2025, Vol. 46
2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
快速城市化导致的城市内涝[1]、水环境污染[2]和气候变化下的碳排放[3]等全球性问题日益突出, 针对这一情况, 我国提出海绵城市建设这一基于自然的解决方案[4~6], 并制定了“2030年底城市建成区面积的80%达到目标”的全国性规划. 海绵城市建设的核心举措之一就是利用海绵源头设施对绿地和不透水地表进行原位改造[7], 在运行阶段提供多种生态效益, 打造城市宜居环境[8].
国内外众多研究证实了海绵源头设施具有径流总量与峰值控制[9~11]、径流污染削减[12~14]和温室气体碳减排[15, 16]等生态效益. 然而, 目前针对海绵源头设施运行阶段产生的降碳效益的核算还缺乏深入研究. 现有降碳效益研究多通过全生命周期方法对海绵项目或海绵源头设施进行碳减排核算[17~19], 核算边界、排放活动和排放类型并不统一, 且鲜有与减污效益的协同关系研究. 此外, 海绵城市建设多种效益的优化路径研究在不同尺度展开, 设施尺度研究多关注结构层厚度[20]和组成[21]、植物物种组成[22]等, 项目尺度的大量研究则集中于优化设施组合比例[11]在径流总量或峰值控制、建设成本等方面的效益提升, 同时片区尺度研究开始关注不同“蓝-绿-灰”系统组合方式[23]和空间布局[24~26]的优化路径, 尤其是“蓝-绿”网络在促进城市可持续发展的作用[27]. 然而, 海绵城市建设优化研究鲜有将降碳效益纳入优化目标, 且缺乏实际海绵工程中建设成本控制下的减污降碳协同优化路径研究. 当前, 我国正致力于推动“减污降碳协同增效”目标实现[28], 全国规模的海绵城市建设势必对该目标实现有着重要影响, 而海绵源头设施运行阶段的减污、降碳效益的协同关系还不清楚, 实现减污降碳协同效益最大化的建设路径仍然未知.
鉴于此, 本研究以30个海绵城市建设工程项目为例, 分析海绵源头设施和海绵项目在运行阶段的减污效益、降碳效益、建设成本及三者的协同关系, 并运用NSGA-Ⅱ多目标优化算法构建减污效益和降碳效益最大、建设成本最小的多目标优化模型, 提出不同优化目标下帕累托最优的海绵源头设施组合方案, 以期为我国海绵城市建设中的减污降碳效益评估及协同优化提供科学依据和工程建设建议.
1 材料与方法 1.1 研究区概况研究区位于江苏省无锡市, 地理位置为北纬31˚32΄~31˚36΄, 东经120˚14΄~120˚17΄, 面积22.47 km2（图 1）. 无锡市是我国首批“系统化全域推进海绵城市建设示范城市”之一, 气候温和湿润、雨量充沛, 年平均降水量为1 158 mm. 研究区已完工海绵项目30个, 应用了5类海绵源头设施, 包括透水铺装、植草沟、下凹绿地、排水型雨水花园（收集径流通过盲管排出）和渗透型雨水花园（收集径流缓慢下渗）, 是海绵城市建设的典型示范区.
|
图 1 研究区地理位置及海绵项目分布 Fig. 1 Geographic location of the study area and distribution of sponge projects |
本研究以源头设施运行阶段为研究边界, 减污降碳效益研究包括海绵源头设施的减污降碳能力评价和海绵项目的减污降碳效益评价两部分, 减污降碳协同路径研究基于海绵项目的减污、降碳效益及建设成本三者协同关系, 提出了多目标最优的海绵源头设施组合方案. 研究框架如图 2所示.
|
图 2 减污降碳及协同路径研究框架 Fig. 2 Research framework for pollution and carbon emission reduction and synergistic pathways |
海绵项目运行阶段的减污效益与径流控制总量和海绵源头设施对多种污染物的去除效果有关[29], 参考《海绵城市建设技术指南》的规定, 用年径流污染控制率（W）表征, 计算方法见式（1）.
