(1.西安建筑科技大学 建筑学院,陕西 西安 710055; 2.西部绿色建筑国家重点实验室,陕西 西安 710055; 3.贵阳市城乡规划设计研究院,贵州 贵阳 550081; 4.青岛市城阳区城市管理发展中心,山东 青岛 266109)
(1.School of Architecture, Xi'an Univ. of Arch. & Tech., Xi'an 710055, China; 2.State Key Laboratory of Green Building in Western China, Xi'an 710055, China; 3.Guiyang Urban Planning & Desing Insititute, Guiyang 550081, China; 4.Qingdao Chengyang District Urban Management And Development Center, Qingdao 266109, China)
transport carbon emissions; state-level new areas; “the Belt and Road” in Western China; overall spatial layout of low-carbon
DOI: 10.15986/j.1006-7930.2022.06.007
城市新区在我国社会经济发展中承担着重要的历史使命.目前,中国的新区建设已进入以19个综合性国家级新区为引领、各省市级新区为补充、各类特色园区多方向发展的阶段,对各地发展产生了极大的推动力.国家级新区在生态格局、低碳交通、绿色建筑等方面已有一定探索,但由于现代城市规划技术体系仍未与低碳技术有效融合,新区建设对低碳城市的引领作用尚未形成.因此,在缺乏先进经验的情况下,亟需了解当前国家级新区的碳排放水平,研究新区碳排放的规划影响因素,并探索新区低碳化的空间模式,为城市新区规划和建设提供技术指导与模式参考.交通出行作为人类基本的社会经济活动,是温室气体的重要排放源.近年来,随着城市人口和机动车保有量的增加,交通出行碳排放的增长率及其占城市碳排放的比重不断升高[1],北京、上海等国内城市的碳排放将近20%来源于交通,这一比例在纽约、巴黎等欧美发达国家城市则接近40%[2].在此背景下,如何通过城市规划布局的调整优化转变交通出行模式、减少交通碳排放,成为国家级新区践行绿色低碳理念的核心问题之一.
国内外在城市交通出行碳排放的特征分析和影响因素研究方面已有不少成果.
尺度上,关于交通碳排放影响因素的研究主要涉及宏观与微观两个层面.整体层面的研究侧重于城市建设规模、交通出行方式、社会经济等宏观数据与交通碳排放的关系,如Carty等[3]研究了爱尔兰大都柏林地区交通出行碳排放、通勤距离以及通勤方式的空间差异; Glaeser等、Brand等[4-5]提出城市土地开发强度、经济活动、居民社会属性等对交通出行的温室气体排放具有显著影响; Wang等[6]分析了2000—2015年中国交通运输业碳排放的驱动因素并提出交通运输业碳减排的政策建议.微观层面的研究主要从家庭或个人的出行规律出发,聚焦于社区居民出行碳排放特征与影响机理,肖作鹏等[7]采用分等定级和洛伦兹曲线模拟的方法分析了北京市居民出行碳排放在个体间和社区间的分异; 柴彦威等[8]探讨了居民家庭日常出行碳排放的发生机制与调控策略; 黄晓燕等[1]基于对广州市不同圈层社区的问卷调查数据建立了社区居民通勤碳排放影响模型.
方法上,在统计和表征不同城市或区域的交通能源消耗方面较多采用情景预测、GIS空间分析、空间模拟等方法,在探究交通出行碳排放影响机制方面较多采用分解法、空间计量、相关分析、多元回归等方法.龙瀛等[9]通过建立多智能体模型模拟了不同城市形态下的通勤交通能耗和碳排放; Chow等[10]通过构建空间情景模型预测了香港在42种空间模式情景下的碳排放范围和最优形态; 肖华斌等[11]运用空间分析及网络分析方法评价了规划方案的碳排放潜力变化.另外,Timilsina等[12]通过分解碳排放增长数据揭示了亚洲国家出行碳排放增长的主要因素; 张陶新等[13]运用空间计量经济学方法分析了1995—2010年中国28省市的碳排放与社会经济统计数据; Xu等[14]利用面板数据构建回归模型,揭示了经济增长、城市化和能源效率提高对中国交通碳排放的影响; 谌丽等[15]借助多项式逻辑回归模型,基于大规模问卷调查数据研究了北京城市居住空间形态对居民通勤方式的影响.
