基于生态网络分析(ENA)的城市地-碳框架构建及其时空演变研究
2022-08-30舒予晴李桂娥闫庆武薄延素张思雨张定祥
邹 康,舒予晴,李桂娥,闫庆武,薄延素,张思雨,张定祥
(1.中国矿业大学环境与测绘学院,江苏 徐州 221116;2.中国矿业大学公共管理学院,江苏 徐州 221116;3.碳中和与国土空间优化重点实验室,江苏 南京 210008;4.中国国土勘测规划院,北京 100035)
2021年国务院发布的《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中明确指出,要优化绿色低碳发展区域布局,持续优化重大基础设施、重大生产力和公共资源布局,构建有利于碳达峰碳中和的国土空间开发保护新格局。这表明合理的土地利用结构对于实现“双碳”目标是不可或缺的。了解城市碳转移与土地利用变化之间的联系,对城市规划中利用土地调整实现碳减排极其重要。碳排放作为全球气温升高的重要原因,给人类命运共同体构建带来巨大的挑战。我国政府一直高度关注气候变化影响,积极推进碳减排的工作。2020年9月,习近平总书记在联合国大会上宣布,中国CO2排放力争于2030年前达到峰值,2060年前实现碳中和。我国现有产业结构、能源消费仍以高碳为主,且经济发展的能源增长需求与减排降碳压力并存。研究表明,全球面积占比2%的城市碳排放贡献率达75%以上[1]。土地利用类型变化导致城市社会经济与自然系统的能源和资源消耗发生变化[2],土地利用变化不仅会影响陆地碳储量[3],还会影响人为碳排放强度[4]。不同强度、不同规模碳储量和碳排放的输入和输出以及土地类型转化可能会显著改变城市系统的碳平衡[5]。土地利用变化对全球大气CO2含量增加起重要作用,其作用仅次于化石燃料的燃烧[6]。土地利用直接并间接影响着区域的碳排放水平。
近几十年来,学者们研究了碳排放或碳平衡与土地利用的关系,如城市土地利用形态与碳排放[7]、景观城市化与碳排放[8]、土地利用结构与碳排放[9]。这些研究试图从经济学的角度,通过能源消费和土地管理实践揭示碳转移过程之间的关系。在碳排放核算方面,主要通过IPCC温室气体清单法[10]和碳排放系数对研究区域的不同土地类型进行计算,以此来反映不同土地利用类型碳排放的时序特点[11]。也有学者利用面板数据和时序数据对城市碳排放量进行预测和模拟[12],并通过土地利用类型的调整来优化碳排放量。然而,此类研究大多将土地利用和碳排放问题视为孤立的因素,而不是将它们看作一个整体进行全局性探讨。
此外,学界对关系网络进行了许多研究,如能量-水关系网络[13-14]、陆-水关系网络、水-碳关系网络[15]和水- PM2.5关系网络[16]。其中生态网络分析(ecological network analysis,ENA)被认为是一种量化复杂网络中关系和交互的有效工具,它通过协同效应、优势度和系统循环等指标对资源间连接的性质和构建进行评价,进而得出连接成分之间的相互作用程度。最初ENA用于对已知系统中的货币和物资流动进行经济分析,例如投入产出分析[17-19]。但鲜见应用ENA开展土地利用类型与碳排放耦合等空间关联问题的研究。
因此,笔者基于ENA构建了土地利用变化与碳平衡的地-碳关系框架,构建土地利用转化矩阵和碳转移矩阵,根据量化结果分析碳排放与土地利用变化之间的复杂关系;利用ENA分析土地利用类型之间的生态学关系,为土地相关的碳转移提出了一个弹性的视角;结合系统动力学的推拉力分析与经济学的脱钩关系,为城市低碳发展给出了优化方向。结论为可持续城市空间规划提出了基于土地利用与生态关系的方案和策略。
1 研究方法
1.1 研究区域与数据来源
