳与次低固碳的区县数量在逐步减少，高固碳与次高固碳的区县数量在增加。图 420002017 年研究区植被固碳效应分析资料来源:作者根据相关数据自绘3.2植被固碳效应的影响因素研究成渝双城地区的碳汇用地由 2000 年 18.32 万 k下降至 2018 年 17.86k，呈持续减少的趋势，其中耕地、草地略有减少，林地有所增加(表 2)，这与我国从 2002 年开始全面启动退耕还林工程，各地积极响应森林复垦的政策要求有关29。对比植被固碳量的变化趋势，碳汇用地面积减少的同时植被固碳量不减反增，说明除了规模面积以外，碳汇用地的景观格局也对植被的固碳效应起到了重要影响。为了能全面系统地分析景观格局的碳汇效应，本文选取表 1 列出的 2 个尺度的景观指数作为影响因素进行研究。运用 ArcGIS 软件对研究区的土地利用数据按区县行政边界进行拆分处理，将处理后各个区县的土地利用数据输入 Fragstats4.2 软件进行批量计算，得到各个区县的各项景观指数。此时，如果将所有指数都作为神经网络的输入数据进行计算，会增加网络的复杂度并降低网络性能，甚至影响计算结果的精度30。因此在运用 BP 神经网络模型之前，有必要通过相关性分析对景观层面和类型层面相关性不显著的因子进行排除。3.2.1景观层面的影响因素研究本文将 5 个时期景观尺度的景观指数与植被固碳量进行回归分析，得到各项景观指数的分析结果(表 3)。总体来看，回归模型的 2分别为 0.793、0.805、0.864、0.860 和 0.866，说明景观层面的景观格局对植被固碳的影响较大。其中，斑块密度(PD)、最 大 斑 块 指 数(LPI)、景 观 分 割 指 数(DIVISION)与植被固碳的相关性不显著，景观形状指数(LSI)、香浓均匀度指数(SHEI)、聚集度指数(AI)与植被固碳呈正相关，边缘密度(ED)、散布与并列指数(IJI)与植被固碳呈负相关。这表明，形状复杂、斑块聚集、类型均匀、适度成片的景观格局对植被固碳的效应更好。3.2.2类型层面的影响因素研究将 5 个时期类型尺度的景观指数与植被固碳量进行回归分析(表 4)，与景观尺度相比，类型尺度的景观指数对植被固碳影响更大，回归模型的 2分别为 0.921、0.920、0.945、0.942 和 0.943。其中，耕地景观的 PLAND、PD、LPI 指数与植被固碳的相关性不显著，IJI、DIVISION 指数的显著性不稳定，LSI生态与低碳李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测96城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023指数与植被固碳呈正相关，ED、AI 指数与植被固碳呈负相关。这表明耕地的形状越复杂、边缘越规整、格局越分散，其固碳效应越高;林地景观的 PD、LPI、DIVISION 指数与植被固碳的相关性不显著，IJI、AI 指数的显著性不稳定，PLAND、LSI 指数与植被固碳呈正相关，ED 指数与植被固碳呈负相关。这表明林地所占比例越高、形状越复杂、边界越规整，植被的固碳效应越高;草地景观的 LPI、IJI、AI 指数与植被固碳的相关性不显著，PD 指数的显著性不稳定，PLAND、LSI、DIVISION 指数与植被固碳呈正相关，ED 指数与植被固碳呈负相关。这表明草地所占比例越高、形状与结构越复杂、边界越规整，植被的固碳效应越高。综上，景观尺度的 ED、LSI、IJI、SHEI、AI 指数，类型 尺 度 的 耕 地 的 ED、LSI、AI 指 数，林 地 的PLAND、ED、LSI 指数和草地的 PLAND、ED、LSI、DIVISION 指数共 15 项景观指数与植被固碳显著相关。根据各项景观指数的生态学意义，景观格局对植被固碳的影响因素可以归纳为形态、构成、分布和结构四个类型(表 5)。表 220002018 年成渝双城地区碳汇用地变化情况(面积/平方千米)用地类型2000 年2005 年2010 年2015 年2018 年面积占比面积占比面积占比面积占比面积占比耕地11921765.08%11818264.76%11768665.08%11678264.94%11592264.89%林地5065627.65%5103627.97%5162628.55%5155728.67%5198729.10%草地133157.27%132727.27%115296.38%115016.40%107396.01%总计183188100%182490100%180840100%179840100%178649100%资料来源:作者自绘表 3景观尺度景观指数与植被固碳的相关性景观指数2000 年2005 年2010 年2015 年2018 