|
(1) |
式中, W为海绵项目的年径流污染控制率；α为年径流总量控制率；η为海绵源头设施的年污染物平均去除率. 具体计算方法如下：
（1）年径流总量控制率 参考《海绵城市建设技术指南》, 根据设计降雨量（H)推求其对应的年径流总量控制率（α), 计算方法见式（2）：
|
(2) |
式中, H为设计降雨量, mm；V为设计调蓄容积, m3；φ为下垫面综合雨量径流系数；F为海绵项目下垫面面积, m2；Ai为第i类海绵源头设施的面积, m2；Vi为第i类海绵源头设施的单位面积年调蓄容积, m3·（a·m2）-1（见表 1）；φi为第i类下垫面的雨量径流系数, 海绵源头设施的雨量径流系数取值见表 1, 其他下垫面（不透水地表、水面、建筑屋面和常规绿地）的雨量径流系数取值分别为：0.85、1、1和0.15.
|
表 1 海绵源头设施的基本参数1） Table 1 Basic parameters of sponge source control facilities |
（2）年污染物平均去除率 参考《海绵城市建设技术指南》, 选择悬浮物（SS）、化学需氧量（COD）、氨氮和总磷（TP）为评价对象, 计算方法见式（3）.
|
(3) |
式中, η为源头设施的年污染物平均去除率；θij为第i类海绵源头设施对第j类污染物的削减率. 参数取值见表 2.
|
|
表 2 减污效益计算参数1） Table 2 Calculation parameters for the pollution reduction benefits |
1.3.2 降碳效益
海绵项目运行阶段的降碳效益考虑径流调蓄降碳、污染削减降碳和植被固碳. 用单位面积年降碳量（C）表征, 计算方法见式（4）.
|
(4) |
式中, C为海绵项目的单位面积年降碳量, kg·（a·m2）-1；CR为径流调蓄降碳量, kg·（a·m2）-1；CP为污染削减降碳量, kg·（a·m2）-1；CS为植被固碳量, kg·（a·m2）-1.
径流调蓄降碳量：
|
(5) |
式中, CRunit-i为第i类海绵源头设施的径流调蓄降碳能力, kg·（a·m2）-1；B1为泵站提升雨水能耗, 取0.31 kW·h·m-3[30]；β为我国电力折算标准煤系数, 取0.122 9 kW·h·m-3；F为海绵项目下垫面面积, m2.
污染削减降碳量：
|
(6) |
式中, CPunit-i为第i类海绵源头设施的污染削减降碳能力, kg·（a·m2）-1；B2为污水处理能耗, 取0.22 kW·h·t-1；ρj为第j类污染物质量浓度, mg·L-1；θij为第i类海绵源头设施对第j类污染物的削减率. 参数取值见表 2.
植被固碳量：
|
(7) |
式中, CSunit-i为第i类海绵源头设施的植被固碳能力, kg·（a·m2）-1；cis为第s层植被层单位面积植被光合碳吸收量, kg·（a·m2）-1；Pis为第i类海绵源头设施第s层植被层面积占比. 参数取值见表 3.
|
|
表 3 降碳效益计算参数1） Table 3 Calculation parameters for the carbon emission reduction benefits |
1.4 基于NSGA-Ⅱ算法的减污降碳协同路径 1.4.1 算法介绍
NSGA-Ⅱ算法是Deb等[32]提出的一种基于快速非支配排序的改进型多目标进化算法, 通过模拟生物的种群进化迭代有效解决带约束的多目标问题. 模型优化基于Python 3.7实现, 得到的所有解互不支配, 即无法在不削弱某一函数的情况下继续优化其他函数, 称为帕累托最优解集.
1.4.2 优化目标函数与约束条件以海绵项目的减污效益最大、降碳效益最大和建设成本最低为目标函数, 以5类海绵源头设施的面积（Ai）为决策变量, 以年径流总量控制率（α）、年径流污染控制率（W）和透水铺装率（透水铺装面积与不透水地表面积之比）为约束条件[根据无锡市海绵城市专项规划（2016-2030）确定]构建多目标优化模型. 多目标优化总函数见式（8）.
|
(8) |
式中, W(A)为海绵项目的减污效益；C(A)为海绵项目的降碳效益, kg·（a·m2）-1；Q(A)为海绵项目建设成本, 万元·m-2；Qi为第i类海绵源头设施的单位面积建设成本, 元·m-2（见表 1）.