结论上,城市总体层面的空间特征对交通出行具有较强影响.城市形态方面,Kenworthy、Snellend等[16-17]学者从不同视角提出高密度的城市形态有利于减少小汽车出行距离和频率、提高公交使用比例; Shim等[18]基于韩国 61个中小城市的数据,论证了多中心城市的交通能耗低于单中心城市; 杨文越等[19]基于碳排放-位置分配模型设计了公共中心低碳化规划支持系统.土地使用方面,SIM、吕斌、黄经南等[20-22]学者认为合理的功能布局与土地使用能够促进职住平衡,减少居民出行碳排放.道路交通方面,有学者认为城市道路交叉口数量、路网密度与城市出行碳排放呈负相关性[23-24],且小格网街区有利于减少居民出行能耗[25-26]; 此外,黄经南、刘清春、Cao等[24, 27-28]在实证研究中发现公共交通对通勤碳排放产生影响.
综上,学术界关于通过城市规划减少居民出行碳排放已有一些成果和结论,但针对城市新区的碳排放实证研究较少,仍有问题尚未厘清.首先,由于城市新区的能源消耗数据、交通出行统计数据较难获取,目前尚无针对国家级新区交通出行碳排放水平评价和低碳化规划布局模式的探究.其次,当前针对城市出行碳排放机制的研究大多集中于社会经济属性,缺乏借助新指标和新方法对城市总体空间特征进行测度,从而更深刻地挖掘城市形态、土地使用、道路网络等规划要素与交通出行碳排放的内生关系.最后,在针对新区的低碳化总体空间布局方面鲜有突破,亟需建构针对新区总体尺度的低碳空间模式与规划策略.
国家级新区作为探索中国城市生长和转型的标杆,在中国的新区体系中占据很高的地位[29].因此,以国家级新区为研究对象,具有很强的代表性和借鉴性.截至2022年10月,国务院共批复19个国家级新区,形成了由沿海向内陆逐步扩散、由点到线、由线成面的分布态势与格局.
为了深入分析国家级新区的空间特征与交通碳排放水平,本文结合我国东西部差异、气候分区、规模以及建成情况,选取上海浦东新区、浙江舟山群岛新区、天津滨海新区、青岛西海岸新区、大连金普新区、长沙湘江新区、陕西西咸新区和兰州新区8个国家级新区作为典型案例,基本情况见表1.
表1 样本新区概况
Tab.1 Overview of new areas samples
综合当前测算交通碳排放的燃油类型法与出行方式法,考虑到本研究的宏观尺度特征,本文提出出行方式距离法,即利用不同交通方式的出行距离和相应的百公里能耗系数、能源碳排放系数来计算新区居民出行碳排放量.城市新区的交通出行方式主要包括公共汽车、出租车和私家车.其中,公共汽车年行驶总里程数由新区各公交线路年运营车次与运行线路长度计算得出,私家车和出租车年行驶总里程数由年汽车保有量与年平均行驶里程数分别计算得出.(表2)
表2 新区交通出行碳排放量计算方法
Tab.2 Calculation method of carbon emissions from transport in the new areas
为了更准确地反映新区交通出行碳排放水平,将出行碳排放总量转化为出行碳排放强度,即人均出行碳排放量(CO2/P)、地均出行碳排放量(CO2/L)和产均出行碳排放量(CO2/G),分别指1年中城市新区平均个人、单位建设用地、以及单位第三产业总值产生的出行碳排放量.