年相关系数相关系数相关系数相关系数相关系数斑块密度(PD)0.3450.3790.2920.3660.475最大斑块指数(LPI)0.0020.0050.0160.0080.001边缘密度(ED)0.3430.3410.480 0.570 0.496 景观形状指数(LSI)0.140 0.149 0.175 0.203 0.198 散布与并列指数(IJI)0.016*0.017*0.014*0.018*0.011景观分割指数(DIVISION)0.0910.3261.9811.4880.337香浓均匀度指数(SHEI)3.310 2.880 2.743 2.626 2.793 聚集度指数(AI)3.276*3.323*4.467 5.297 4.752 注:表示在 0.01 水平上显著相关;*表示在 0.05 水平上显著相关。资料来源:作者自绘3.3植被固碳效应的影响机制与空间差异为了进一步探测碳汇用地景观格局的形态、构成、分布、结构与植被固碳的复杂关系，本研究将上述 15 项影响因子输入 BP 神经网络模型进行计算。根据因子数量确定网络模型的输入指标层节点数为 15，输出层节点数为 1。隐含层节点数根据经验公式确定:k=m+n+，0，10(2)式中:m 为输入层节点数，n 为输出层节点数，k 为隐含层节点数。采用逐步试验法23，根据不同节点数情况下误差 MSE 的变化趋势确定最合适的节点数(图 5)，设计网络最佳结构为 15151。3.3.1景观格局影响植被固碳的作用机制将 2000、2005、2010 年 3 个时期的研究区县作为训练样本，设置网络最大训练次数设定为 100000次，标准误差设定为 5 的 105，学 习 率 设 定 为0.0025。为应对网络噪声波动的影响，在以上基本参数的基础上，增设训练连续达标次数值为 100。当所有样本训练结束并达到网络精度要求后，得到各影响因素权重(图 6)。将根据影响因素权重计算得出的预测值与实际值进行拟合分析，相关系数 为0 9925，拟合优度 2为 0 9851，拟合效果极好。为验证预测精度，将 2015、2018 年 2 个时期的数据分别作为测试样本进行检验，得到植被固碳量的预测值。通过预测值与实际值的对比，2015 年的相关系数 为 0 9922，拟合优度 2为 0 9846，2018 年的相关系数 为 0 9747，拟合优度 2为 0 9500(图 7)，说明影响权重的研究结果科学可信。李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202397表 4类型尺度景观指数与植被固碳的相关性用地类型景观指数2000 年2005 年2010 年2015 年2018 年相关系数相关系数相关系数相关系数相关系数耕地景观类型比例(PLAND)0.0170.0290.0180.0280.021斑块密度(PD)0.6461.3210.6380.3280.996最大斑块指数(LPI)0.0040.0060.0220.0170.014边缘密度(ED)0.064 0.055 0.055 0.068 0.040景观形状指数(LSI)0.026*0.0130.039 0.039*0.035*散布与并列指数(IJI)0.0130.0110.0090.012*0.006景观分割指数(DIVISION)0.7980.9362.645*2.3321.679聚集度指数(AI)0.277*0.327*0.1930.2950.122林地景观类型比例(PLAND)0.0420.056*0.068 0.088 0.084 斑块密度(PD)0.3330.6790.5480.4030.614最大斑块指数(LPI)0.0050.0010.0150.0240.015边缘密度(ED)0.118 0.147 0.166 0.200 0.202 景观形状指数(LSI)0.049 0.065 0.064 0.083 0.084 散步与并列指数(IJI)0.0010.0000.014*0.0130.013景观分割指数(DIVISION)0.0531.1310.0990.3851.196聚集度指数(AI)0.0220.0430.0620.083*0.096*草地景观类型比例(PLAND)0.135 0.155 0.156 0.167 0.179 斑块密度(PD)1.9062.2992.391*1.7331.900最大斑块指数(LPI)0.0210.0400.1290.0610.098边缘密度(ED)0.110 0.126 0.0640.0870.077景观形状指数(LSI)0.038 0.047 0.0220.0220.019散步与并列指数(IJI)0.0030.0020.0020.0030.003景观分割指数(DIVISION)74.843 74.034 57.889101.226*94.330*聚集度指数(AI)0.0020.0020.0020.0080.005注:表示在 0.01 水平上显著相关;*表示在 0.05 水平上显著相关。