殷煒達(dá) 蘇俊伊 許卓亞 劉志成

20世紀(jì)以來，人類面臨著氣候變化和能源危機(jī)帶來的諸多生存環(huán)境問題，“低碳”成為全球應(yīng)對危機(jī)的研究熱點(diǎn)[1]，國際社會先后制定了《聯(lián)合國氣候變化框架公約》和《京都議定書》以解決氣候問題[2]。2020年，國家主席習(xí)近平表示中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，CO2排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實現(xiàn)碳中和[3]。隨著中國城市化水平越來越高，城市中的碳排放也隨之增加，城市綠地碳匯因此受到關(guān)注并成為一個新的研究熱點(diǎn)。城市綠地是指城市用地及其周邊地區(qū)以自然植被和人工植被為主的區(qū)域[4]，按主要功能可分為公園綠地、廣場綠地、防護(hù)綠地、附屬綠地、區(qū)域綠地5類，是城市內(nèi)部僅存的“自然碳匯”空間[5]。Escobedo等研究表明美國蓋恩斯維爾和邁阿密戴德2個城市的綠地能夠吸收其年碳排放總量的3.4%和1.8%[6]，Vaccari等的研究表明意大利佛羅倫薩的城市綠地能夠吸收6.2%的直接碳排放[7]，可見城市綠地的碳匯功能具有不可替代性，是城市碳匯的基礎(chǔ)部分。不同覆被類型綠地的平均固碳量有很大差別，層次或密度不同的植物群落也會使城市綠地的碳匯能力有所區(qū)別[8]。因此通過構(gòu)建城市綠地碳儲量估算模型，分析探討城市綠地的增匯潛力，對推進(jìn)2060年碳中和目標(biāo)具有重要意義。

1 城市綠地碳儲量估算研究

20世紀(jì)末，西方主要發(fā)達(dá)國家對本國生態(tài)系統(tǒng)的碳儲量進(jìn)行了較為全面的估算[9]，許多學(xué)者試圖通過量化城市綠地生物量來間接測算出固碳量[7,10-11]。其中，大多數(shù)生長模型側(cè)重于統(tǒng)計分析，使用含有樹干直徑、高度、密度等相關(guān)參數(shù)的回歸方程以估計植物的總生物量[12]。Nowak等在城市樹木生物量變化方面開展了基礎(chǔ)性的研究[12]，Chave等運(yùn)用樹木異速生長方程等生長模型對樹木總固碳量進(jìn)行估算[13-14]。這些方法常用于特定地點(diǎn)的森林樹木，很少用于城市地區(qū)的灌木、草本的生物量計算，且?guī)缀醪豢紤]植物物種之間的相互作用。使用樣地實測法（物種、數(shù)量、面積覆蓋）估算植被生物量的方法是生物量-碳估算的基礎(chǔ)，Michael等采用分層隨機(jī)抽樣的方法計算樹干總碳儲量[15]，Kaye等基于實地測量數(shù)據(jù)對部分城市樹木碳匯能力進(jìn)行了估算研究[16]。然而，該方法在物種豐富度和多樣性較高的區(qū)域估算誤差較大，同時也將耗費(fèi)大量的時間與精力[17]。近年來，美國林務(wù)局開發(fā)出i-Tree模型法用于單棵行道樹和城市森林2個不同尺度的碳儲量估算[18]。如今，i-Ttree與衛(wèi)星影像相結(jié)合進(jìn)行區(qū)域碳儲量估算[19]成為被普遍采用的方法。

