在城市化进程与“双碳”目标背景下, 城市绿地固碳作为城市生态系统中最重要的自然碳汇方式, 对助力实现城市碳中和, 减缓城市气候变暖具有重要意义^[1—2], 因此受到了广泛关注。然而现有研究表明：城市发展规划建设过程中存在的一些问题, 如绿地类型结构单一、空间分布不均、作为城市绿地碳汇主体的乔木构成简单^[3—4], 限制了城市绿地碳汇潜力的充分发挥。针对这些问题, 优化城市绿地空间布局与乔木配置结构不仅可以增加碳汇量, 而且对于推动城市向碳中和目标迈进具有重要作用^[5—6]。厘清城市绿地乔木“碳家底”与“碳格局”是管理与优化的前提^[7], 因此选择更加精确的方法对城市绿地乔木碳汇进行计量尤为重要。

尽管当前已有诸多学者对城市绿色空间开展了碳储量与碳汇量的研究, 主要方法包括实地抽样调查法^[8—12]、结合抽样调查和遥感法^[13—14]、遥感反演法^[15]以及生态效益价值评估模型模拟法^[16—17], 但这些方法均存在一定的局限性。例如, 实地调查抽样法、结合抽样调查和遥感法抽样强度一般较低, 对碳储量和碳汇量的估算精度有限。同时, 遥感反演法在茂盛植被区域的应用精度尚需提高^[18]。基于生态效益价值评估模型模拟法虽然操作简单、数据易得, 但在国内的应用与发展还面临挑战^[17]。

值得注意的是：现有多数研究的对象集中在城市森林^{[13, 15]}、公园^[19]或绿地^{[8—9, 20]}的生态系统整体碳汇能力, 而对城市乔木——尤其是行道树这一城市绿地中的重要组成部分的碳汇功能研究相对缺乏, 限制了对于城市乔木碳汇能力的全面理解, 也影响了乔木配置优化方面的决策。

鉴于此, 本文旨在通过高抽样强度的实地调查, 以单木为基本单元, 精确探究城市乔木的单木固碳功能, 并分析其碳汇能力的差异。通过摸清城市的乔木碳密度与碳汇速率空间分布格局, 本研究将为优化城市绿地规划与乔木配置提供碳汇角度的科学依据。本文的科学问题聚焦于如何通过提高城市乔木碳储量与碳汇量的测量与估算精度, 为城市绿地的碳汇功能优化和城市碳中和目标的实现提供支持。

1 材料与方法 1.1 研究区概况

研究区位于浙江省嘉兴市平湖市的城市建成区(30°39′39″—30°46′13″N, 120°58′17″—121°4′38″E), 城区面积约4800 hm², 主要位于钟埭街道、当湖街道与曹桥街道(图 1)。该区域处于杭嘉湖平原, 境内地势平坦, 海拔范围0.4 m—13.3 m, 为典型亚热带季风性湿润气候区, 夏冬季风交替明显, 酷热及严寒期均较短, 全年无霜期约225 d, 年平均气温约16 ℃, 最低气温-5 ℃, 最高气温41 ℃, 年平均日照时数约2000 h, 年平均降水量约1170 mL。位于当湖街道中北部的东湖是平湖境内最大的湖泊, 水域面积约48.5 hm², 占全市水域总面积的1.08%。研究区道路网较密集, 道路总长度约269.47 km, 交通便利, 公共基础设施完善, 区内常住人口约40.15万人, 形成以现代服务业为主导、都市型工业为支撑的产业发展格局。平湖作为典型三线城市, 自然经济社会发展较为均衡, 以其城区乔木绿地作为研究对象, 有利于进行上限拓宽与下限兼容, 具有重要的参考价值。

1.2 数据来源及处理 1.2.1 城区乔木绿地数据

研究区乔木绿地数据源自平湖市住房和城乡建设局提供的平湖市城市建成区国土空间规划数据, 并结合实地调查结果进行修正。参照《城市绿地分类标准》(CJJ/T85—2017)^[21]、《城市用地分类与规划建设用地标准》(GB50137—2011)^[22], 并结合研究区域实际情况, 将研究区内乔木绿地空间分为附属绿地、公园广场绿地、生产绿地、防护绿地(图 2)。其中附属绿地包括道路附属、道路附属绿地、工业附属绿地、公共管理等附属绿地、公共设施附属、公用设施附属绿地、居住附属、居住附属绿地、商业附属、商业附属绿地、附属绿地、其他附属绿地, 公园广场绿地包括防护绿地转公园绿地、公园绿地、广场用地。