城市总体空间布局涉及用地分布、道路网络、绿色开敞空间等方面.为了更深刻和全面地反映这些空间特征,本文引入空间自相关、空间句法等方法,基于散点图拟合分析,初步筛选出土地利用多样化指数、居住用地莫兰指数、商业和公服用地莫兰指数、工业用地莫兰指数、绿色开敞空间分散度、路网集成度和街网密度等与交通出行碳排放存在一定影响关系的空间指标②,作为揭示低碳新区总体空间特征的方法.
新区宏观尺度的土地使用应侧重分析各类建设用地的构成关系和空间分布逻辑.一方面,土地利用多样化指数、用地平衡度等城市用地复合性指标反映了总体层面不同城市功能混合、均衡协调的程度.另一方面,空间自相关性中的莫兰指数可以反映各类建设用地规模在空间上的相互关系及聚散分布特征.计算公式如下.
(1)土地利用多样化指数
式中:GM为土地利用多样化指数; Si为第i类土地利用的面积.
(2)用地平衡度
式中:LB为用地平衡度; Pi为第i类用地性质的用地面积占总用地面积的比例(1≤i≤N); N为研究范围内的用地类型数目.
(3)莫兰指数
式中:I为莫兰指数; Ai为指定区域内不同类型建设用地中第i个样本的面积测量值; A^-是所有样本面积的平均值; n为样本数量; wij为空间权重矩阵.
城市新区中大量绿地、水系、农田、林地等绿色开敞空间是碳汇的重要组成部分,其分布的均衡性是衡量城市空间格局开合疏密特征的重要表征,也间接影响交通出行碳排放,可通过绿色开敞空间斑块的分散度指标来反映.计算公式如下.
式中:F为绿色开敞空间分散度; n是绿色开敞空间斑块数量; A^-是绿色开敞空间斑块的平均面积.
城市道路系统是支撑城市总体空间布局和内部联通的核心载体.本文借助空间句法中的路网集成度和街网密度指标描述道路网络的通达性,即通过分析道路系统内在的拓扑组织逻辑揭示路网主次关系和连通效率.计算公式为
(1)路网集成度
式中:t为路网集成度; n为节点总数; MD为空间深度值.
(2)全局街网密度
式中:Dsn为街网密度; q为空间句法线段模型中研究区内所有线段数目.
本文以各样本新区划定的行政范围为边界进行数据采集和指标计算.
在城市空间测度方面,首先利用LocaSpace Viewer平台获得样本新区2019年的现状影像图,再借助eCognition Developer软件从栅格图中获取城市建设用地、绿地、水系、道路等矢量基础数据,进而叠加新区土地使用图层,获取现状建成区的土地使用性质矢量图,并导入ArcGIS中形成空间矢量数据信息.
在交通出行碳排放计算方面,各新区公共汽车运营车次与运行线路长度来源于百度地图,出租车、私家车保有量来源于各新区2019年统计年鉴或交通管理局网站; 各类能源的净发热值、燃料碳排放系数参考IPCC指南手册; 新区人口规模、国内生产总值等来源于新区年度国民社会经济发展公报或新区管委会网站.
将2019年各样本新区人均、地均和产均出行碳排放量分别从低到高排序,可发现其碳排放水平的等级差异.
参考自然间断点法的数据分段,结合人均出行碳排放均值和标准差,样本数据可分为高碳排放(C>15 000 t/万人)、中碳排放(8 000 t/万人<C≤15 000 t/万人和低碳排放(C≤8 000 t/万人)三个等级区间.其中,浦东新区、滨海新区和兰州新区的人均出行碳排放量较低,数值在4 500～6 000 t/万人; 湘江新区、金普新区和舟山群岛新区的人均出行碳排放量较高,数值在15 000～17 000 t/万人,见图1.
图1 样本新区2019年交通出行人均碳排放排序
Fig.1 Ranking of samples' transport carbon emissions (per capita)
同上,样本新区的地均出行碳排放量排序也可分为三个等级,但各等级的样本量占比并不均衡、样本间差异较小.大部分新区如西咸新区、西海岸新区、金普新区、舟山群岛新区、浦东新区的地均出行碳排放量集中于中等区间(约2 500～3 300 t/km2),兰州新区和滨海新区低于2 000 t/km2,仅湘江新区地均碳排放量较高(约为5 800 t/km2),见图2.
