标题：
Optimizing urban functional land towards “dual carbon” target: A coupling structural and spatial scales approach
期刊：
Cities
作者：
Yifei Yang，et al.
DOI:
https://doi.org/10.1016/j.cities.2024.104860
引用：
Yang, Y., **e, B., Lyu, J., Liang, X., Ding, D., Zhong, Y., ... & Guan, Q. (2024). Optimizing urban functional land towards “dual carbon” target: A coupling structural and spatial scales approach. Cities, 148, 104860.
1. 引言
城市土地利用对碳排放具有显著影响，优化土地利用结构和空间布局是降低城市碳排放的重要途径。传统研究多关注单一结构或空间尺度的优化，忽视了两者之间的相互作用。基于此，本文创新性地整合了结构优化和空间布局优化，通过多目标线性规划模型（IMLP）和非支配排序遗传算法（NSGA-II）构建双尺度低碳优化框架，提出了一种耦合结构与空间尺度的城市功能用地优化模型（DOLA），以平衡经济发展与碳排放控制。
2. 结果
结构优化结果
工业用地碳排放系数最高，而商业用地具有较高的经济效益和相对较低的碳排放。优化后，工业用地减少了7.58%，商业用地增加了20.28%，表明碳排放优先策略显著影响了土地利用结构。
空间优化结果
空间紧凑性和适宜性显著提高，低碳模式优先情景（EP）使碳排放减少6.43%，空间紧凑性提升5.16%，适宜性提升0.28%。
功能用地分配变化
工业用地集中于城市外围，商业用地扩展至核心商业区。商业与公共服务用地的增加部分源自住宅用地的转化，体现了经济驱动下的土地功能变化。
3. 讨论
政策与实践意义
本研究为政府提供了实现“双碳”目标的科学支持。通过优先减少工业用地、促进低碳技术应用和绿色产业发展，可以有效降低城市碳排放。
模型创新性
首次整合了结构与空间双尺度优化方法，提出了针对土地利用布局的全新解决方案。NSGA-II算法和IMLP模型的结合有效平衡了多目标优化需求。
适用性与局限性
本模型在数据可得性和算法适应性方面表现出较高灵活性，但在跨地区比较和多算法验证方面仍有提升空间。
4. 方法
数据与研究区域
选取武汉市主城区为案例研究区域，使用遥感影像、碳排放清单和经济数据等多源数据，进行土地利用结构与空间优化。
模型构建
结构优化通过IMLP模型实现，包括经济效益最大化和碳排放最小化目标。
空间优化基于NSGA-II算法，优化紧凑性、适宜性和低碳模式。
场景设置
设置12种优化场景，结合不同的结构与空间目标，包括碳排放优先、经济发展优先和综合平衡场景。
5.重要图表
图1. 研究区域
图2. 研究流程图
图3. IMLP的流程图
图4. NSGA-II的流程图
图5. 交叉和变异的过程
图6. 将优化的解决方案与原始土地使用计划相匹配
图7. 与原始布局相比，在五种情景下对本地商业区和工业园区的比较：(a) 江汉路商业区 (b) 百步洲工业园区
图8. 与原始布局相比，在五种情景下对本地商业区和工业园区的比较：(a) 江汉路商业区 (b) 百步洲工业园区
图9. 原始布局和优化场景的双变量地图。上面的数值：每平方公里碳排放量（吨）；下面的数值：每平方公里GDP（万元）
英文摘要
With the establishment of carbon peaking and carbon neutrality goals in China, developing low-carbon cities has become crucial. Previous studies primarily focus on the quantitative structure of land use to achieve low carbon optimization, while ignoring the spatial integration between urban form and carbon emissions. To fulfill this gap, this paper proposed a dual-scale low carbon oriented multi-objective land use allocation (DOLA) optimization model, utilizing idea-point multi-objective linear programming (IMLP) and non-dominated sorting genetic algorithm II (NSGA-II) to optimize the low-carbon-emission pattern of the city at both the structural and spatial scales respectively. By innovatively linking the urban shape index with carbon emissions, this model aims to minimize urban carbon emissions, while maximizing economic development, urban development suitability, and the compactness of city. The proposed method is applied to Wuhan's main urban area in China, the DOLA model shows significant improvements in target values across all scenarios. Among them, the scenario that prioritized low carbon emissions at both the structural and spatial scales achieved the most significant reduction of 6.43 % in carbon emissions. The DOLA effectively contributes to achieving multiple spatial targets, thereby aiding in reducing carbon emissions. It offers technical support for developing pathways towards China's “dual carbon” target.
——END——
P.S. 构建了一个双碳NetZero的交流群，用于双碳领域、生态领域的学术交流，数据分享等，可以添加下方加入（备注单位+姓名）。