1.2.2 固定单木两期数据

单木碳储量与碳汇量计量所需两期乔木生长因子数据, 源自对平湖市城市建成区内1646.08 hm²的全部绿地按面积53.4%的抽样比例进行每木调查(图 2)。调查内容包括树种、单木位置、胸径、树高、冠幅, 调查时间为2022年1月至4月与2023年1月至4月。单木位置采用华测GNSS-RTK(X5、i7系列)定位, 胸径采用胸径尺测量(精确至0.01 cm), 树高采用激光测高测距仪(Vertex Laser L5型)测量(精确至0.01 m)、冠幅采用手持式激光测距仪(DE120)测量(精确至0.1 m)。

统计抽样绿地实地调查树种(表 1)可知抽样绿地乔木数量达254775株, 采用克朗奎斯特分类法, 并参考《园林树木学》(陈有民主编, 第二版)进行乔木的科属归类。抽样绿地乔木共涉及48科86属125树种, 超过4000株的共有14个树种(204823株), 占比达80.39%。

1.3 研究方法 1.3.1 单木碳储量、碳汇量计量方法

(1) 单木碳储量计量

采用江波等^[23]、陶吉兴等^[24]、华伟平等^[25]构建的松类、杉类、硬阔Ⅰ、硬阔Ⅱ、软阔与柏类, 共6种树种组的单木生物量模型计量单木各维度生物量。单木碳储量采用式1进行计量：

(1)

式中：C_Pi为第i株立木的碳储量(kg C)；W_Si、W_Ci、W_Ri分别为第i株立木的树干、树冠、树根生物量(kg)；H_i、D_i、L_i分别为第i株立木的树高(m)、胸径(cm)、冠幅(m)；CF_i为第i株立木的树种含碳系数(采用《森林生态系统碳储量计量指南》^[26])。

(2) 单木碳汇量计量

采用年度碳储量变化量法(式2)计量单木尺度碳汇量：

(2)

式中：ΔC_{t, pi}为第i株立木t年的碳汇量(kg CO₂e)；C_{t+1, pi}为t+1年初该立木的碳储量(kg C)；C_{t, pi}为t年初该立木的碳储量(kg C)。

1.3.2 全区域碳储量、碳汇量计量方法

(1) 各绿地类型乔木碳密度与碳汇速率计量方法

将抽样绿地乔木碳储量、碳汇量与面积按四类绿地进行分类汇总, 得到各绿地类型乔木碳密度(式3)与乔木碳汇速率(式4)。

(3)

(4)

式中：D_{t, ym}为t年初抽样绿地m类绿地的乔木碳密度(t C/hm²)；D_{t, t+1, ym}为t年抽样绿地m类绿地的乔木碳汇速率(t CO₂e a^-1 hm^-2)；C_{t, pim}为t年初抽样绿地内m类绿地上第i株乔木的碳储量(kg C)；ΔC_{t, pim}为t年抽样绿地内m类绿地上第i株乔木的碳汇量(kg CO₂e)；S_ym为抽样绿地m类绿地总面积(hm²)；m为附属绿地、公园广场绿地、生产绿地、防护绿地四类绿地中一种；n为抽样绿地内m类绿地的乔木总数。

(2) 区域总量计量方法

将各绿地类型乔木碳密度与各类绿地总面积进行计算, 从而得到基于单木尺度的全区域碳储量(式5)与碳汇量(式6)。

(5)

式中：C_{t, qm}为t年初全区域m类绿地总碳储量(t C)；S_qm为全区域m类绿地总面积(hm²)。

(6)

式中：ΔC_{t, qm}为t年全区域m类绿地总碳汇量(t CO₂e)；C_{t+1, qm}为t+1年初全区域m类绿地总碳储量(t C)。

1.3.3 碳汇能力分层级方法

系统聚类是对多样本或指标按相似性与距离进行层级化分类的常用方法, 可以显化数据内部联系, 帮助进一步分析数据。其基本思想是将各样本或指标作为独立的类。选定相似性度量方法(如欧式距离、切比雪夫), 计算各类之间的距离矩阵, 将其中距离最近的两类合并为新类。根据合并后的聚类, 更新距离矩阵, 继续合并距离最近两类, 直到所有的样本或指标聚为一类或达到需要的类数量。本研究以各科、属、种的平均单木年碳汇量为变量, 采用组间连接方法与欧式距离测量依据, 进行系统聚类分析, 将不同的科、属、种聚类为碳汇能力强、较强、一般、较弱、弱5类。分别对应了第1到5层级。