中國對于城市綠地碳儲量的評估起步較晚，發(fā)展初期僅對某些植被和土壤類型的區(qū)域的碳儲量進(jìn)行了估算，相較于其他領(lǐng)域的碳儲量研究仍處于起步階段。王迪生分析了園林碳儲量與森林碳儲量的異同[20]，王曉杰、陳碩等研究發(fā)現(xiàn)城市綠化樹種的碳儲能力具有一定的差異性[21-22]。多位學(xué)者對國內(nèi)外各類碳儲量估算系統(tǒng)的技術(shù)方法、研究階段、應(yīng)用尺度進(jìn)行對比分析，得出適用于城市綠地碳儲量的估算方法主要有樣地實測法、生長生物量模型法、遙感估算法等[23-24]。樣地實測法是最原始、國際上公認(rèn)誤差最小的碳儲量測算方法，王迪生、郭歡歡等采用抽樣調(diào)查與數(shù)學(xué)模擬等方法計算城市綠地中的碳密度和碳儲量[25-26]。CITYgreen、i-Tree等生物量模型適用于大尺度碳儲量估算，可同時結(jié)合eCognition等軟件對植物物種進(jìn)行識別，為城市綠地遙感分類提供了新的智能解譯方法[27-28]。通過以上研究可知，樣地實測和遙感分析是未來碳儲量遙感估算的重要組成。整體而言，從研究對象看，大多數(shù)的植被碳儲量研究都是針對森林或區(qū)域內(nèi)單一植被類型，缺乏針對城市綠地的綜合性研究；從研究尺度看，多集中于較小區(qū)域尺度，綜合型、簡便快捷的大尺度城市綠地碳儲量估算方法尚未成熟[29]。在現(xiàn)有文獻(xiàn)及研究中，學(xué)界對城市綠地碳儲量的研究缺乏一致的區(qū)域碳儲量估算方法和模型，目前已經(jīng)提出的植被碳儲量估算模型和方法各有其優(yōu)勢和不足，且大都建立在經(jīng)驗統(tǒng)計的基礎(chǔ)上，而經(jīng)驗?zāi)Ｐ图皢渭兊倪b感方法能否完全適用于大尺度的植被碳儲量研究，仍需進(jìn)一步驗證。

面對氣候變化和能源危機(jī)，如何估算城市綠地碳儲量、增強(qiáng)城市綠地儲碳功能成為迫切需要解決的問題。由于遙感信息的宏觀性與動態(tài)化，遙感估算法能夠不受自然環(huán)境條件的限制，對大尺度范圍內(nèi)植被的碳儲量估算具有一定優(yōu)勢，因而本研究基于遙感技術(shù)，結(jié)合當(dāng)前研究現(xiàn)狀及存在的問題，初步構(gòu)建合理的城市綠地碳儲量估算系統(tǒng)，以期為評估綠地對于城市生態(tài)環(huán)境的貢獻(xiàn)、實現(xiàn)碳中和目標(biāo)策略的制定提供決策參考。

2 研究區(qū)域概況及研究方案

2.1 研究區(qū)域概況

以北京市海淀區(qū)五環(huán)內(nèi)為研究區(qū)域（圖1），對其城市綠地碳儲量展開研究。北京市海淀區(qū)屬于暖溫帶大陸性季風(fēng)氣候，城市化程度較高，區(qū)域綠地規(guī)劃合理，植被狀況良好。以研究區(qū)域高分二號遙感影像為基礎(chǔ)數(shù)據(jù)源，空間分辨率1 m，影像獲取時間為2016年9月，區(qū)域面積為146 km2。

圖1 研究區(qū)位圖Research area location map

2.2 研究方案

城市綠地碳儲量遙感估算模型建立路徑具體如下：以高分二號遙感數(shù)據(jù)為信息源，利用遙感數(shù)據(jù)近紅外和紅光2個波段合成彩色圖像的技術(shù)方法，根據(jù)綠地植被與其他地類的波譜反射差異，利用監(jiān)督分類進(jìn)行影像分割，以1 m的解譯精度提取綠地植被信息。采用多元回歸的方法，基于遙感影像獲取植被信息，并提取歸一化植被指數(shù)（NDVI）建立綠地碳儲量反演模型，實現(xiàn)對研究區(qū)域綠地碳儲量的反演。同時，另選取檢驗樣地的人工識別數(shù)據(jù)為對照，驗證利用遙感數(shù)據(jù)反演綠地碳儲量估算的精度，進(jìn)行模型的合理性檢驗及適用性分析（圖2）。

