建成环境对道路碳排放空间分布的影响机制：缓解还是加剧？——基于ODIAC数据与GBDT模型的实证研究

《Sustainable Cities and Society》：How does Built Environment Influence the Spatial Distribution of Road Carbon Emission: Mitigation or Exacerbation?

　　本文通过整合交通流排放估算与高分辨率ODIAC CO2数据集，创新性地量化了建成环境对道路级碳排放的缓解或加剧效应。研究结合二元逻辑回归和梯度提升决策树（GBDT）模型，揭示了天空可视因子（SVF）、水体邻近度等关键变量的非线性影响机制与阈值效应，为制定空间显性碳减排策略提供了理论方法支持。

　　

Highlight

本研究通过整合交通流排放估算与高分辨率ODIAC CO₂数据集，创新性地量化了建成环境对道路级碳排放的缓解或加剧效应。结合二元逻辑回归和梯度提升决策树（GBDT）模型，揭示了天空可视因子（SVF）、水体邻近度等关键变量的非线性影响机制与阈值效应，为制定空间显性碳减排策略提供了理论方法支持。

政策启示

基于GBDT模型揭示的非线性机制与关键阈值，本研究提出了一套空间靶向性策略以推动城市道路交通低碳转型。这些措施并非泛化的规划原则，而是紧密围绕最具影响力的建成环境变量及其排放敏感阈值（如第4.3节所示）进行设计。例如，针对高排放道路网格，可通过优化建筑布局提升SVF值、控制企业集聚密度、增加绿地占比等阈值调控手段实现精准减排。

结论

本研究通过建立交通流估算排放与ODIAC CO₂数据的空间耦合框架，实现了建成环境对道路碳排放影响的精细化评估。结合二元逻辑回归与GBDT模型，不仅识别了显著影响碳缓解的关键建成环境变量，还揭示了其非线性作用规律与阈值特征。研究发现，呈现碳缓解或加剧效应的道路网格在研究区内分布不均，加剧网格主要集中于主城区。高SVF值和水体邻近性可有效缓解碳排放，而企业邻近性、道路交叉口密度和低绿地占比则易加剧排放。对三类典型碳加剧道路网格的深入分析，为制定空间显性减排策略提供了科学依据。