面向2050年粤港澳大湾区战略城市造林：潜在量与权衡的时空显式评估(Strategic Urban Afforestation in the Greater Bay Area towards 2050: Spatiotemporally Explicit Assessment of Potential and Trade-offs)

《Urban Forestry & Urban Greening》：Strategic urban afforestation in the Greater Bay Area towards 2050: Spatiotemporally explicit assessment of potential and trade-offs

　　

摘要：城市造林(Urban afforestation)日益被认可为一种具成本效益的自然基解决方案(Nature-based Solution, NbS)，可用于气候变化减缓与适应。然而，尽管全球范围内涌现出大量雄心勃勃的造林倡议及相关研究，对于其未来潜力及各效益间固有权衡(Trade-off)仍缺乏全面理解。本研究针对2050年前夕的未来城市造林潜力及其关联效益提供时空显式(Spatiotemporally explicit)见解，明确考量未来城市土地利用变化的影响。研究人员融合Sentinel-2影像、连续变化检测与分类(Continuous Change Detection and Classification, CCDC)算法及斑块生成土地利用模拟(Patch-generating Land Use Simulation, PLUS)模型，绘制2020至2050年不同共享 socioeconomic 路径(Shared Socioeconomic Pathway, SSP)下的未来土地利用变化，并精确定位适宜造林的位置。通过空间优先化(Spatial prioritization)，研究人员估算两项关键造林效益——增强碳固持(Carbon sequestration)与改善树木暴露公平性(Equitable exposure to trees)——并评估不同造林策略下二者的权衡关系。分析表明，至2050年粤港澳大湾区(Greater Bay Area, GBA)具有可观的造林潜力，面积达4698 km2(SSP2)至5388 km2(SSP4)，较2020年基线增长9%–25%。关键在于，研究人员证实城郊区域(Peri-urban areas，即不透水面比例Impervious Surface Fraction, ISF为20%–60%)的关键作用：其至少占全部适宜造林区域的30%，且贡献2020–2050年预计增量的半数以上。若对GBA所有识别区域实施造林，可使树木暴露度提升15%，最大碳固持潜力达12,000 MgC/年。相较于随机造林策略，空间优先化在碳固持仅有小幅提升的同时，显著增强了树木暴露效益。研究发现凸显了城市造林作为重要自然基解决方案的增长潜力，并强调需将土地利用变化不确定性明确纳入规划框架，以促进更有效且可持续的城市发展。

论文解读：面向2050年粤港澳大湾区战略城市造林潜力与权衡的时空显式评估

该研究发表于《Urban Forestry & Urban Greening》。

一、研究背景与立项依据

全球超半数人口居住于城市，预计2050年将达68%，快速城市化导致植被向不透水面转化，加剧城市热岛效应、洪涝风险及生物多样性丧失，威胁人群健康。城市造林(Urban afforestation)作为自然基解决方案(Nature-based Solution, NbS)可缓解上述压力，兼具微气候调节、生物多样性支持、心理健康促进及碳固持(Carbon sequestration)效益，并可缩小绿地供给的社会不平等。然而现有研究存在两点关键缺陷：一是依赖静态土地利用假设，未考虑未来土地利用变化(Land-Use Change, LUC)导致适宜造林地动态增减；二是多用中分辨率(如30 m)数据集，难以捕捉城市内部细碎、零散的宜林斑块，造成潜力高估或低估超30%。此外，多重效益(碳固持vs.树木暴露Tree Exposure)间的权衡(Trade-off)与协同关系缺乏空间显式分析。因此，研究人员以粤港澳大湾区(Greater Bay Area, GBA)——占地5.6万km2、人口8700万、不透水面>20%的典型高度城市化亚热带城市群——为对象，构建高分辨率、多情景的动态评估框架，量化2050年前造林潜力及各效益权衡，为SDG 11导向的可持续城市规划提供科学依据。

二、主要技术方法概述

研究人员以2019–2022年10 m分辨率GBACover历史土地利用/覆被(Land Use Land Cover, LULC)数据为基础，结合2018–2024年Sentinel-2时序影像，应用连续变化检测与分类(Continuous Change Detection and Classification, CCDC)算法重建并延长2018与2024年10 m LULC时序产品，重点提升草地(Grass)与灌木(Shrub)细分精度。选取5种共享社会经济路径(SSP1–SSP5)，采用斑块生成土地利用模拟(Patch-generating Land Use Simulation, PLUS)模型——输入经校准的区域(九市来自中国全国尺度预测)与全球尺度(港澳)融合的土地利用需求量及17个驱动因子(DEM、坡度、土壤质量四项、气候因子四项、GDP、人口、距城市中心/各级道路/铁路距离)——模拟2020–2050年10年间隔的10 m分辨率未来LULC。适宜造林地定义为现状及未来LULC中的草地与灌木，排除建设用地、耕地、裸地及OpenStreetMap标定的机场、高尔夫球场、运动场、特定保护区等不可用地，并假设运动场扩张比例恒定。按不透水面比例(Impervious Surface Fraction, ISF)划分城市中心(ISF≥60%)、城郊(Peri-urban, 20%≤ISF<60%)、乡村(ISF<20%)梯度。效益评估中，树木暴露(Tree Exposure, TE)采用SSP情景下FuturePop 1 km格网未来人口加权1 km缓冲内树冠覆盖率计算；碳固持潜力取自Cook-Patton等(2020)1 km地上生物量碳年积累速率。空间优先化设置三策略：最大化TE、最大化碳固持、二者平衡加权，并以10,000次蒙特卡洛随机造林为对照。