圖2 城市綠地碳儲量遙感估算模型研究路徑Research path of the remote sensing estimation model for urban green space carbon storage

3 數(shù)據(jù)采集與處理

根據(jù)圖像預(yù)處理的技術(shù)流程提取遙感影像中城市綠地植被信息，包括輻射定標(biāo)、大氣校正、影像配準(zhǔn)、影像分割和綠地分類等，構(gòu)建NDVI指數(shù)與碳儲量之間的估算模型，進(jìn)而計算出植被碳儲量，并根據(jù)其他樣地的人工識別數(shù)據(jù)檢驗綠地碳儲量估算模型的合理性，論證NDVI-碳儲量估算模型的可行性。

3.1 城市綠地分類

綜合考慮研究區(qū)域現(xiàn)狀，根據(jù)國家標(biāo)準(zhǔn)GB/T 21010—2017《土地利用現(xiàn)狀分類》將北京市海淀區(qū)五環(huán)內(nèi)土地覆被類型初步區(qū)分為綠地、城市其他用地、水體3類，通過ENVI 5.3的監(jiān)督分類獲得土地覆被分布的矢量數(shù)據(jù)，繪制土地覆被分類圖（圖3-1）。并根據(jù)CJJ/T 85—2017《城市綠地分類標(biāo)準(zhǔn)》與實地調(diào)研進(jìn)一步對城市綠地進(jìn)行梳理和分類，其中因廣場綠地識別精確度較低，最終將綠地分為公園綠地、防護(hù)綠地、附屬綠地、區(qū)域綠地4類（圖3-2）。

圖3 研究區(qū)域用地分類Land use classification within the study area3-1 土地覆被分類Land cover classification3-2 城市綠地分類Urban green space classification

3.2 樣地提取

研究采用分層隨機(jī)抽樣的方法在研究區(qū)域范圍內(nèi)抽取139個樣地（表1，圖4），利用ArcGIS 10.2中的隨機(jī)布點(diǎn)函數(shù)在各類綠地圖層中進(jìn)行隨機(jī)布點(diǎn)，并從中提取各樣點(diǎn)的坐標(biāo)值。為適應(yīng)影響生物量的主要環(huán)境壓力和管養(yǎng)模式因子空間分布的高異質(zhì)性，進(jìn)而提高遙感數(shù)據(jù)精確度，結(jié)合綠地內(nèi)植物組成、郁閉度等條件，設(shè)置樣方大小為25 m×25 m[30]。

表1 各類綠地面積及布設(shè)樣地數(shù)量Tab. 1 Area and number of sample sites of each type of green space

圖4 樣地分布圖Distribution map of sample sites

3.3 歸一化植被指數(shù)（NDVI）提取

利用NDVI對多光譜柵格中數(shù)據(jù)較為集中的近紅外和紅光2個波段的特征進(jìn)行對比，即紅光波段中葉綠素的色素吸收率和近紅外（near infrared, NIR）波段中植物體的高反射率，用于生成顯示植被量（相對生物量）的影像。利用ENVI 5.3的BandMath工具計算得到研究區(qū)域內(nèi)的NDVI值，經(jīng)計算NDVI值在[-1, 1]，數(shù)值越高植被覆蓋率越高，當(dāng)數(shù)值低于0.1時地表幾乎無植被。為減少裸露地表的NDVI值差異對建立回歸方程的影響，將范圍在[-1.0, 0.1]的NDVI值統(tǒng)一設(shè)置為0，并使用ArcGIS 10.2的分區(qū)統(tǒng)計功能分別計算各樣地的NDVI值（圖5）。