2 结果与分析 2.1 海绵源头设施的应用与减污降碳能力分析如图 3所示, 海绵项目对海绵源头设施的应用存在偏好[图 3（a）], 且海绵源头设施的减污降碳能力和组成存在差异[图 3（b）].海绵源头设施平均仅占海绵项目下垫面总面积的13.89%[图 3（a）], 其中透水铺装的下垫面面积占比最高（9.77%）, 但其降碳能力最低[0.11 kg·（a·m2）-1]. 相反, 入渗型雨水花园仅占0.98%, 但具有最高的降碳能力[2.59 kg·（a·m2）-1], 且以植被固碳为主（占89.78%）, 相应的建设成本也最高. 植草沟虽然建设成本最低, 但由于水力停留时间较短, 减污效益几乎忽略不计. 因此, 不同海绵源头设施组合将影响海绵项目整体的减污降碳效益和建设成本.
|
图 3 海绵源头设施的应用现状与减污降碳能力 Fig. 3 Application status and pollution and carbon emission reduction capacity of sponge source control facilities |
海绵项目多由不同类型海绵源头设施组合而成, 受海绵源头设施的应用类型和下垫面面积占比的影响, 项目之间减污降碳效益差异较大（图 4）. 海绵项目的平均建设成本和平均减污效益分别为40.17万元·hm-2和71.42%, 平均降碳效益为984.45 kg·（a·hm2）-1. 其中降碳效益与海绵源头绿色设施（除透水铺装外）占比相关, 不同项目之间差别较大, 范围为6.03~152.34 kg·（a·hm2）-1[图 4（c）]. 尽管建设成本与海绵源头设施的下垫面面积占比线性正相关（R2=0.775 0）[图 4（d）], 但并非投入建设成本越多, 海绵项目的减污降碳效益就越高.
|
项目编号按海绵源头减排设施的下垫面面积总占比从小到大排序；图（d）中阴影表示参数拟合的95%置信区间 图 4 海绵项目的减污降碳效益及建设成本 Fig. 4 Pollution and carbon emission reduction benefits and construction costs of sponge projects |
不同类型海绵源头设施的项目下垫面面积占比对海绵项目减污降碳效益及建设成本的影响存在差异（图 5）. 透水铺装下垫面面积占比与海绵项目建设成本的相关性最强（R2=0.841 0）, 同时其占比较小时可快速促进海绵项目的减污效益, 但增加其占比至21.47%后项目减污效益的边际成本递增（R2=0.423 9）；入渗型雨水花园面积占比则与海绵项目的降碳效益正相关（R2=0.584 0）. 实际工程设计中, 海绵源头设施的项目下垫面面积占比固定, 故海绵源头设施占比存在范围限制且将互相影响. 为实现效益最大化, 需在权衡海绵项目减污效益、降碳效益及建设成本等条件下合理组合各类海绵源头设施.
|
不同海绵源头设施的下垫面面积占比的VIF值范围为1.067~1.968, 不存在多重共线性；图中阴影表示参数拟合的95%置信区间 图 5 海绵源头设施的下垫面面积占比对海绵项目减污降碳效益及建设成本的影响 Fig. 5 Impact of the underlying surface area ratio of sponge source control facilities on the pollution and carbon emission reduction benefits and construction costs of sponge projects |
正确认识减污效益、降碳效益及建设成本之间的协同关系是实际工程建设中权衡效益与成本的重要前提. 海绵项目的减污效益与降碳效益协同性较弱[图 6（c）], 但均与建设成本之间存在相关性[图 6（a）和6（b）], 减污效益随建设成本投入增加呈边际成本递增趋势（R2=0.784 4）, 而降碳效益与建设成本正相关（R2=0.544 7）. 结果表明, 适当增加建设成本可提高海绵项目的减污、降碳效益, 但进一步提高成本投入对减污效益的增加有限. 因此, 需要进一步确定减污降碳效益与建设成本多目标最优的海绵源头设施组合方案.
|
图中阴影表示参数拟合的95%置信区间；（a）减污效益-建设成本协同关系；（b）降碳效益-建设成本协同关系；(c) 降碳效益-减污效益协同关系 图 6 海绵项目的减污降碳效益与建设成本的协同分析 Fig. 6 Synergy analysis of pollution and carbon emission reduction benefits and construction costs of sponge projects |
利用NSGA-Ⅱ算法探索实现成本-效益最大化的海绵源头设施组合方案. 结果表明, 现状建设方案（P0）仍可通过改变海绵源头设施组合方案实现减污降碳双目标协同、和与建设成本三目标协同（图 7）. 基于不同优化目标选取4种优化方案, 进一步分析方案的海绵源头设施组合的规律.