资料来源:作者自绘表 5与植被固碳显著相关的景观格局影响因素分类景观格局景观尺度景观指数景观形态景观边缘密度(ED)(负相关)、景观形状指数(LSI)类型耕地边缘密度(EDc)(负相关)、林地边缘密度(EDf)(负相关)、草地边缘密度(EDg)(负相关)、耕地景观形状指数(LSIc)、林地景观形状指数(LSIf)、草地景观形状指数(LSIg)景观构成景观散布与并列指数(IJI)(负相关)类型林地景观类型比例(PLANDf)、草地景观类型比例(PLANDg)景观分布景观聚集度指数(AI)类型耕地聚集度指数(AIc)(负相关)景观结构景观香浓均匀度指数(SHEI)类型草地景观分割指数(DIVISIONg)资料来源:作者自绘图 5不同隐含层节点数的 MSE 值资料来源:作者自绘根据神经网络运算的结果显示，景观形态、构成、分布与结构对植被固碳的影响权重分别为59.97%、16.83%、20.24%和 2.95%，表明碳汇用地的景观形态对植被固碳效应影响最大，景观构成和景观分布的影响较大，景观结构的影响最小。据此，在进行景观格局规划设计时，为了提升碳汇效应，应当重点加强碳汇用地景观格局的形态、构成和分布研究。其中，对于景观形态而言，可通过适度归并破碎的小型斑块来降低边缘密度(ED)，设计形态复杂的耕地、林地和草地景观来提升景观形状指数(LSI);对于景观构成而言，可将同类型的景观生态与低碳李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测98城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023图 6基于 BP 神经网络模型的碳汇效应影响权重资料来源:作者自绘斑块集中成片，降低各类景观散布与并列指数(IJI)，并在有条件的情况下尽量增大林地和草地的构成比例(PLANDf、PLANDg);对于景观分布而言，可将林地和草地适度串联，将耕地适度分散，以差异化的方式调整碳汇用地的聚集度和连通性(AI)，最终达到提高碳汇效应的效果。图 7训练样本(上)与测试样本(下)的 BP 神经网络预测值与实际值对比资料来源:作者自绘3.3.2景观格局影响植被固碳的空间差异成渝双城地区涉及成都平原和重庆山地两种典型地貌类型，其碳汇用地的形态、构成、分布特征各不一样，势必带来景观格局对植被固碳的影响也不尽相同。为了深入剖析成渝双城地区景观格局对植被固碳影响的空间差异，本文依据前文研究得李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202399到的影响权重，对 2018 年研究区的景观形态、构成和分布三个方面的碳汇效应分别进行评价，得到成渝双城地区景观格局碳汇效应的空间差异(图 8)。结果显示，景观形态碳汇效应较高的区域集中于长江沿线两侧、城市群外围山地地区以及成都东侧的龙泉山脉沿线，这是因为长江沿线、山地地区受地形条件影响，其碳汇用地的景观形态更复杂;景观构成碳汇效应较高的区域集中于城市群西南侧的丘陵地区，这是因为丘陵地形起伏较缓，坡地与缓地分布均匀，耕地、林地的分区较为明确，比例较为适中;景观分布碳汇效应较高的区域主要位于城市群中部的成都平原地区，这是因为平原地区的碳汇用地更容易形成连续集中的景观斑块。因此，山地地区可以重点通过提升景观形态的复杂度来提升碳汇效应，丘陵地区可以重点通过调整景观的分区和构成比例来提升碳汇效应，而平原地区则可以通过加强景观的聚集程度来提升碳汇效应。图 82018 年研究区景观格局的碳汇效应空间差异资料来源:作者自绘图 9重庆忠县 2035 年土地利用规划多方案对比资料来源:根据重庆忠县土地利用规划过程成果改绘3.4基于碳汇效应预测的景观布局多方案对比上述关于 20002018 年成渝双城地区碳汇效应的研究是对历时性和共时性的规律总结与机制解析。对于城乡规划与景观规划而言，更重要的是面向未来如何实现更高固碳效果的国土空间或景观空间的布局方案探索。2019 年我国国土空间规划体系开始建立，2020 年 9 月，自然资源部出台市级国土空间总体规划编制指南(试行)，提出“优化建设用地结构和布局落实碳排放减量任务，控制能源消耗总量”等内容。可以看出，当前国土空间规划关于减排增汇的要求以指导性、原则性的形式提出，尚缺乏明确的目标，缺少各类用地布局与生态与低碳李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测100城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023碳排、碳汇之间关系的量化研究。