圖5 NDVI分布圖Distribution map of NDVI

3.4 碳儲量計算

3.4.1 遙感法計算碳儲量

通過衛(wèi)星影像獲取各樣地碳儲量的計算方法如下：首先，利用喬木、灌木、草地反射光譜特征上的差異，通過ENVI 5.3的監(jiān)督分類功能將綠地分為喬木、灌木、草地3類（圖6），計算樣地內(nèi)不同植被類型所占面積；其次，依據(jù)北京市植物類型分布比例及分類型植物平均冠幅[25,31]，得到樣地內(nèi)喬、灌木植物數(shù)量，結(jié)合各植被類型的平均生物量（表2），計算各類植物碳儲量總和，計算式如下：

圖6 各類型綠地喬木、灌木、草地分布圖Distribution map of trees, shrubs and grasslands in each type of green space

表2 喬、灌、草平均冠幅及生物量[25,31]Tab. 2 Average crown width and biomass per plant of trees, shrubs and grasslands[25,31]

式中：N為植物數(shù)量，單位為株；S為植被面積，單位為m2；R為平均冠幅，單位為m；k為城市綠地喬木重疊率，取1/4[32]；T為碳儲量，單位為kg；a為植物含碳率，北京城市園林植物平均含碳率為0.486[25]；W為平均生物量，單位為kg/株或kg/hm2。

3.4.2 人工識別法計算碳儲量

為檢驗遙感估算模型的合理性，通過人工識別提取出每個樣地的喬木、灌木的冠幅及數(shù)量，結(jié)合分植被類型植被參數(shù)擬合模型（表3）分別計算其樹高與胸徑，采用生物量擴(kuò)展因子法測算各樣地的生物量，進(jìn)而計算樣地的實際碳儲量。

表3 喬木、灌木冠幅、樹高、胸徑擬合模型[25]Tab. 3 Fitting models of canopy width, height and DBH of trees and shrubs[25]

1）植物材積。

依據(jù)GB/T 4814—2013《原木材積表》的規(guī)定，胸徑為4~13 cm的小徑圓木材積的計算式為：

胸徑為14 cm以上的植物材積的計算式為：

式中：V為單株材積，單位為m3/株；H為樹高，單位為m；D為胸徑，單位為cm。

2）碳儲量計算。

采用樣地實測法計算植被生物量，通過植物含碳率轉(zhuǎn)換估算植被碳儲量值，計算式如下：

式中：W為單株生物量，單位為kg/株，W上為植物地上生物量，W下為植物地下生物量；V為單株材積，單位為m3/株；WD為平均木密度，所有木材密度幾乎相同，約為0.44~0.57，取平均值為0.54[26]；BEF為樹干生物量轉(zhuǎn)換到地上生物量的生物量擴(kuò)展因子，依據(jù)聯(lián)合國政府間氣候變化專門委員會（IPCC）生物量擴(kuò)展因子參考值，取溫帶闊葉林BEF平均值1.4[33]；R為生物量根莖比，喬木平均值為0.55，灌木為0.91[34]；T和a的含義同式（2）。

4 遙感估算模型構(gòu)建與驗證

4.1 碳儲量遙感估算模型構(gòu)建

研究將139個樣地數(shù)據(jù)的NDVI總值與不同綠地類型樣地內(nèi)遙感碳儲量進(jìn)行相關(guān)性分析，采用基準(zhǔn)樣地回歸的方法構(gòu)建碳儲量模型，估算區(qū)域碳儲量。使用SPSS統(tǒng)計分析軟件，分析城市綠地碳儲量與NDVI之間的相關(guān)關(guān)系，可得綠地碳儲量與植被指數(shù)NDVI呈正相關(guān)，相關(guān)系數(shù)p=0.697，顯著性小于0.001，說明兩者間相關(guān)性顯著，并逐步建立統(tǒng)計分析模型，構(gòu)建不同類型綠地碳儲量與植被指數(shù)的回歸擬合模型（圖7，表4）。

表4 城市綠地碳儲量遙感估算模型構(gòu)建Tab. 4 Building of remote sensing estimation model for carbon storage of urban green space

圖7 分類型綠地碳儲量遙感估算模型擬合圖Fitting diagram of remote sensing estimation model for carbon storage of each type of green space