|
P0为现状方案, P1, P2和P3为成本降低条件下的3种最优方案, 分别为：P1（高减污低降碳效益）、P2（低减污高降碳效益）、P3（减污降碳效益综合较高）, P4为忽略成本条件下减污降碳效益最高的方案；（a）三维空间图；（b）减污效益-建设成本目标空间；（c）降碳效益-建设成本目标空间 图 7 海绵源头设施组合方案的帕累托最优解集 Fig. 7 Pareto optimal solution set for the combination scheme of sponge source control facilities |
对比分析现状方案（P0）与优化方案（P1~P4）, 发现算法寻优过程倾向于减少透水铺装占比, 增加植草沟、下凹绿地和入渗型雨水花园占比（图 8）. 其中入渗型雨水花园虽然减污降碳能力较强但价格昂贵, 故在控制成本的优化方案P1~P3中占比稳定在9.43%~12.07%, 在不考虑成本的P4方案中占比则达到64.72%. 相比于现状方案, P4方案的降碳效益增加了188.46%, 减污效益增加了7.17%, 但对应的建设成本投入也需要增加63.55%. 以上结果表明, 海绵项目不使用透水铺装时可实现减污降碳效益的双目标协同；通过减少透水铺装的面积占比、适当增加下凹绿地和植草沟的面积占比, 可实现减污、降碳效益和建设成本的三目标协同. 在海绵城市建设中, 管理者可以根据不同需求选择合适的优化方案进行海绵源头设施配置.
|
P0为现状方案, P1、P2和P3为成本降低条件下的3种最优方案, 分别为：P1（高减污低降碳效益）、P2（低减污高降碳效益）、P3（减污降碳效益综合较高）和P4为忽略成本条件下减污降碳效益最高的方案 图 8 不同优化目标的海绵源头设施组合方案及效益分析 Fig. 8 Combination schemes of sponge source control facilities and benefit analysis for different optimization objectives |
“协同推进减污、降碳、扩绿、增长”是我国当前的重大战略部署, 现阶段将减污降碳协同增效纳入生态环境管理体系尚处于探索期[33], 更鲜有海绵城市建设的减污降碳协同治理潜力研究. 本研究对海绵源头设施运行阶段的减污降碳效益及二者之间协同关系和协同路径进行了深入分析, 发现海绵项目平均可实现71.42%的减污效益和984.45 kg·（a·hm2）-1的降碳效益（图 4）. 然而减污降碳效益的协同治理潜力并未得到充分释放, 海绵源头设施组合方案可进一步优化. 通过增加海绵源头绿色设施比例、降低透水铺装比例可实现减污降碳协同增效, 最优方案（P4）比P0增加7.17%的减污效益、228.89%的降碳效益及4.80%的年径流总量控制率（图 8）. 此外, 海绵源头绿色设施也具有“扩绿”效益, 通过改变城市绿地微地形和植物物种组成在城市热环境改善[16]及碳汇作用[34]方面具有显著效用, 海绵绿化植被更新在城市植物多样性促进方面的功能“扩绿”效益值得进一步研究. 海绵城市建设的“减污、降碳、扩绿、增长”目标协同实现路径如图 9所示.
|
图 9 海绵城市建设的“减污、降碳、扩绿、增长”目标协同实现路径 Fig. 9 Synergistic path to achieve the goal of "pollution and carbon emission reduction, greening, and growth" in sponge city construction |
第七次全国人口普查结果表明, 我国城市化水平已经超过60%, 城市建设即将进入依托城市更新推动可持续发展的存量时期[35]. 随着居民对优质生态环境的需求日益增长, 低碳城市[36]及无废城市[37]等概念相继提出, 同时海绵城市建设以存量谋求“增长”, 通过优化绿色空间格局减污染、增碳汇、扩空间. 因此, 科学认识海绵城市建设的“减污、降碳、扩绿、增长”目标实现路径, 对提升城市生态系统多样性、稳定性和持续性具有重要意义.