基于此，为了提高研究的针对性并试图解决上述问题，本文将研究进一步拓展运用到国土空间规划编制的过程当中，尝试探索更低碳、更生态的景观空间布局方案。重庆忠县位于成渝双城地区的东部，幅员2187km2，是国家首批生态文明先行示范区。目前重庆忠县已经开始了国土空间规划的编制工作，但由于我国国土空间规划相关制度的建设尚在完善31，当前仍处于边开展规划边探讨新规划体系理论与技术的阶段32。在此过程之中，随着相关政策制度调整、地方诉求变化以及上级下发指标修正等原因形成了多个土地利用规划方案(图 9)，相应的，各方案中县域碳汇用地的景观格局也各不一样。其中，方案一的景观形态相对规整;方案二的形态更加复杂，分区较为明确;方案三的景观分布更成体系，林地比例有较大增加。运用 Fragstats4.2 软件计算忠县 2035 年 3 个方案的各项景观指数，再采用 BP 神经网络模型对植被固碳量进行预测(表 6)。从预测结果来看，方案三的植被固碳量预测结果最高，说明从固碳效应的视角，方案三相比另外两个方案较有优势，可以作为忠县国土空间规划方案比选的依据之一。表 6重庆忠县 2035 年多方案景观格局与植被固碳量预测(植被固碳量/万吨)景观格局景观指数2035 年(方案一)2035 年(方案二)2035 年(方案三)景观形态ED42.3642.5942.45EDc38.5338.6938.29EDf32.7132.9633.10EDg8.268.378.25LSI52.2052.4852.31LSIc61.6561.5462.58LSIf69.4470.8067.81LSIg42.0842.3542.27景观构成IJI47.8347.7748.09PLANDf31.6830.9534.03PLANDg5.515.605.46景观分布AI93.5893.5593.57AIc94.8194.8594.62景观结构SHEI0.660.660.67DIVISIONg1.001.001.00植被固碳量443.48444.23452.40资料来源:作者自绘4结论与讨论本文基于土地利用数据和植被固碳数据，分析了 20002018 年成渝双城地区碳汇用地景观格局对植被固碳的影响机制。在此基础上，以重庆忠县为例，预测并对比了 2035 年多个景观布局方案的碳汇效应。研究表明，碳汇用地的景观形态、景观构成和景观分布对植被固碳有显著的影响作用，并在山地、丘陵和平原地区存在差异。这对未来城市管理和规划工作者在国家“双碳”目标下开展国土空间的景观规划设计具有一定的参考价值。综合上述研究，为提高碳汇效应，本文从景观形态、景观构成和景观分布 3 个方面提出景观规划设计的优化建议。4.1构建形状复杂、适度规整的景观形态特征由前文研究可知，耕地、林地、草地的形状越复杂，边缘密度越小，其植被固碳效应越强。因此，在进行景观规划设计时，宜结合地形地貌、河流水系等自然条件采取边界曲折多变的空间形态。同时，为了降低边缘密度，要尽量避免出现零散分布的小面积斑块，而应按照适度规模化的原则，将有条件的多个小型景观斑块整合为一个空间规整的大型斑块。4.2形成分区明确、比例适宜的景观构成关系对于景观构成而言，由于景观混合程度越低以及林地、草地构成比例越高，植被固碳效应越好。因此，在进行景观设计时，应降低耕地、林地和草地的混合程度，力求在局部范围内形成以一种景观类型为主导，在全域范围内形成分区明确的景观格局。另外，在综合配置多种土地利用类型时，应适当控制城镇建设用地规模的增长对碳汇用地的侵李和平等:成渝双城地区景观格局的碳汇效应与优化建议 基于 BP 神经网络的分析和预测生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023101占，并在守住永久基本农田红线的前提下，积极引导耕地向林地、草地转型。4.3塑造连续集中、差异串联的景观分布特点基于前文研究，聚集度指数对植被固碳有明显的影响作用，林地、草地的聚集程度和连接程度越高，而耕地的聚集程度和连接程度越低，植被固碳的效果才越好。因此在进行林地、草地和耕地的景观布局时，应差异化对待。对于林地、草地，要尽可能地把区域内破碎的景观斑块整合串联起来，形成连续完整的大型生态绿地网络系统，在增加斑块聚集度和连接度的同时使景观格局的形态更加复杂。而对于耕地，则要适当降低斑块之间的连接性，避免与林地、草地形成“网络化”同质结构，而应按照“大分散，小集中”的模式进行布局。本文在研究景观格局对植被固碳的影响时，采用的陆地植被固碳数据来源于已有研究的测算成果，该数据的准确性会对本文研究结果造成影响，但由于陆地生态系统碳汇本身具有不确定性，同时目前关于植被固碳量测算的方法也较多，例如清查法、生态系统模型模拟和大气反演等方法，各方法之间也存在差异。