图2 样本新区2019年交通出行地均碳排放排序
Fig.2 Ranking of samples' transport carbon emissions (per land)
根据产均出行碳排放量排序和自然间断点法,各样本的出行碳排放强度出现明显分化:浦东新区、滨海新区的产均出行碳排放量很低(约350～420 t/亿元),西海岸新区、舟山群岛新区和金普新区较低(约1 000～1 500 t/亿元),湘江新区、兰州新区和西咸新区则明显较高(约3 700～5 500 t/亿元).(图3).
图3 样本新区2019年交通出行产均碳排放排序
Fig.3 Ranking of samples' transport carbon emissions (per GDP)
综合来看,在样本新区中,浦东新区的人均和产均出行碳排放都最低,地均出行碳排放位于中等区间; 滨海新区的人均、地均、产均碳排放量都位于低值区间.结合前述各新区出行碳排放强度的综合水平,浦东新区和滨海新区成为相对较优的低碳新区典型样本,可从中提取空间布局经验作为新区低碳优化策略.
通过对样本新区的城市建设用地、道路网络以及绿色开敞空间进行测度,得到各样本总体空间布局指标集见表3.样本新区在建设用地的复合性与自相关性、路网的通达性、绿色开敞空间的均衡性等方面存在较明显的差异.例如,浦东新区、滨海新区、舟山群岛新区的土地利用多样化指数和用地平衡度较高,兰州新区和西海岸新区较低; 舟山群岛新区、西咸新区、西海岸新区和湘江新区的主要建设用地(居住、商业、公服、工业)的莫兰指数较高,浦东新区、滨海新区和金普新区则较低; 金普新区、浦东新区、滨海新区具有较高的绿色开敞空间分散度,兰州新区、湘江新区则明显偏低; 此外,浦东新区和滨海新区的路网全局集成度、局部集成度和全局街网密度均较高,兰州新区和西咸新区则较低.
表3 样本新区总体空间布局测度指标汇总
Tab.3 Summary of measurement indices for overall spatial layout of new areas
基于此,将上述各项测度指标进行归一化处理和排序,并以其他新区为参照,比较分析浦东新区和滨海新区两个典型低碳案例的总体空间布局特征.
在用地布局的复合性和用地集散分布特征方面,浦东新区、滨海新区的土地利用多样化指数与用地平衡度较高,其中滨海新区的GM值最高,浦东新区的LB值最高; 此外,这两个新区的居住、商业、公共服务、工业等用地的莫兰指数较低.综合说明在总体尺度上浦东和滨海新区的用地类型多元复合,主要建设用地分布有机交错、相互融合,整体上具有更高的空间异质性.相反,新区建设用地在宏观尺度越单一化和同质化集聚,交通出行碳排放强度越高.因此,建设用地应分类适度分散化布局,避免同一类型、相似规模的用地过度集聚,提高土地利用多样化指数、降低主要建设用地的莫兰指数,见图4、图5.
图4 样本新区的土地使用复合性指标排序
Fig.4 Ranking of the samples' land use indices
图5 样本新区的土地使用空间自相关性指标排序
Fig.5 Ranking of the samples' spatial correlation indices
在路网的通达性方面,浦东新区和滨海新区的路网全局集成度、局部集成度和街网密度均较高,说明其道路系统较成熟、连通效率与可达性高.因此,优化新区路网的拓扑空间关系,提升其集成度和街网密度指标,有助于降低交通出行碳排放强度,见图6.
在绿色开敞空间的均衡性方面,浦东新区和滨海新区的绿色开敞空间斑块具有较高的分散度,说明其开敞空间分布更加均衡和有机.绿色开敞空间斑块越均质分布,城市居民驾车远距离出行游玩的概率与比例就会越低,城市新区规划应基于自然本底加强绿地斑块的有机分散化分布,见图7.