欧式距离是常用的相似性度量方法, 其公式(式7)如下：

(7)

式中：d_ij为第i个样本与第j个样本的欧式距离；x_ik是第i个样本的第k个变量的值；x_jk是第j个样本的第k个变量的值；n为样本的变量数量。

1.3.4 空间分析方法

(1) 网格尺度乔木碳密度与碳汇速率汇算方法

对平湖市全部乔木绿地构建10m×10m网格, 对抽样绿地所在网格进行碳密度与碳汇速率汇算, 以将乔木点数据转换为面数据。网格尺度碳密度(式8)与碳汇速率(式9)汇算公式如下：

(8)

(9)

式中：D_{t, wg}为目标网格的t年初的乔木碳密度(kg C/m²)；D_{t, t+1, wg}为目标网格t年的乔木碳汇速率(kg CO₂e a^-1 m^-2)；C_{t, piwg}为该网格内的第i株乔木t年初碳储量(kg C)；ΔC_{t, piwg}为该网格的第i株乔木t年的碳汇量(kg CO₂e)；n为该网格内乔木总数。

(2) 网格尺度乔木碳密度与碳汇速率空间插值方法

将网格数据赋值于网格中心点, 据此对无实测乔木点数据的乔木绿地网格进行克里金(Kriging)插值, 得到全部乔木绿地的网格尺度乔木碳密度与碳汇速率数据。克里金插值法公式(式10、式11、式12)如下：

(10)

式中：Z′₀为待估点Z₀的估计值；Z_i代表第i个已知点的属性值；W_i代表第i个已知点的权重；n为可以决定该点属性值的点数量(一般取该点周边一定数量的已知点)。

(11)

式中：γ_ij表示第i, j个已知点之间的半方差；Z_j代表第j个已知点的属性值。

选择合适的函数形式, 拟合函数γ=f(d)。待求点位置已知, 可得d₁₀, …, d_n0, 代入函数得到γ₁₀, …, γ_n0, 计算矩阵乘式：

(12)

式中：λ是常数；第0个领域点表示待求点本身。

最后完成待估点Z₀的估值。

(3) 网格尺度乔木碳密度与碳汇速率热点分析方法

提取热力图栅格数据值到网格中心点, 采用局部莫兰指数(Anselin Local Moran′s I)进行热点分析。相比全局莫兰指数(Moran′s I), 局部莫兰指数可以评估局部的要素之间的关系, 其值域为[-1, 1]。大于0表示数据呈现空间正相关, 值越大空间相关性越明显；小于0表示负相关, 值越小空间差异越大；0表示空间呈随机性。再根据高值与低值的空间关系将要素分为高-高、高-低、低-低、低-高四种集聚类型。局部莫兰指数公式(式13)如下：

(13)

式中：I_l为第l株乔木的局部莫兰指数值；z_l和z_j分别为第l株、第j株乔木的变量值；z为该变量均值；S²为该变量方差；W_lj是第l株、第j株乔木之间的空间权重, 设定两乔木相邻则为1, 否则为0；k为全部乔木数量。

2 结果与分析 2.1 不同绿地乔木碳密度与碳汇速率

经计量, 2023年平湖市城区绿地乔木总碳储量37393.07 t C, 2022年总碳汇量14793.97 t CO₂e。2023年初平湖城区防护绿地乔木碳密度16.22 t C/hm², 乔木碳汇速率5.96 t CO₂e a^-1 hm^-2；附属绿地乔木碳密度33.61 t C/hm², 乔木碳汇速率11.92 t CO₂e a^-1 hm^-2；公园广场绿地乔木碳密度15.26 t C/hm², 乔木碳汇速率6.83 t CO₂e a^-1 hm^-2；生产绿地乔木碳密度11.62 t C/hm², 乔木碳汇速率6.69 t CO₂e a^-1 hm^-2；平均乔木碳密度22.72 t C/hm², 乔木碳汇速率8.99 t CO₂e a^-1 hm^-2(图 3)。