徐州市地处江苏西北部(图1),介于33°43′~34°58′ N,116°22′~118°40′ E之间,2020年二、三产业比重达90.2%,城市建成区面积为289.6 km2。徐州市正处于快速城市化阶段,但严重的环境污染和资源浪费问题限制着城市的发展。徐州市政府致力于建设低碳经济,以期用有效的空间规划实现碳减排。徐州市作为资源枯竭型城市转型的代表,同许多城市一样面临着低碳转型的困境,所以徐州市的低碳转型具有典型性和普适性。该研究期望借助徐州市这一案例,为全国其他城市提供借鉴和参考。此外,为了描述城市的长期变化,选择2000—2010和2010—2020年这2个时段开展研究。
图1 2020年徐州市土地利用类型分布
土地利用数据来源于2000—2020年全球土地利用数据(分辨率30 m)[20],并对数据进行了相应校正和验证;固定资产投资、人均GDP、人口、能源消费种类和消费量来源于《徐州统计年鉴(2001—2021)》《江苏统计年鉴(2001—2021)》《中国能源统计年鉴(2001—2021)》等。
1.2 地-碳关系框架构建
研究分4步对地-碳关系框架进行构建:首先,借助模型分别计算出碳源的碳排放量和碳汇的碳吸收量,并根据土地转移矩阵得到相应的碳转移矩阵;其次,为了研究碳转移强度,根据各组分间的碳流量求得直接流矩阵,进而计算得到直接效用矩阵;同时,利用碳转移矩阵分析组分间4种主要的生态关系:互利互惠、捕食、利他主义和竞争;最后,从系统动力学角度对各类碳流的推拉力进行计算,以此量化各种土地利用类型之间相互转换的推拉力影响,并引入脱钩指数来反映经济增长对碳排放增长的依赖程度,结合ENA分析提出对于研究区域的政策建议(图2)。
图2 地-碳框架技术路线
1.2.1地-碳转换与计算
针对徐州市的土地利用类型特点以及地表人类活动强度,为了方便构建不同土地利用类型与不同人类活动强度的计算模型,将土地利用类型分为10类(表1),并建立地-碳转移网络(图3)。
各种土地利用类型地表发生的人为活动类型和强度决定了它们的功能,即碳汇或碳源[21]。研究将土地利用类型与碳汇或碳源的计算边界进行了合并,利用地表人类活动代表的土地利用类型边界作为碳汇或碳源的边界。碳的流动有3种情况:城市建成区、农村居民点、工业与交通建设用地、耕地对大气的碳排放,耕地、林地、草地、河渠、湖泊、湿地和裸地对大气的碳固存,每2种土地利用类型之间的土地利用变化造成的碳转移。
徐州市化石燃料消耗的碳排放计算公式为
CUCL=EU×PU+E1×PGD,1+E2×PGD,2。
(1)
式(1)中,CUCL为城市建成区的碳排放量,kg;EU为徐州市城镇人均生活能源消费量,kg·人-1,来源于标准煤转换;PU为徐州市城镇人口数量,人;E1为全国建筑业能源总消费量,kg;PGD,1为徐州市建筑业GDP占全国建筑业GDP的比例,%;E2为全国批发、零售、住宿和餐饮行业能源总消费量,kg;PGD,2为徐州市批发、零售、住宿和餐饮行业GDP占全国批发、零售、住宿和餐饮行业GDP的比例,%。
CRRL=ER×PR。
(2)
式(2)中,CRRL为农村居民点的碳排放量,kg;ER为徐州市乡村人均生活能源消费量,kg·人-1,来源于标准煤转换;PR为徐州市乡村人口数量,人。
CI&T=CI+Ctravel+Ctransport=CI+KP×NP×MP+KL×NL×ML。
(3)
式(3)中,CI&T为工业与交通用地的碳排放量,kg;CI为工业综合能源消费量,kg;Ctravel和Ctransport分别为日常出行和公路运输的碳排放量,kg;KP和KL分别为徐州市私家车和大型车的碳排放系数,kg·(100 km)-1,数据来源于文献[22-23];NP和NL分别为徐州市私家车和大型车数量,辆;MP和ML分别为徐州市私家车和大型车的平均行驶里程,km·辆-1。据估计,江苏省平均每辆私家车每年行驶1.5万km。
CCL=Km×M+KS×S。
(4)
式(4)中,CCL为耕地的碳排放量,kg;M为农业机械总耗电量,kW;S为耕地总面积,km2;Km为农业机械的碳排放系数,kg·kW-1;KS为耕地的碳排放系数,kg·km-2。
表1 土地利用类型分类及说明
各土地利用类型的简称和说明见表1。节点大小对应碳转移强度大小。