因此，在以后的研究中，随着遥感技术、大气监测技术的进一步发展，需要在获取更为精准的植被固碳数据的基础上进行深入分析，得出更加科学、准确的研究结论。【注释】2021 年 2 月 国家综合立体交通网规划纲要 明确将京津冀、长三角、粤港澳大湾区和成渝地区双城经济圈四“极”列为国际性综合交通枢纽集群。原始数据来源于 CHEN J，GAO M，CHENG S，et al County-levelCO2 emissions and sequestration in China during 1997 2017JScientific Data，2020，7:391。根据 CEADs 中国碳核算数据库的数据整理所得。【参考文献】1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):74802冯长春，赵燕菁，王富海，等 面向碳中和的规划响应J 城市规划，2022，46(2):25313赵宁，周蕾，庄杰，等 中国陆地生态系统碳源/汇整合分析J 生态学报，2021，41(19):764876584舒心，夏楚瑜，李艳，等 长三角城市群碳排放与城市用地增长及形态的关系J 生态学报，2018，38(17):630263135ZHI LI，YANING CHEN，QIFEI ZHANG，et al Spatial Patternsof Vegetation Carbon Sinks and Sources under Water Constraint inCentral Asia J Journal of Hydrology，2020，590:1253556GUO H，YU Q，PEI Y，et al Optimization of Landscape SpatialStructure Aiming at Achieving Carbon Neutrality in Desert andMining Areas JJournal of Cleaner Production，2021，322:1291567宋苑震，覃盟琳，袁倩文，等 碳平衡导向下北部湾城市群碳汇用地布局优化研究J 广西大学学报(自然科学版)，2020，45(5):107110828罗怀良 国内农业碳源/汇效应研究:视角、进展与改进J生态学报，2022，42(9):383238419刘桂芳，关瑞敏，夏梦琳，等 西双版纳地区森林变化碳效应与生态效益评估J 生态学报，2022，42(3):11181129 10武文婷，夏国元，包志毅 杭州市城市绿地固碳释氧价值量评估J 中国园林，2016，32(3):117121 11LI W，CAO Q，LANG K，et al Linking Potential Heat Sourceand Sink to Urban Heat Island:Heterogeneous Effects ofLandscape Pattern on Land Surface TemperatureJ Science ofThe Total Environment，2017，586:457465 12LYU，ZHAO W，TIAN X，et al Non-linearity Impacts ofLandscape Pattern on Ecosystem Services and Their Trade-Offs:A Case Study in the City Belt Along the Yellow iver in Ningxia，ChinaJ Ecological Indicators，2022，136:108608 13雷雅凯，段彦博，马格，等 城市绿地景观格局对 PM_(2.5)、PM_(10)分布的影响及尺度效应J 中国园林，2018，34(7):98103 14杜红玉 环境景观格局对绿地冷岛效应的影响J 中国园林，2022，38(2):121126 15沈中健，曾坚，任兰红 20022017 年厦门市景观格局与热环境的时空耦合关系J 中国园林，2021，37(3):100105 16吴子豪，童滋雨 城市形态空间格局与城市热环境关联性研究 以南京市为例 J/OL 南京师大学报(自然科学版)，2022，45(2):117 17朱颖，王杉，冯育青 近 30 年太湖流域湿地生态系统服务价值对景观格局变化的响应:基于“退田还湖”工程的实施J中国园林，2022，38(1):8893 18朱光，王雪，张文文，等 城市景观格局对鸟类群落的影响:以南京溧水区为例J 生态与农村环境学报，2022，38(3):327333 19丛建辉 碳中和愿景下中国城市形态的碳排放影响效应研究 基于 289 个地级市的数据分析J 贵州社会科学，2021(9):125134 20郭杰，丁冠乔，刘晓曼，等 城镇