3.2 海绵城市源头设施运行阶段的生态价值实现路径海绵源头设施广泛应用于城市建成区, 其中海绵源头绿色设施作为城市绿地的重要组成部分提供多种生态系统服务[38]. 本研究结果表明海绵源头设施具有良好的减污降碳能力, 且植被固碳对降碳效益具有重要贡献（图 3）, 体现了海绵源头设施在水质净化、固碳释氧方面的生态系统服务功能. 近年来, 我国开展生态系统生产总值（gross ecosystem product, GEP）核算试点工作, 其目的正是衡量生态系统对人类福祉的贡献[39]并将其应用于政策制定和实施效果评估[40, 41], 但并未将全国性规模的海绵城市建设的生态价值纳入GEP核算体系. 此外, 海绵源头设施在工程设计中往往更侧重于提高调节功能（如径流削减[42]）和产品提供功能（如雨水回用[43]）, 在生态系统服务权衡关系[44]影响下的文化服务功能（如景观游憩[45]）并未得到重视, 且缺乏对海绵源头设施的生态价值实现路径认识. 本研究探讨了海绵城市源头设施的水质净化、固碳服务, 并提出了海绵城市源头设施的生态价值核算科目（表 4）, 可为海绵城市建设的GEP核算提供科学依据, 对促进实现海绵城市建设的生态价值最大化、协同推进生态系统服务维持[46]与人类福祉提升[47]具有重要意义.
|
|
表 4 海绵城市源头设施的生态系统价值核算科目 Table 4 Ecosystem value accounting subjects for sponge city source control facilities |
4 结论
（1）海绵源头设施的减污降碳能力及降碳组成不同. 使用海绵源头绿色设施将提高项目运行阶段的降碳效益（尤其是植被固碳效益）, 且增加设施下垫面面积占比将提高项目的减污降碳效益, 但透水铺装对项目减污效益的影响存在边际效应.
（2）海绵项目的减污效益与降碳效益协同关系较弱, 在建设成本影响下减污效益的边际成本递增（R2=0.784 4）. 实际工程建设中需要权衡减污效益、降碳效益与建设成本三者之间关系, 可以通过牺牲少量减污效益实现三者协同.
（3）通过调整海绵源头设施组合类型和比例, 可实现减污效益、降碳效益及建设成本多目标协同. 仅使用海绵源头绿色设施（不使用透水铺装）可实现减污降碳效益的双目标协同, 若需控制建设成本实现三目标协同则可配置少量透水铺装设施, 管理者可以根据不同需求选择合适的优化方案进行海绵源头设施配置.
| [1] | Rentschler J, Avner P, Marconcini M, et al. Global evidence of rapid urban growth in flood zones since 1985[J]. Nature, 2023, 622(7981): 87-92. DOI:10.1038/s41586-023-06468-9 |
| [2] | Cheng C Y, Zhang F, Shi J C, et al. What is the relationship between land use and surface water quality? A review and prospects from remote sensing perspective[J]. Environmental Science and Pollution Research, 2022, 29(38): 56887-56907. DOI:10.1007/s11356-022-21348-x |
| [3] | Chen S Q, Zhang L M, Liu B B, et al. Decoupling wastewater-related greenhouse gas emissions and water stress alleviation across 300 cities in China is challenging yet plausible by 2030[J]. Nature Water, 2023, 1(6): 534-546. DOI:10.1038/s44221-023-00087-4 |
| [4] |
俞孔坚, 李迪华, 袁弘, 等. "海绵城市"理论与实践[J]. 城市规划, 2015, 39(6): 26-36. Yu K J, Li D H, Yuan H, et al. Sponge city": theory and practice[J]. City Planning Review, 2015, 39(6): 26-36. |
| [5] | Zhou K J, Kong F H, Yin H W, et al. Urban flood risk management needs nature-based solutions: a coupled social-ecological system perspective[J]. npj Urban Sustainability, 2024, 4(1). DOI:10.1038/S42949-024-00162-Z |
| [6] |
周伟奇, 朱家蓠. 城市内涝与基于自然的解决方案研究综述[J]. 生态学报, 2022, 42(13): 5137-5151. Zhou W Q, Zhu J L. Review on Nature-based Solutions and applications on urban waterlogging mitigation[J]. Acta Ecologica Sinica, 2022, 42(13): 5137-5151. |
| [7] | 仇保兴. 海绵城市(LID)的内涵、途径与展望[J]. 给水排水, 2015, 51(3): 1-7. |
| [8] |
任南琪, 张建云, 王秀蘅. 全域推进海绵城市建设, 消除城市内涝, 打造宜居环境[J]. 环境科学学报, 2020, 40(10): 3481-3483. Ren N Q, Zhang J Y, Wang X H. Promoting the sponge city construction widely to eliminate urban waterlogging and create livable environment[J]. Acta Scientiae Circumstantiae, 2020, 40(10): 3481-3483. |
| [9] | Xu H S, Zhong T X, Chen Y G, et al. How to simulate future scenarios of urban stormwater management? A novel framework coupling climate change, urbanization, and green stormwater infrastructure development[J]. Science of the Total Environment, 2023, 874. DOI:10.1016/j.scitotenv.2023.162399 |
