论文部分内容阅读
城镇建设用地不仅是我们生活,工作,休憩的空间载体,同时也是碳排放的主要载体。据统计,全球约80%的碳排放发生在城镇建设用地上,可见,降低城镇建设用地上承载的碳排放对于应对全球气候变暖具有重要意义。建成环境是影响城镇建设用地碳排放的重要因素之一。如何基于低碳的目标,通过城镇建成环境要素的优化调整,实现降低城镇建设用地碳排放的目的,是当前城乡规划学科研究的前沿科学问题。因此,本文以浙江省长兴县中心城区为研究区域,以不同类型建设用地地块为研究对象,提出建成环境视角下城镇建设用地碳排放预测的分析框架,运用GIS、统计分析方法、机器学习等方法,研究基于Arc GIS的城镇建设用地碳排放数据库构建方法,分析建成环境与城镇建设用地碳排放之间的关系,建立基于建成环境的城镇建设用地碳排放的BP神经网络预测方法。通过进一步明确方法的规划应用情景,实现在空间规划编制阶段能够较为准确预测不同建成环境情景下城镇建设用地的碳排放水平,评估不同建成环境低碳优化策略达成的减碳效益。首先,建立了建成环境视角下城镇建设用地碳排放预测的分析框架。通过对城镇建设用地碳排放、建筑能耗及建成环境的概念内涵进行界定,提出了基于建筑能耗的城镇建设用地碳排放的研究内涵,以及与其密切相关的建成环境要素,具体包括密度要素、功能要素和形态要素3大类,共计11个建成环境要素。在此基础上,分析建成环境对城镇建设用地碳排放的综合作用机制,得出结论如下:密度、功能和形态建成环境要素主要从城镇建设用地上的能耗需求、微气候环境、建筑本体特征以及建筑使用者的用能活动内容、强度等方面对建筑能耗产生影响,从而影响城镇建设用地碳排放,并间接反作用于建成环境。其次,提出了基于Arc GIS的城镇建设用地碳排放数据库构建方法。以浙江省长兴县中心城区为例,通过实地调查和会议访谈调查,获取了2018年不同性质建设用地地块上的年用电能耗、建筑、用地、企业和人口等数据,基于Arc GIS10.2系统,提出了城镇建设用地碳排放数据库构建方法,通过总体结构设计、数据信息录入、城镇建设用地碳排放及建成环境要素计量三个步骤,构建了城镇建设用地碳排放数据库。具体包括293个分层随机抽样选取的不同性质建设用地样本地块的碳排放数据,以及全部933个不同性质建设用地地块的建成环境数据。基于该数据库,规划管理人员一方面可以对城镇不同类型建设用地地块上的碳排放数据和建成环境数据的空间位置和属性信息进行联动和双向查询。另一方面,还可以对城镇不同类型建设用地样本的碳排放、建成环境的数值表进行空间分析。第三,基于统计分析方法,对建成环境与城镇建设用地碳排放的关系进行量化分析。得出结论如下:(1)居住用地碳排放与建筑面积、建筑密度、人口密度、用地性质、用地混合度、用地建设时间、用地面积、建筑层数、建筑体形系数、建筑长宽比、建筑朝向11个建成环境要素的相互关系分别在0.01或0.05水平上呈现显著相关;工业仓储用地碳排放与建筑面积、行业门类、用地面积、建筑层数4个建成环境要素分别在0.01或0.05水平上呈现显著相关;公共用地碳排放与建筑面积、人口密度、用地性质、用地建设时间、用地面积、建筑层数、建筑体形系数7个建成环境要素的相互关系分别在0.01或0.05水平上呈现显著相关。(2)密度要素中,建筑面积与居住用地、工业仓储用地和公共用地碳排放之间呈现正向的一元线性趋势线关系;建筑密度与城镇住宅用地碳排放之间呈现倒“U”型的二次多项式趋势线关系,并且当建筑密度为0.22时,城镇住宅用地碳排放最大;人口密度与居住用地碳排放之间呈现倒“U”型的二次多项式趋势线关系,而与公共用地碳排放之间呈现正“U”型的二次多项式趋势线关系,并且当人口密度为6634人/km2时,居住用地碳排放最高,当人口密度为5884人/km2时,公共用地碳排放最低。