三、研究结果

4.1. Model performance for land use classification and simulation（土地利用分类与模拟的模型性能）

经CCDC增强的LULC分类总体精度达85.33%，优于Esri Land Cover(66.67%)、ESA WorldCover(74.60%)及原始GBACover(81.75%)；草地与灌木F1值提升至78.26%(原GBACover为74.33%)。PLUS模型模拟Kappa系数79.97%、总体精度86.45%、Figure of Merit(FoM) 3.78%；草地与灌木F1值66.75%，较基于原始GBACover训练提升6.91%，证明精细历史LULC数据显著提高模拟可靠性。

4.2. Future afforestation potential in GBA（GBA未来造林潜力）

2050年GBA造林潜力为4698 km2(SSP2)至5388 km2(SSP4)，较2020年基线净增9.6%(SSP2)–25.7%(SSP4)；SSP1/SSP4/SSP5潜力>5200 km2，SSP2/SSP3<5100 km2。新现草地灌木主要源自林地(>90%)及耕地转化，2020–2040年约3%林地转为草灌创造再造林机会，2040–2050年部分草灌亦转不透水面或被重新造林。静态2020年基线会低估未来潜力。

4.3. Spatiotemporal patterns of afforestation potential in GBA（GBA造林潜力的时空格局）

高潜力像素多分布于2020年城市边界外。60%的1 km像素造林潜力至2050年增加，30%稳定，10%减少；现存城市边界内57%面积潜力稳定、25%下降，表明密集建成区造林难度增大。>90%新增潜力位于城市边界外，其中60%呈中度增幅(0.5%–5%)、16%大幅增幅(>5%)。沿ISF梯度：乡村(ISF 0–20%)占总量63%但增量有限；城郊(ISF 20–60%)占总潜力30%却贡献2050年新增潜力的56%，增长率最高(33%)；城市中心(ISF≥60%)仅占7%。城郊是未来造林规划的战略重点区。

4.4. Spatial prioritization, afforestation benefits, and trade-offs（空间优先化、造林效益及权衡）

全量造林可使树木暴露提升12.67%–14.4%，碳固持增11,616–12,967 MgC/年(提升7.01%–8.06%)，但最大碳固持仅能抵消GBA 2024年碳排放的0.001%，对碳中和目标贡献微小。单目标优先化显示：按TE优先时，仅造林20%适宜面积即可获最大TE改善的86.4%(为随机策略4倍)，但碳固持无额外增益；按碳优先时，20%造林得最大碳效益22.2%，略高于随机。平衡策略在20%造林下可获得最大TE改善的66.6%与最大碳固持的97.4%；空间上前20%优先区约半数为城市中心、三成为城郊，兼顾生态与社会效益。

四、讨论与结论总结

讨论指出，整合CCDC与Sentinel-2时序可克服既有LULC产品时相短及草灌区分难的局限，10 m分辨率较30 m能更准确定位城市中心小型碎片宜林地(30 m分辨率在城市中心低估17%、城郊低估7%，ISF 90–100%区漏判32%)，对口袋公园等微绿地公平供给至关重要。未来土地利用变化——草灌扩张与新宜林地出现叠加城市蔓延将建成区外围重新归类为可造林——使造林潜力随SSP而异，规划须纳入植被动态与城市发展轨迹双重影响。城郊兼具较大潜力与较高新增率，应作为NbS布局核心，补充紧凑城市与15分钟城市理论。鉴于碳效益占比极低而TE经空间优先化可大幅提升，政策重心宜转向以树木暴露及社会福祉为导向的造林目标。不确定性来自多源LULC预测分类体系差异、仅考虑草灌为源而未含农田/行道树、未纳入连通性及未来气候对固碳的微调影响，建议后续融合生物物理—社会经济—治理多维框架。

结论(Conclusion)译文：

研究表明未来土地利用变化强烈影响造林潜力及其关联效益。明确考量此类不确定性后，研究为决策者提供更清晰的宜林区位与预期效益信息，支撑长期落地实施。静态土地利用假设会在2050年不同SSP情景下低估城市造林潜力8.8%–20.5%。研究人员强调城郊区域的关键地位——不仅因其存量潜力可观，也因其于未来发展情景下预期增量显著。同时指出树木暴露应作为城市造林规划的重要靶向目标。上述见解通过将投资与政策引向造林效益最大化的区域，助力推进SDG 11的实现。局限性含未来LULC预测不确定性、未纳入资金与权属等社会经济可行性因子、未显式模拟气候变化对固碳的影响，及方法在不同规模与地理背景城市的适用性待验证。