| [10] | Islam A, Hassini S, El-Dakhakhni W. A systematic bibliometric review of optimization and resilience within low impact development stormwater management practices[J]. Journal of Hydrology, 2021, 599. DOI:10.1016/j.jhydrol.2021.126457 |
| [11] |
周昕, 高玉琴, 吴迪. 不同LID设施组合对区域雨洪控制效果的影响模拟[J]. 水资源保护, 2021, 37(3): 26-31, 73. Zhou X, Gao Y Q, Wu D. Simulation on influence of regional rain-flood control effect under different combinations of LID measures[J]. Water Resources Protection, 2021, 37(3): 26-31, 73. |
| [12] | Dong X Y, Yuan P, Song Y H, et al. Optimizing green-gray infrastructure for non-point source pollution control under future uncertainties[J]. International Journal of Environmental Research and Public Health, 2021, 18(14). DOI:10.3390/ijerph18147586 |
| [13] |
章孙逊, 张守红, 闫婧, 等. 绿色、蓝色和蓝-绿屋顶径流水质特征[J]. 环境科学, 2023, 44(1): 303-311. Zhang S X, Zhang S H, Yan J, et al. Effects of green, blue, and blue-green roofs on runoff quality[J]. Environmental Science, 2023, 44(1): 303-311. |
| [14] |
雷晓玲, 邱丽娜, 魏泽军, 等. 海绵城市生物滞留带重金属污染特征及风险评价[J]. 环境科学, 2022, 43(8): 4127-4135. Lei X L, Qiu L N, Wei Z J, et al. Pollution characteristics and risk assessment of heavy metals in the bioretention systems of sponge cities[J]. Environmental Science, 2022, 43(8): 4127-4135. |
| [15] | Wu Z F, Man W, Ren Y. Influence of tree coverage and micro-topography on the thermal environment within and beyond a green space[J]. Agricultural and Forest Meteorology, 2022, 316. DOI:10.1016/j.agrformet.2022.108846 |
| [16] | Li J, Li J Q, Li Z M, et al. Effect of typical low-impact development measures on control of thermal loads from urban stormwater runoff[J]. Science of the Total Environment, 2023, 904. DOI:10.1016/j.scitotenv.2023.166915 |
| [17] |
郑涛. 居住社区海绵改造过程的碳排放核算研究[J]. 中国给水排水, 2021, 37(19): 112-119. Zheng T. Estimation of carbon emission during sponge city reconstruction of residential community[J]. China Water & Wastewater, 2021, 37(19): 112-119. |
| [18] |
李俊奇, 张希, 李惠民. 北京某片区海绵城市建设和运行中的碳排放核算研究[J]. 水资源保护, 2023, 39(4): 86-93. Li J Q, Zhang X, Li H M. Study on carbon emission accounting in construction and operation of a sponge city in Beijing[J]. Water Resources Protection, 2023, 39(4): 86-93. |
| [19] |
朱雨, 邵薇薇, 杨志勇. 海绵设施全生命周期碳排放核算方法研究[J]. 水资源保护, 2023, 39(6): 32-38. Zhu Y, Shao W W, Yang Z Y. Carbon emission accounting for whole life cycle of sponge facilities[J]. Water Resources Protection, 2023, 39(6): 32-38. |
| [20] | Ávila-Hernández A, Simá E, Ché-Pan M. Research and development of green roofs and green walls in Mexico: a review[J]. Science of the Total Environment, 2023, 856. DOI:10.1016/j.scitotenv.2022.158978 |
| [21] | Liao W X, Halim M A, Kayes I, et al. Biochar benefits green infrastructure: global meta-analysis and synthesis[J]. Environmental Science & Technology, 2023, 57(41): 15475-15486. |
| [22] | Fowdar H, Payne E, Deletic A, et al. Advancing the Sponge City Agenda: evaluation of 22 plant species across a broad range of life forms for stormwater management[J]. Ecological Engineering, 2022, 175. DOI:10.1016/j.ecoleng.2021.106501 |