耕地、林地、草地、河渠、湖泊、湿地和裸地还具有碳汇属性,可起到固碳作用。这些土地类型的碳吸收主要来自植被净生态系统交换量以及水域碳吸收。植被净生态系统生产力是指大气进入生态系统的净CO2量,该研究对自然土地类型进行碳吸收核算时,采用的是净生态系统生产力的概念,即碳通量变化。对固碳量(CS)由经验推导,并进行了本土化的系数计算,公式为
CS=Ki×Si。
(5)
式(5)中,Si为土地利用类型i的面积,m2;Ki为土地利用类型i的固碳系数,其中包括林地、草地等陆地自然土地类型[24],并根据不同的植被覆盖密度进行拆分。徐州位于江苏北部,处于中国五大湖区之一的东部湖区,河渠、湖泊、湿地等水域的吸收系数采用东部湖区的生态系统固碳研究成果[25]。耕地(CL)的固碳系数设定为0.000 7 kg·m-2;将林地按照植被覆盖类型分为FL1、FL2、FL3、FL4这4类,固碳系数分别为0.058 1、0.016 1、0.047 1、0.189 7 kg·m-2;将草地按照覆盖度高低分为GL1、GL2、GL3这3类,固碳系数分别为0.010 5、0.006 3、0.002 1 kg·m-2;将水域按照不同利用强度和类型分为RI、LA、WL这3类,固碳系数分别为0.025 0、0.039 0、0.056 7 kg·m-2。
1.2.2地-碳网络中的生态关系确定
对于土地利用类型k,定义其碳流量Tk等于所有碳排放的总和减去状态变化为负的碳存储,即碳吸收(或者等于所有碳吸收总和加上状态变化为正的碳存储),Tk的计算公式为
(6)
式(6)中,n为生态网络中碳转移方向的总数;fkj为从土地利用类型j到k的碳转移量,t;zk0为土地利用类型k从外部环境中吸收的碳流量,t;fki为从土地利用类型k到i的碳转移量,t;yk0为土地利用类型k向外界环境释放的碳流量,t。利用生态网络分析(ENA)将生态关系定义为任意2个组分之间的关系,可以根据直接流矩阵的无量纲整体效用强度矩阵中的元素符号确定。利用效用分析确定土地利用类型之间的生态关系,根据直接流矩阵可以得到无量纲的直接效用强度矩阵D。
(7)
式(7)中,dij表示净碳从土地利用类型j到i的转移强度;fij为从土地利用类型i到j的碳转移量,t;fji为从土地利用类型j到i的碳转移量,t。
通过碳转移矩阵的正负流向,可以得到任意2个分量即土地利用类型之间的关系。如表2所示,不同正负流向对应9种成分之间可能存在的关系,其中被广泛使用的只有4种关系(互利互惠、捕食、利他主义、竞争),捕食和利他主义关系表明,一个成分从关系中受益,另一个成分受到损害。互惠互利关系代表这一过程中2个成分都得到了发展和收益,有助于系统的有序发展。竞争关系中的2个成分在这一过程中都受到了损害。
表2 碳转移矩阵各组分间的生态关系
1.2.3脱钩关系分析
脱钩弹性是反映某地区GDP与碳排放关联程度的指标,脱钩是经济增长与碳排放之间关系不断弱化直至消失的理想化过程,可在实现经济增长的同时降低碳排放量。脱钩弹性系数可反映研究区域经济发展对碳排放的依赖程度,是检测低碳经济的重要指标。具体计算方法为
(8)
式(8)中,D为脱钩弹性系数;ΔC和ΔPGD分别为碳排放和国民经济生产总值在末期相对于初期的变化量,kg或亿元;Ct1为初期碳排放量,kg;PGD,t1为初期国民经济生产总值,亿元。脱钩弹性分为脱钩、负脱钩和连结3大类,又可进一步细分为8种类型,分别为弱脱钩、强脱钩、衰退型脱钩、弱负脱钩、强负脱钩、扩张型负脱钩、增长连结和衰退连结(表4)。
表3 脱钩弹性系数
1.2.4推力和拉力分析方法
在定量网络模型的基础上,通过式(9)计算综合流量,以解释总体网络配置中一种土地利用类型对另一种土地利用类型的影响。
(9)
式(9)中,|yij|为碳转移矩阵中土地利用类型i转变到j的碳流量,kg;N为碳转移矩阵中各土地利用类型流入和流出的碳流量之和,即总流量,kg。
某一土地利用类型的推力和拉力计算公式为