2.2 城市绿地乔木碳汇能力 2.2.1 不同乔木类型碳汇能力

对不同科类乔木的单木碳汇能力进行聚类(图 4)发现：第1层级的有悬铃木科((76.67±31.96) kg CO₂e/a)和桃金娘科((75.37±0.69) kg CO₂e/a)；能力最弱的为卫矛科((5.43±0.31) kg CO₂e/a)。按不同属进行聚类分析(图 5)发现：第1层级的有悬铃木属((76.67±31.96) kg CO₂e/a)和桉属((75.37±0.69) kg CO₂e/a)；能力最弱的为樱属((2.48±1.21) kg CO₂e/a)。对不同种进行聚类(图 6), 结果表明：三球悬铃木((80.43±33.58) kg CO₂e/a)、大叶榉树((78.67±1.22) kg CO₂e/a)、柠檬桉((75.37±0.69) kg CO₂e/a)处于第1层级；第2层级8个树种中, 二球悬铃木(Platanus acerifolia)能力最强, 为(64.06±9.71) kg CO₂e/a, 皂荚(Gleditsia sinensi)最弱, 为(46.38±7.99) kg CO₂e/a；125种树种中梅(Prunus mume)最弱。树种平均单木碳汇能力为(21.12±4.07) kg CO₂e/a。

2.2.2 不同树种组碳汇能力

不同树种组按乔木单木碳汇能力排序：硬阔Ⅱ ((31.13±15.11) kg CO₂e/a)＞硬阔Ⅰ ((30.43±17.56) kg CO₂e/a)＞松类((27.72±16.83) kg CO₂e/a)＞软阔((3.94±5.68) kg CO₂e/a)＞杉类((11.44±4.84) kg CO₂e/a)＞柏类((5.32±1.87) kg CO₂e/a)(图 7)。

2.3 城市绿地的乔木碳密度与乔木碳汇速率空间分布特征

平湖市城市绿地乔木碳密度与乔木碳汇速率呈空间聚集性分布特征, 且西侧与东湖沿岸相对较高。乔木碳密度高值主要沿西侧道路呈条带状聚集, 环中部东湖呈团块状聚集, 以及零散高值团块状分布。乔木碳汇速率高值较碳密度新增西北部片状高值区(图 8与图 9)。

3 讨论 3.1 基于单木尺度的城市绿地乔木碳汇计量方法

抽样调查结合遥感法^[13—14]与遥感反演法^[15]两种方法常被应用于中大尺度区域的碳汇研究。但是卫星、机载激光雷达等遥感手段存在单木分割精度不高、难以获得胸径及精确树高等问题^[27], 其他光学遥感则存在无法获取林木垂直结构信息、易受林木下垫面影响、通常仅可利用植被指数间接评估林木碳汇量的问题, 且两种方法均无法准确获知树种组成、树种生物学特性与树种生态学特性, 上述问题限制了遥感法的精度^{[12, 18]}。另一种生物量法是准确核算植被碳汇量的有效手段^[8], 常用实地抽样调查法^[8—12]获取其胸径、树高等生长因子实现。由于城市绿地需综合考虑景观效果、服务功能、道路交通安全等因素, 不同绿地类型之间或同一绿地类型的不同地块间存在树种配置、分布、密度等方面的明显差异, 这使得该方法的估算精度受到抽样强度与方法的影响。

本文采用的基于单木尺度的高强度抽样调查法, 在高抽样强度地实地精确调查树种、单木所在绿地类型及两期胸径、树高、冠幅等生长因子, 并计算单木碳储量与碳汇量的基础上, 结合城市公园广场、附属、生产、防护四类绿地的空间矢量数据, 计量出研究区所有城市乔木绿地的乔木碳汇量。相较于采用低强度样地抽样法或遥感法来计量城市乔木碳储量^{[13, 28]}, 本研究结果具有较高的可靠性。但由于研究时间与区域的局限性, 本研究所采用的计量方法有待更长时间尺度及更多城市建成区域的应用检验。