公 園 綠 地、防 護(hù) 綠 地、附 屬 綠 地、區(qū)域綠地4類綠地的擬合模型分別為Y=1/（5.674×0.010x）、Y=6.540x2.077、Y=4.333x1.107、Y=1.249-6.115x+13.666x2，相關(guān)性系數(shù)分別為0.753、0.696、0.762、0.775，顯著性均小于0.001，表明4類綠地的碳儲量均與NDVI呈正相關(guān)，且相關(guān)關(guān)系顯著。分類綠地碳儲量與NDVI的相關(guān)性大于不區(qū)分綠地類型的情況，且構(gòu)建的模型精度相對較高，可見分類綠地構(gòu)建碳儲量模型對于提高碳儲量估算精度的必要性。

4.2 碳儲量遙感估算模型合理性檢驗

在4類綠地中各隨機(jī)選取10個樣地，共40個樣地，對上述研究構(gòu)建的綠地碳儲量遙感估算模型分別進(jìn)行預(yù)測結(jié)果的評估。在評估過程中，將人工識別法計算的碳儲量結(jié)果視為真實值。圖8為40個不同樣地的單位面積碳儲量模型預(yù)測結(jié)果與其真實值的折線對比圖，結(jié)果顯示，預(yù)測值與真實值的偏差皆在0.5 kg/m2內(nèi)，誤差在可接受范圍內(nèi)。其中防護(hù)綠地、附屬綠地與公園綠地的估算準(zhǔn)確率較高，平均偏差皆小于0.1，估算結(jié)果較好，基本滿足模型精度要求；區(qū)域綠地的估算精度較低，平均偏差為0.187。計算不同類型樣地評估的均方誤差（MSE），結(jié)合擬合精度R2分析發(fā)現(xiàn)，不同類型樣地的模型預(yù)測精度存在一定差異，除區(qū)域綠地外，其余3種類型樣地的模型預(yù)測精度較高（表5）。

圖8 樣地模擬碳儲量與人工識別碳儲量數(shù)據(jù)對比Comparison between simulated and artificially measured carbon storage data in sample sites

表5 樣地模擬碳儲量與人工識別碳儲量均方誤差Tab. 5 Mean square error of simulated and artificially measured carbon storage in sample sites

分別對4種不同類型樣地的預(yù)測結(jié)果計算方差和均值，并與人工識別法計算的碳儲量結(jié)果（真實值）的方差與均值進(jìn)行對比（圖9）。分析發(fā)現(xiàn)，模擬碳儲量略高于實測碳儲量，數(shù)據(jù)分布基本處于同一區(qū)間內(nèi)。由此可見，通過遙感估算模型計算的碳儲量與人工識別法計算的碳儲量結(jié)果基本一致，達(dá)到預(yù)期效果。

圖9 樣地模擬碳儲量與人工識別碳儲量數(shù)據(jù)均值方差對比Comparison between mean variance of simulated carbonstorage data and that of artificially measured in sample sites

5 城市綠地碳儲量估算結(jié)果與分析

5.1 城市綠地碳密度估算

通過ArcGIS 10.2的柵格計算器將海淀區(qū)五環(huán)內(nèi)各類綠地NDVI數(shù)據(jù)分別導(dǎo)入相應(yīng)綠地的碳儲量遙感估算模型，計算不同綠地的碳密度與海淀區(qū)五環(huán)內(nèi)城市綠地碳儲量總值。碳密度計算結(jié)果表明，海淀區(qū)五環(huán)內(nèi)城市綠地碳密度介于0~5.328 kg/m2，碳密度空間分布與城市綠地分布相呼應(yīng)，表現(xiàn)出一定的區(qū)域性與異質(zhì)性（圖10）。通過城市綠地碳密度空間分布圖，可見四環(huán)到五環(huán)之間是海淀區(qū)五環(huán)內(nèi)城市綠地碳儲量最高的區(qū)域，主要是大面積的公園綠地與區(qū)域綠地構(gòu)成了區(qū)域主要綠地碳庫。四環(huán)內(nèi)城市綠地碳儲量分布相對均勻；除了少量的公園綠地有顯著的碳儲量集中現(xiàn)象，防護(hù)綠地的碳儲量呈線性分布外，綠地碳儲量大部分由附屬綠地碳儲量構(gòu)成，均勻散布在城市之中。