(10)
(11)
式(10)~(11)中,Wi为土地利用类型i的驱动权重贡献,反映土地利用类型i通过为其他节点输出碳来驱动其他土地利用类型的能力;Wj为土地利用类型j的拉动权重贡献,反映土地利用类型j接受其他土地利用类型碳流量的能力。
2 结果与分析
2.1 土地相关的碳转移
将城市建成区、农村居民点、工业与交通建设用地合并为建设用地,2000—2010和2020—2020年徐州市主要土地利用类型变化见图4~5。可以看出,在主城区的边缘有大量自然类型土地和耕地向建设用地转变。
图4 2000—2010年徐州市土地利用类型变化
图5 2010—2020年徐州市土地利用类型变化
图6~7显示了2000—2010、2010—2020年徐州市主导负碳和正碳转移的来源。碳转移产生的原因主要分为两类:一是土地利用类型转变,二是碳排放系数改变。近20 a来,随着徐州市工业化和城市化的不断发展,工业与交通建设用地的需求与日俱增,大量耕地转换为工业与交通建设用地。最主要的正碳转移是由耕地向工业与交通建设用地的转变带来的;2000—2010年最主要的负碳转移源于工业与交通建设用地向城市建成区的转变,2010—2020年最主要的负碳转移来源于工业与交通建设用地碳排放系数的改变,这种转变主要是因为徐州城市功能转变、产业转型升级所致。
各土地利用类型说明见表1。
各土地利用类型说明见表1。
此外,主要的正碳转移来源于耕地向城市建成区、农村居民点向工业与交通建设用地和湿地向工业与交通建设用地转变,这与徐州城市区域的扩张密切相关。2001年起,徐州陆续关停煤矿,煤矿周围的工业与交通建设用地和建成区向耕地和农村居民点转变。到2016年,徐州市区内煤矿“清零”,因此这段时期主要的负碳转移来源有工业与交通建设用地向耕地转变、城市建成区向农村居民点转变、农村居民点向耕地转变等。
图8~9显示了徐州市土地相关碳正、负转移的空间分布。可见看出,正碳转移分布更广,有明显的集聚区,最大的区域分布在市中心,由中心向四周扩张,而负碳转移最大的区域分布在城市之间的连接区域,分布零散,集聚区面积远小于同时期的正碳转移集聚区。正碳转移主要分布在徐州市、睢宁县、丰县、邳州市和新沂市等城市中心区域,由这些区域的中心向外扩张。2000—2010年,非城市中心区域的正碳转移主要来源于森林、草地和湿地等碳汇属性的土地类型向耕地转换,例如微山湖以西的正碳转变是由于有大片草地转变为水田,以及徐州西北部首羡镇周边的森林转变为旱田。负碳转移没有明显的规律,负碳转移区域大致分散在城市之间的郊区和农村,此外城市升级改造也带来了一定的负碳转移,在关停了大量煤矿之后,贾汪区产生了多处负碳转移。
图8 徐州市正碳转移强空间分布
2.2 地-碳关系的生态联系
基于ENA分析可以得到徐州市的地-碳联系率,地-碳联系率越高,表明土地利用类型变化对地-碳联系网络的综合效应越积极。结果表明,2000—2010年,土地利用变化对地-碳关系网络的综合效应为0.64,2010—2020年地-碳联系率为0.87,土地利用变化导致碳变化效应在增强。结合徐州市近20 a的发展来看,徐州市的用地关系正在逐步改善,土地变迁的确带来了更多的固碳或者更少的碳排放效应。
根据式(7)可以得到不同土地类型之间的碳转移强度,结果显示,2000—2010年耕地和工业与交通建设用地、城市建成区和工业与交通建设用地之间的碳转移强度最大,约占总体碳转移量的94%;2010—2020年,耕地和工业与交通建设用地、灌木林地和工业与交通建设用地、农村居民点和工业与交通建设用地之间的碳转移强度最大,约占总体碳转移量的95.7%。由此可以得出,近20 a来徐州市工业化和交通运输业的发展是引起碳排放量变化的主要原因。
图9 徐州市负碳转移空间分布
图10为徐州市土地生态关系的空间分布。可以看出,呈现竞争关系的土地更为聚集,总体来说呈竞争关系的区域土地面积比互惠互利关系的土地面积大。结合徐州市总体利用规划图来看,徐州市5个主城区的土地利用类型均表现出竞争关系,特别是铜山区、鼓楼区和云龙区。呈互惠互利关系的区域大多呈点状分布在下属区县。