| [23] | Wang J, Liu J H, Mei C, et al. A multi-objective optimization model for synergistic effect analysis of integrated green-gray-blue drainage system in urban inundation control[J]. Journal of Hydrology, 2022, 609. DOI:10.1016/j.jhydrol.2022.127725 |
| [24] | Lu P J, Sun Y M, Steffen N. Scenario-based performance assessment of green-grey-blue infrastructure for flood-resilient spatial solution: a case study of Pazhou, Guangzhou, greater Bay area[J]. Landscape and Urban Planning, 2023, 238. DOI:10.1016/j.landurbplan.2023.104804 |
| [25] | 阳烨, 何俊超, 朱江, 等. 基于雨洪适应性的蓝绿灰融合技术路径研究[J]. 给水排水, 2023, 59(S1): 134-142. |
| [26] | Yao Y T, Li J K, Lv P, et al. Optimizing the layout of coupled grey-green stormwater infrastructure with multi-objective oriented decision making[J]. Journal of Cleaner Production, 2022, 367. DOI:10.1016/j.jclepro.2022.133061 |
| [27] | de Oliveira J A P, Bellezoni R A, Shih W Y, et al. Innovations in Urban Green and Blue Infrastructure: tackling local and global challenges in cities[J]. Journal of Cleaner Production, 2022, 362. DOI:10.1016/j.jclepro.2022.132355 |
| [28] |
王涵, 马军, 陈民, 等. 减污降碳协同多元共治体系需求及构建探析[J]. 环境科学研究, 2022, 35(4): 936-944. Wang H, Ma J, Chen M, et al. Analysis of needs and construction of coordinated multi-governance system for pollution reduction and carbon reduction[J]. Research of Environmental Sciences, 2022, 35(4): 936-944. |
| [29] | Müller A, Österlund H, Marsalek J, et al. The pollution conveyed by urban runoff: a review of sources[J]. Science of the Total Environment, 2020, 709. DOI:10.1016/j.scitotenv.2019.136125 |
| [30] |
郑轶丽, 马军, 魏婷, 等. 城市水务系统碳排放测算及减碳对策分析: 以成都市为例[J]. 环境工程学报, 2023, 17(6): 1778-1787. Zheng Y L, Ma J, Wei T, et al. Carbon emission measurement and carbon reduction strategy analysis of urban water system: a case study of Chengdu water system[J]. Chinese Journal of Environmental Engineering, 2023, 17(6): 1778-1787. |
| [31] |
王秋艳, 王利芬, 肖湘东, 等. 苏州市夏季园林植物光合特性及固碳释氧、降温增湿效益研究[J]. 福建农业学报, 2023, 38(11): 1302-1311. Wang Q Y, Wang L F, Xiao X D, et al. Summertime photosynthesis, carbon-fixation, oxygen-release, atmosphere-cooling, and humidifying effect of landscape plants in Suzhou[J]. Fujian Journal of Agricultural Sciences, 2023, 38(11): 1302-1311. |
| [32] | Deb K, Pratap A, Agarwal S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197. |
| [33] |
向梦宇, 王深, 吕连宏, 等. 基于不同电力需求的中国减污降碳协同增效路径[J]. 环境科学, 2023, 44(7): 3637-3648. Xiang M Y, Wang S, Lü L H, et al. Synergistic paths of reduced pollution and carbon emissions based on different power demands in China[J]. Environmental Science, 2023, 44(7): 3637-3648. |
| [34] | Zhang Y, Meng W Q, Yun H F, et al. Is urban green space a carbon sink or source? - A case study of China based on LCA method[J]. Environmental Impact Assessment Review, 2022, 94. DOI:10.1016/j.eiar.2022.106766 |
| [35] |