圖10 海淀區(qū)五環(huán)內(nèi)城市綠地碳密度分布Carbon density distribution of urban green space within the Fifth Ring Road of Haidian District, Beijing

5.2 各類綠地碳儲量估算

根據(jù)上述分類模型計算的碳密度結(jié)果，求取城市綠地及各類綠地碳密度平均值，并進(jìn)行分析。結(jié)果表明，海淀區(qū)五環(huán)內(nèi)城市綠地的平均碳密度為1.40 kg/m2，城市綠地碳儲量總值約為4.14萬t；公園綠地、防護(hù)綠地、附屬綠地、區(qū)域綠地的平均碳密度分別為1.60 kg/m2、1.02 kg/m2、1.36 kg/m2、1.34 kg/m2，可見區(qū)域內(nèi)公園綠地的碳匯能力最高，附屬綠地次之，區(qū)域綠地略低于附屬綠地，防護(hù)綠地最低，即公園綠地＞附屬綠地＞區(qū)域綠地＞防護(hù)綠地。

此外，研究計算得到北京市海淀區(qū)五環(huán)內(nèi)城市綠地平均生物量為2.89 kg/m2，介于黃玫等所模擬的有林草地平均總生物量2.599 kg/m2與混交林的4.95 kg/m2[34]之間；王迪生通過抽樣調(diào)查，估測北京市海淀區(qū)、朝陽區(qū)、西城區(qū)、東城區(qū)的單位面積綠地平均碳儲量介于1.204 kg/m2~2.190 kg/m2[25]之間，與本研究計算得出的海淀區(qū)五環(huán)內(nèi)城市綠地平均碳密度1.40 kg/m2一致，因此本研究方法所得結(jié)果基本合理。

5.3 結(jié)果分析與展望

大尺度碳儲量遙感估算的精度評價是定量遙感估算最困難、最具爭議的問題。由上述結(jié)果分析可得，分類型綠地碳儲量與NDVI值的遙感估算模型的相關(guān)性和擬合精度均高于城市綠地碳儲量與NDVI值的擬合精度，且回歸模型估測精度較高，證明分類型構(gòu)建城市綠地碳儲量遙感估算模型具有必要性，對于指導(dǎo)全國各城市綠地碳儲能力的估算、實現(xiàn)碳中和目標(biāo)具有重要意義。其中，公園綠地、附屬綠地的估算模型擬合精度最高，其次為防護(hù)綠地，區(qū)域綠地擬合精度較低。經(jīng)實地調(diào)研發(fā)現(xiàn)，區(qū)域綠地內(nèi)植物種類與配置方式較為復(fù)雜，喬、灌、草層次豐富。結(jié)合計算過程分析可得，基于監(jiān)督分類的綠地信息提取精度對于建設(shè)用地與綠地的分割精度較高，對植被類型的分割精度隨綠地組成的復(fù)雜程度提升而下降，對于小尺度范圍所測結(jié)果與實際值偏差變大，估算精度降低，且實測值為有限點(diǎn)數(shù)據(jù)，不能從空間上反映研究區(qū)域植被的異質(zhì)性和差異性。因此，基于遙感影像監(jiān)督分類的碳儲量測算方法更適用于用地復(fù)雜、植被層次相對簡單的城市綠地，其測算結(jié)果相關(guān)性顯著。