由于土地利用变化主导了负碳转移,该研究着重分析了互利和竞争2种典型的土地生态关系。可以得出,研究期内耕地与湿地的生态关系均为互利,在碳排放量固定且这2类土地没有明显的转换关系前提下,耕地排放的碳被湿地吸收,促进了湿地的扩张,同时湿地扩张带来的碳吸收加强也减轻了整个系统碳排放的压力,有利于耕地的扩张。因此,这2类土地面积在2000—2020年都有少量的增长。研究期间城市建成区和工业与交通用地的生态关系为竞争关系。由于城市建成区和工业与交通用地在发展的同时会带来碳排放,在系统碳排放量有限的前提下两者之间必然存在竞争关系。
图10 徐州市土地生态关系的空间分布
2.3 脱钩关系分析
2000—2020年徐州市各阶段碳排放与经济增长均呈现增长连结状态,在经济增长的同时,碳排放量也在增长,但碳排放量的增长大于经济增长。如表4所示,2000—2010年脱钩弹性系数为0.88,2010—2020年脱钩弹性系数为1.01。徐州市经济发展对碳排放的依赖程度进一步提高,这主要是因为近20 a来徐州市建设用地扩张,且发展了部分高耗能企业,导致碳排放量和经济增长均较快。这一系数的增加说明徐州市高碳排放的企业规模有增无减,这对2030年前实现碳达峰有很大的压力。
表4 2000—2020年徐州市脱钩系数及状态
2.4 推力和拉力的特点分析
表5为推力和拉力贡献值最大的土地利用类型。2000—2010和2010—2020年,地-碳网络中拉力贡献率最大的3种用地类型保持不变,分别是城市建成区、农村居民点、工业与交通建设用地,作为碳排放系数最高的3种用地类型,在地-碳网络中驱拉动碳循环发挥了绝大部分作用。推力一般由自然土地贡献,例如森林、草原、湿地、湖泊等自然固碳土地,徐州市最大的推力来自耕地。结合实地调研和图像分析,徐州市主要土地利用类型为耕地,占总面积的68.2%。在地-碳网络中,固碳和减碳的推力主要来自于其他高碳排放系数的土地利用类型向耕地的转换。此外由于徐州市属于资源型城市,在早些年发展矿业的基础上,大量耕地被矿场取代,在矿区发展过程中,周围的土地利用类型又转化为工业与交通用地和农村居民点。矿产资源枯竭后,矿区的土地下沉成为水域,在原有居民地保留的基础上土地利用类型又变为耕地,导致在时间维度上碳的排放量增多,排放的增长速率减小。
表5 推力和拉力贡献率
3 讨论
3.1 ENA对城市土地利用调整的政策影响
土地利用类型变化分析与城市碳平衡评价框架可以为城市空间规划中的土地利用优化提供政策建议。上述地-碳网络的生态关系表明,城市中心区各种土地利用类型之间存在竞争关系,加剧了局部碳失衡。在城市建成区扩张过程中,由于耕地保护政策,湿地、林地、草地等自然土地被占用。土地利用制度中存在着城市扩张、耕地保护和生态保护之间的矛盾。此外,对于占用的耕地,由于严格的耕地保护政策,维护耕地面积的动态平衡只能通过占用其他土地来弥补耕地损失,这更加增加了对其他自然土地的压力。所以在城市扩张过程中,工业用地要发展密集型产业,形成产业园区,发展高新技术产业,可在提高土地利用效率的同时,有效缓解城市中心的土地竞争压力。同时,利用卫片识别等平台对城区的用地类型进行快速动态更新,对低效住宅用地、低效工业用地、低效仓储用地进行精准识别,提升废弃土地的更新率,进一步缓解城市中心土地资源紧张带来的土地碳排放竞争压力。
由于林地生态系统的地上植被和地下根系生物量均高于耕地,所以林地向耕地的转移可导致系统碳排放量的增多。此外,城市用水增加导致湿地干旱,湿地开发为耕地也产生了额外的碳排放。这是由于湿地干旱过程中厌氧环境的消失加速了表层土壤有机质的分解,从而将有机物中的碳释放到大气中。所以城市水域面积的减少不仅会减弱自然土地的碳吸收功能,而且会因为湿地等自然土地的退化增加碳排放。因此,为了降低碳排放强度,可以在城区增加湿地、公园、湖泊的比例,缓解城区碳排放强度,同时在这一过程中构建土地类型之间的互利关系,有利于缓解城区土地碳排放竞争关系。此外,加强对湿地和林地这类土地的保护力度,防止这类土地发生退化导致二次碳排放。