莫正玺, 叶强, 赵垚. 我国存量建设空间利用的政策、理论与实践演进脉络[J]. 经济地理, 2022, 42(6): 156-167. Mo Z X, Ye Q, Zhao Y. The evolutionary context of policies, theories and practices for the utilization of stock construction space in China[J]. Economic Geography, 2022, 42(6): 156-167. |
| [36] |
赵彦云, 陆香怡, 王汶. 低碳城市的CO2与PM2.5减排协同效应分析[J]. 中国环境科学, 2023, 43(1): 465-476. Zhao Y Y, Lu X Y, Wang W. Assessment for co-benefits of low-carbon city on CO2 and PM2.5 in China[J]. China Environmental Science, 2023, 43(1): 465-476. |
| [37] |
孟小燕, 王毅. 我国推进"无废城市"建设的进展、问题及对策建议[J]. 中国科学院院刊, 2022, 37(7): 995-1005. Meng X Y, Wang Y. Progress, problems and countermeasures of promoting construction of "Zero-waste City" in China[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(7): 995-1005. |
| [38] | Lund N S V, Borup M, Madsen H, et al. Integrated stormwater inflow control for sewers and green structures in urban landscapes[J]. Nature Sustainability, 2019, 2(11): 1003-1010. |
| [39] | Ouyang Z Y, Song C S, Zheng H, et al. Using gross ecosystem product (GEP) to value nature in decision making[J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(25): 14593-14601. |
| [40] |
欧阳志云, 朱春全, 杨广斌, 等. 生态系统生产总值核算: 概念、核算方法与案例研究[J]. 生态学报, 2013, 33(21): 6747-6761. Ouyang Z Y, Zhu C Q, Yang G B, et al. Gross ecosystem product: concept, accounting framework and case study[J]. Acta Ecologica Sinica, 2013, 33(21): 6747-6761. |
| [41] |
白杨, 郑华, 庄长伟, 等. 白洋淀流域生态系统服务评估及其调控[J]. 生态学报, 2013, 33(3): 711-717. Bai Y, Zheng H, Zhuang C W, et al. Ecosystem services valuation and its regulation in Baiyangdian baisn: based on InVEST model[J]. Acta Ecologica Sinica, 2013, 33(3): 711-717. |
| [42] |
韩松磊, 胡启玲, 张楠, 等. 绿色海绵设施和灰色调蓄设施对排水系统提标的作用[J]. 中国给水排水, 2024, 40(1): 126-130. Han S L, Hu Q L, Zhang N, et al. Role of green sponge facilities and gray storage facilities in upgrading rainwater drainage system[J]. China Water & Wastewater, 2024, 40(1): 126-130. |
| [43] |
岳桐葭, 张守红. 降雨变化对雨水收集系统节水及径流的调控效应[J]. 中国水土保持科学, 2020, 18(2): 43-51. Yue T J, Zhang S H. Impacts of rainfall change on water saving and runoff control performance of rainwater harvesting systems[J]. Science of Soil and Water Conservation, 2020, 18(2): 43-51. |
| [44] |
蔡进, 危小建, 江平, 等. 基于贝叶斯网络的生态系统服务权衡协同关系强度及其空间格局优化: 以汾河流域为例[J]. 环境科学, 2024, 45(5): 2780-2792. Cai J, Wei X J, Jiang P, et al. Ecosystem service trade-off synergy strength and spatial pattern optimization based on Bayesian network: a case study of the Fenhe river basin[J]. Environmental Science, 2024, 45(5): 2780-2792. |
| [45] | Lee E, Kim G. Analysis of domestic and international green infrastructure research trends from the ESG perspective in South Korea[J]. International Journal of Environmental Research and Public Health, 2022, 19(12). DOI:10.3390/ijerph19127099 |
| [46] | Wu S B, Chen B, Webster C, et al. Improved human greenspace exposure equality during 21st century urbanization[J]. Nature Communications, 2023, 14(1). DOI:10.1038/s41467-023-41620-z |
| [47] | Kato-Huerta J, Geneletti D. A distributive environmental justice index to support green space planning in cities[J]. Landscape and Urban Planning, 2023, 229. DOI:10.1016/j.landurbplan.2022.104592 |