遙感圖像光譜信息具有良好的綜合性和實時性，利用其與碳儲量之間的相關(guān)性構(gòu)建碳儲量遙感估算模型能夠減弱自然環(huán)境條件對于研究各方面的限制，使之在大尺度范圍內(nèi)估算植被碳儲量更具優(yōu)勢，大大提升了對碳儲量的研究范圍、研究精度和實時性。同時，由于植被遙感在理論和技術(shù)上的不完備性，目前碳儲量估算精度有待進(jìn)一步提高，得出的碳儲量數(shù)據(jù)還需根據(jù)實際問題適當(dāng)改進(jìn)；經(jīng)驗?zāi)Ｐ偷暮侠沓潭戎饕Q于獲得樣本數(shù)量的多少和處理數(shù)據(jù)的水平，有待于進(jìn)一步研究提升；此外，遙感數(shù)據(jù)的精度、研究領(lǐng)域的空間尺度等問題也是遙感估算法亟須解決的問題。未來可進(jìn)一步統(tǒng)一碳儲量測量方法，將信息技術(shù)和3S技術(shù)運(yùn)用到城市綠地碳匯的發(fā)展中，與國際接軌，并結(jié)合eCognition、CITYgreen等軟件提高遙感影像分類與分割的精度，或利用神經(jīng)網(wǎng)絡(luò)所具有的自組織、自學(xué)習(xí)和對輸入數(shù)據(jù)具有高度容錯性等優(yōu)點(diǎn)進(jìn)行高精度定量估測，以形成系統(tǒng)的、準(zhǔn)確的探測、計量碳儲量的體系。

本研究構(gòu)建的遙感估算模型所需的基礎(chǔ)數(shù)據(jù)與不同地區(qū)的植被平均冠幅、平均生物量等數(shù)據(jù)密切相關(guān)。中國植被平均生物量的空間分布受水熱條件影響明顯，在暖濕的東南、西南地區(qū)生物量較大，干冷的西部地區(qū)生物量較小。由于研究區(qū)域面積廣大，獲取資料有限，研究中所利用的經(jīng)驗數(shù)據(jù)為華北地區(qū)植被數(shù)據(jù)，所構(gòu)建的城市綠地碳儲量遙感估算模型也僅適用于華北地區(qū)城市綠地，不能代表各自然地理區(qū)生態(tài)系統(tǒng)類型。在未來進(jìn)行遙感測算時，應(yīng)盡快補(bǔ)足各城市綠地碳儲量相關(guān)調(diào)查的研究數(shù)據(jù)，在地性構(gòu)建中國城市綠地碳儲量遙感估算模型。本研究旨在提供一種新的思路和方法，為今后的碳匯估算提供參考，而對于城市綠地碳匯的估算還需要更多數(shù)據(jù)的共同支持。

6 結(jié)論

本研究使用高分二號遙感影像為數(shù)據(jù)源，基于ENVI 5.3的監(jiān)督分類功能將城市綠地進(jìn)一步梳理為公園綠地、防護(hù)綠地、附屬綠地、區(qū)域綠地4類，提取各類綠地植被信息，使用歸一化植被指數(shù)與碳儲量數(shù)據(jù)建立單變量模型，分別構(gòu)建了城市綠地碳儲量遙感估算模型，并結(jié)合人工識別數(shù)據(jù)檢驗?zāi)Ｐ途?，確保城市綠地碳儲量遙感估算模型的合理性。各類綠地的遙感估算模型分別為Y=1/（5.674×0.010x）、Y=6.540x2.077、Y=4.333x1.107、Y=1.249-6.115x+13.666x2，模型總體精度為0.508，分類型精度為0.620~0.703，通過綠地分類計算后模型的擬合精度得到了明顯提升。運(yùn)用上述模型分析海淀區(qū)五環(huán)內(nèi)碳匯能力，結(jié)果顯示，北京市海淀區(qū)五環(huán)內(nèi)城市綠地碳儲量總值約為4.14萬t，不同綠地類型碳匯能力存在一定差異，具體表現(xiàn)為公園綠地＞附屬綠地＞區(qū)域綠地＞防護(hù)綠地。本研究對指導(dǎo)全國各城市綠地碳儲量的估算具有重要的引領(lǐng)示范作用，在“雙碳”背景下為統(tǒng)一城市綠地碳儲量估算方法、構(gòu)建碳儲量估算系統(tǒng)等方面提供重要支撐。