呈互利关系的区域大多分散在下属县市,这是自然用地类型之间转换形成的。与城区相比,郊区和下属县市的绿植率更高,对应自然土地转移的比例更高,故土地碳转移的关系表现为互利。但是从分布上看,互利关系的区域呈离散分布,生态效益低[26]。可以对自然土地进行人工整治,例如人工种植经济林木、发展大面积果园,成片的自然土地在保持互利关系的基础上,扩大互利面积,不仅对经济增长有贡献,而且可降低碳排放,有利于减小脱钩系数。
3.2 政策模拟分析
基于量化的碳转移计算网络,可以模拟政策对碳转移强度的影响。
方案一:调整土地利用结构,减少建设用地占用耕地的数量。假定建设用地占用耕地的面积比例减少10%,其他保持不变。结果显示,在控制耕地转化为建设用地的数量之后,2000—2010年,正碳转移减少116.08万t,占总碳转移的15%;2010—2020年,正碳转移减少279.88万t,占总碳转移的9%。土地利用结构的合理配置,不仅能提升城市自身的土地资源的集约利用度,还可以促进整个区域的产业和经济发展,从而减少城市对土地财政的依赖,抑制碳源的发展,减少建设用地产生的碳排。
方案二:减少汽车使用数量,提高城市公共交通分担率。假设通过鼓励搭乘地铁与其他公共出行减少10%的汽车使用数量,结果显示,每年工业与交通建设用地的碳排放量平均减少21.36万t。这不仅有助于完善公共交通基础设施,还可以降低单位运输周转能耗。
4 结论与不足
该研究旨在利用生态网络分析构建2000—2010和2010—2020年2个时段徐州市土地利用变化和碳平衡变化的关系框架,并对影响因素进行分析,基于土地利用转化矩阵和碳转移矩阵,通过脱钩弹性系数、地碳关联率和推拉权重多个角度测度碳转移,具体结论如下:
(1)研究区土地相关碳转移类型与分布较为固定。在类型上,2个时间段的主导正碳转移类型都为耕地转工业与交通建设用地,其余碳转移类型在2个时间段差异不大;在分布上,负碳转移往往分布在城市行政区划的边界、郊区和下属县市,而正碳转移则主要分布在城市中心位置。
(2)呈互利关系的土地利用类型散布在城市周边,竞争关系则集中分布在城市中心。自然土地类型在城市边缘区和下属县市表现出互利关系,而其他土地利用类型(包括工业与交通建设用地、城市建成区、农村居民点)在城市中心区表现为竞争关系。
(3)推力和拉力权重分析表明,徐州市的主导推力权重贡献来自耕地、林地、草地,主要的拉力权重贡献来自高碳排放的土地利用类型,例如城市建成区、工业与交通建设用地、农村居民点。2000—2010和2010—2020年徐州市的地-碳关联率分别为0.74和0.82,说明土地利用类型变化对碳平衡的影响程度在增加。弹性脱钩分析表明,徐州市各阶段碳排放和经济增长呈现增长连结的状态,经济发展对碳排放的依赖程度进一步提高,需要加快发展低碳经济的步伐。
与传统碳循环主要关注碳的物理释放和吸收不同,该研究利用ENA的地-碳关系框架提供了一个弹性的空间视角,来探索土地利用变化对城市碳平衡网络的整体影响。参考生态系统中食物链间的能量流动,研究引入了土地生态关系描述土地类型之间的碳转移,同时ENA的效用分析可以通过土地生态关系的空间分布,间接反映城市扩张相关的社会、政治、经济活动影响,确定土地利用格局的具体调整位置。此外,推力和拉力分析可以反映每种土地利用类型对碳转移的贡献效应,并通过主要节点和路径来调整土地利用配置与弹性低碳转型。引入经济学的脱钩系数直观反映研究区域的经济发展与碳排放的关联程度,用以衡量城市低碳经济的发展程度。最后基于量化框架可以计算相应政策变化导致的碳减排量。同时,研究也存在一定的局限性。例如时间分辨率过低,以10 a为一个研究时段,会让土地利用类型变化比较明显,减少相对识别误差,但是也会让量化指标的时间指向性不强。