图6 样本新区的路网通达性指标排序
Fig.6 Ranking of the samples' road network indices
图7 样本新区的绿色开敞空间均衡性指标排序
Fig.7 Ranking of the samples' green open space indices
基于典型新区样本的空间特征分析,从城市用地布局、绿色开敞空间以及道路交通系统等层面提出新区总体空间布局低碳化优化策略.
首先,新区建设用地的混合配置可避免因大尺度功能分区而额外产生的出行碳排放,因此低碳新区总体用地布局应以各类用地差异化适度分散分布为手段,实现用地多样化复合集聚和有机融合,提高新区土地使用效率,改善大尺度功能分区、粗放式集聚的用地分布模式.具体而言,居住、商业、公共服务、产业等各类用地应采取总体有机分散的斑块化空间模式,同时兼顾各类用地的适宜规模,通过局部聚合、有机拼贴等布局方式实现城市建设用地的有效混合,由此塑造新区、组团和生活圈级的高密度活力中心,构筑层级性的城市中心网络体系.此外,可借助建设用地莫兰指数、土地利用多样化指数等量化指标辅助优化用地布局,例如新区各类用地的集聚分散程度需因“地”制宜,即不同性质用地的莫兰指数应差异化地适度降低.
其次,道路交通系统是支撑能量流高效运转的载体,对出行碳排放有重要影响.应基于“小街区、密路网”原则,以路网高集成度、高连通度为导向,通过构建蛛网式空间链接系统,确保密集的路网结构,并优化道路网络的拓扑组织关系.借助空间句法中的集成度、街网密度等指标调整道路系统组织与网络构成,提升路网尤其是步行系统的连通性和可达性,为构建绿色高效且便捷通畅的公交体系、提升公共交通服务水平、打造多样化的街道等级和人性化的街道空间奠定基础.
最后,新区各类绿地斑块和廊道形成内外相通的绿色生态网络,承担着改善城市生态环境与生物多样性、提供休闲游憩场地、提升景观、减碳控碳等功能.应从不同尺度合理规划城市新区的绿色开敞空间体系:基于新区生态安全格局,通过采用集中与分散相结合的方式,整合林地、湿地、公园绿地等绿色开敞空间斑块,形成疏密有致、均衡分散的空间布局,提升新区碳汇效率和能力,提高绿色开敞空间的可达性; 在此基础上,利用林带、绿道、河道等带状绿地连接重要的生态斑块,形成类型丰富、多级互联的蓝绿网络,由此构筑区域性通风廊道和冷岛,有效缓解热岛效应,优化新区微气候.
当然,上述系统与空间要素不是各自孤立的,高效连通的道路交通组织应与有机复合的用地布局、网络嵌套的绿色开敞空间斑块等有效整合和高效协同,才能达到新区低碳空间模式的最优状态,有效控制交通出行的碳排放强度.
城市的总体空间布局深刻地影响着居民出行方式与出行总量,对城市的减碳和控碳起着关键作用,也是推动新区健康、高效、合理发展的重要保障.科学认知城市新区的低碳化水平及其空间布局特征、提出具有指导性的低碳规划设计策略,可为我国各级新区尤其是西部“一带一路”沿线城镇新区未来绿色发展与规划建设提供经验借鉴.
注释
① 参考赵敏[30]、邵雪华[31]等研究,本文取出租车年行车里程为100 000 km/a,百公里耗气10 m3/100 km,私家车年行车里程为20 000 km/a,百公里耗油10 L/100 km,公共汽车百公里耗气为49 m3/100 km.
② 初步选取城市形态紧凑度、各类建设用地莫兰指数、绿色开敞空间分维数与分散度、土地使用平衡度、土地利用多样化指数、功能混合度、道路交叉口密度、路网集成度、连通度、公交线网密度等15项总体空间表征指标,通过交通出行碳排放强度与上述各项指标的散点图拟合,筛选出9项关键规划指标进行深度分析.