3.2 绿地乔木碳密度与碳汇速率

由于目前对城市绿地^{[8—9, 20]}的研究偏重绿地生态系统整体的碳汇, 缺少城市绿地乔木碳密度与碳汇速率的相关数据, 本研究得到平湖市城市绿地平均乔木碳密度22.72 t C/hm², 乔木碳汇速率8.99 t CO₂e a^-1 hm^-2, 补充了相关数据。比较平湖城市绿地平均乔木碳密度与我国平均城市绿地系统平均碳密度(19.8 t C/hm²), 可知平湖市城市绿地系统平均碳密度较全国平均水平高。与1989—2014年期间浙江省非城市森林碳汇速率(3.48 t CO₂e a^-1 hm^-2)^[29]相比, 其乔木碳汇速率高于非城市森林, 这与Hutyra等的研究结果一致^[30]。推测原因可能有以下3点：城市园林部门对城市绿地乔木的管理养护有利于乔木生长, 稀疏的密度有效缓解了乔木间的竞争^[31]; 城市中较高的CO₂浓度与温度有利于提高乔木的光合速率。

研究发现附属绿地的乔木碳密度与碳汇速率均最高, 而公园广场绿地碳密度排第三, 碳汇速率排第二。推测其原因为：城市乔木绿地中的附属绿地空间碎片化程度高, 多为建筑周边的零散绿化带或道路旁的狭长行道树绿地, 其单位面积对应乔木数量相较呈面状的公园广场绿地多；公园广场绿地侧重于满足城市居民的景观、休憩、健身等需求, 乔灌草的配置比例与附属绿地差异较大。

3.3 绿地乔木碳汇能力

选用高碳汇城市绿地树种对充分发挥城市绿地的固碳功能意义重大^{[12, 32]}。聚类分析结果显示：三球悬铃木、柠檬桉、大叶榉树(第1层级), 二球悬铃木、台琼海桐(Pittosporum pentandrum var. formosanum)、麻栎(Quercus acutissima)、沙朴(Celtis sinensis)、榔榆(Ulmus parvifolia)、垂柳、青钱柳(Cyclocarya paliurus)、皂荚(第2层级)的单木碳汇能力显著强于其他层级乔木(P＜0.05), 且硬阔Ⅱ、硬阔Ⅰ的单木碳汇能力强于松类, 显著强于软阔、杉类、柏类(P＜0.05), 表明硬阔是城市乔木固碳的主要树种类型, 这与仲启铖等对上海市进行研究得到的结论相似^[32—34]。由于树种碳汇能力与其叶面积指数相关, 且城市绿地阔叶乔木多为大型或中型, 所以其叶面积指数通常较窄树冠的杉类、柏类高, 而平湖区城市绿地软阔树种的单木碳汇能力弱于松类, 推测与该地软阔树种的平均含碳系数低于松类相关^{[24, 26]}。

3.4 空间分布特征

石铁矛等研究发现城市植被碳汇具有明显空间聚集特征^[35], 平湖市城市绿地乔木碳密度、碳汇密度与城市道路走向、水域分布密切相关, 呈现空间聚集性分布特征, 表现为乔木碳密度高值在西侧道路附属绿地上呈条带状及东湖水域旁的公园广场绿地呈团块状分布(图 8与图 9), 低值则较多的集中于居民附属绿地, 而乔木碳汇速率高值分布较之则新增了西北部片状高值区。调查发现其原因为平湖市西侧的道路附属绿地和东湖沿岸的公园广场绿地多密植树体高大的阔叶树。

4 结论

本文提出了基于单木尺度的全区域城市乔木碳汇计量方法, 即高抽样率实地调查结合绿地分布补充扩增法, 计测得到平湖市城市建成区的全域碳储量与碳汇量。并据此对不同绿地类型的碳密度与碳汇速率、不同城市绿地乔木的碳汇能力、碳密度碳汇密度空间分布特征进行了分析, 得到结论如下：

(1) 平湖的附属绿地碳密度与碳汇速率最大, 城市绿地平均乔木碳密度22.72 t C/hm², 在我国处于中上水平, 平均乔木碳汇速率8.99 t CO₂e a^-1 hm^-2, 高于非城市森林；

(2) 硬阔Ⅱ ((31.13±15.11) kg CO₂e/a)与硬阔Ⅰ ((30.43±17.56) kg CO₂e/a)树种单木碳汇能力强于松类、软阔、杉类、柏类；

(3) 城市绿地的单位面积乔木碳密度和碳汇密度在空间上具有聚集性特征, 且与道路、水域分布相关, 呈现出高值常沿道路呈条带状或沿水域呈团块状分布的分布特性。