(3)功能要素中,不同用地性质的碳排放量均值差异显著;用地混合度与居住用地碳排放量之间大致呈现出增加-降低-增加的S型变化趋势;用地建设时间与居住用地碳排放之间呈现倒“U”型的二次多项式趋势线关系,与公共用地碳排放呈现出正向的一元线性关系;用地面积与居住用地、工业仓储用地和公共用地碳排放之间呈现正向的一元线性趋势线关系。(4)形态要素中,建筑层数与居住用地碳排放之间呈现倒“U”型的二次多项式趋势线关系,并且当建筑层数为10层时,居住用地碳排放最大,与工业仓储用地碳排放呈现出负向的一元线性关系,与公共用地碳排放则呈现出正向的一元线性关系;建筑体形系数与居住用地和公共用地碳排放均呈现出负向的一元线性关系;建筑长宽比、建筑朝向分别与居住用地碳排放呈现出正向和负向的一元线性回归关系。第四,基于MATLAB平台,建立了基于建成环境的城镇建设用地碳排放的BP神经网络预测方法。经过比较验证后,居住用地总体的碳排放预测值与真实值的误差率为12.65%,其中1-3层城镇住宅用地、4-6层城镇住宅用地、≥7层城镇住宅用地碳排放预测值与真实值的误差率分别为11.72%、11.38%、14.84%。工业仓储用地总体的碳排放预测值与真实值的误差率为13.80%,其中高碳排放工业仓储用地、中碳排放工业仓储用地、低碳排放工业仓储用地碳排放预测值与真实值的误差率分别为17.94%、13.68%、9.77%。公共用地总体的碳排放预测值与真实值的误差率为15.73%,其中商务用地、医疗用地、商业用地、科教用地、行政办公用地碳排放预测值与真实值的误差率分别为7.45%、14.22%、19.68%、18.10%、19.21%。基于预测结果得出结论如下:(1)城镇不同类型建设用地的碳排放量均值与单位用地面积碳排放强度均值之间具有显著差异,具体呈现出村庄住宅用地-公益性公共用地-城镇住宅用地-经营性公共用地-工业仓储用地递增的趋势。(2)城镇建设用地碳排放具有显著的正向空间相关性,并且随着距离的增大城镇建设用地碳排放的空间相关性在逐渐变弱。(3)通过划定碳排放强度分区,有助于规划管理部门提出针对性的低碳规划策略。最后,提出了城镇建设用地碳排放预测方法规划应用的思路与流程,并以长兴县太湖新城片区控规及城市设计方案为例,对城镇建设用地碳排放预测方法展开规划应用研究。得出结论如下:(1)优化前规划方案整体碳排放量为217488409.70kg。(2)从降低规划方案碳排放的角度,综合确定规划方案中不同类型建设用地上高碳排放地块的24条具体建成环境要素低碳优化方法集合。(3)优化后规划方案整体碳排放量为183547901.80kg。(4)通过对优化前与优化后规划方案的碳排放量进行比较可知,优化后规划方案总减碳量为33940507.90kg CO2,占优化前规划方案碳排放量的15.61%。说明通过对规划方案中建成环境要素的优化调整,能够有效降低规划方案的碳排放,为低碳导向下空间规划的量化模拟与减碳策略制定提供更加科学的指导。本文的主要创新之处在于:(1)以建筑能耗为切入点,提出了更加精细计算和分析城镇内部不同类型建设用地地块上碳排放差异性的研究视角。(2)从密度、功能和形态三个方面提出影响城镇建设用地碳排放的建成环境要素,并进一步揭示了建成环境对城镇建设用地碳排放的综合作用机制及相互之间的定量关系。(3)应用BP神经网络,建立基于建成环境的城镇建设用地碳排放预测方法,并通过提出城镇建设用地碳排放预测方法在规划实践中发挥减碳作用的具体路径,进一步明确了方法的规划应用情景。