Urban carbon emission scenario prediction and multi-objective land use optimization strategy under carbon emission constraints

温室气体 土地利用 发射强度 碳纤维 环境科学 情景分析 土地利用规划 环境工程 中国 人均 环境经济学 环境资源管理 计算机科学 土木工程 业务 工程类 地理 生态学 经济 算法 人口 考古 社会学 复合数 生物 激发 人口学 财务 电气工程
作者
Xin Zhang,D. Zhang
出处
期刊:Journal of Cleaner Production [Elsevier]
卷期号:430: 139684-139684 被引量:2
标识
DOI:10.1016/j.jclepro.2023.139684
摘要

With the serious challenge of persistently high carbon emissions in China, the construction of low-carbon cities is poised to become a trend in future development. However, there has been limited research quantitatively exploring carbon emission spatial targets and efficient algorithmic optimization in a systematic manner. To investigate regional carbon emission compliance and systematic optimization methods, this study takes Shanghai Pudong New Area in China as a case study. It integrates an improved Kaya identity model for forecasting, carbon emission intensity analysis, and an enhanced multi-objective genetic algorithm for land-use optimization. The study aims to predict and account for carbon emissions, compare them against carbon emission targets, analyze spatial influencing factors, and consider relevant policy constraints to simulate low-carbon land-use layouts. The findings reveal the following: (1) Through scenario forecasting and carbon emission accounting analysis, it is evident that Pudong New Area's carbon emissions do not meet the target requirements. There is potential for optimization in terms of the balance between residential and workplace spaces, land use mix, and ecological areas. (2) After applying the genetic algorithm optimization, the carbon emissions in the land-use layout plan are reduced by 11.2%–27.88 million tC compared to the original planning scheme. (3) In simulated scenarios, there are significant changes compared to planned land-use layouts, including a 49% increase in the balance between residential and workplace areas, a 20% increase in land use mix, and a 33.9% increase in per capita park green space.This systematic optimization approach effectively predicts carbon emissions, adjusts land-use layout, and achieves a reduction in carbon emissions. The conclusions provide valuable technical support for low-carbon land-use planning and offer insights for the low-carbon development of other cities."
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
2秒前
FGG完成签到,获得积分10
2秒前
泡芙不甜完成签到 ,获得积分10
3秒前
pluto应助慈祥的翠桃采纳,获得10
6秒前
maox1aoxin应助慈祥的翠桃采纳,获得50
6秒前
嗯哼应助慈祥的翠桃采纳,获得10
6秒前
6秒前
maox1aoxin应助慈祥的翠桃采纳,获得30
6秒前
科研通AI2S应助慈祥的翠桃采纳,获得10
6秒前
马自中发布了新的文献求助10
6秒前
科研通AI2S应助慈祥的翠桃采纳,获得10
6秒前
shuyi发布了新的文献求助10
6秒前
科研通AI2S应助慈祥的翠桃采纳,获得10
6秒前
梁朝伟应助慈祥的翠桃采纳,获得10
6秒前
科研通AI2S应助慈祥的翠桃采纳,获得10
6秒前
上官若男应助杨宁采纳,获得10
6秒前
8秒前
Orange应助博修采纳,获得10
12秒前
小鹏哥完成签到,获得积分10
12秒前
。。。发布了新的文献求助10
13秒前
假期完成签到,获得积分10
13秒前
CT民工完成签到,获得积分10
16秒前
ni完成签到,获得积分10
17秒前
飘逸的山柏完成签到 ,获得积分10
20秒前
77发布了新的文献求助10
21秒前
自然白亦完成签到,获得积分10
21秒前
秦梦瑶瑶完成签到,获得积分20
22秒前
fff发布了新的文献求助10
22秒前
23秒前
cgs发布了新的文献求助10
23秒前
阿来给阿来的求助进行了留言
24秒前
Wang发布了新的文献求助10
25秒前
。。。完成签到,获得积分10
25秒前
26秒前
鹿友菌完成签到,获得积分10
28秒前
秦梦瑶瑶发布了新的文献求助10
29秒前
mmichaell完成签到,获得积分10
29秒前
renzo发布了新的文献求助30
29秒前
NMSL完成签到,获得积分10
29秒前
高分求助中
歯科矯正学 第7版(或第5版) 1004
The late Devonian Standard Conodont Zonation 1000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Semiconductor Process Reliability in Practice 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Security Awareness: Applying Practical Cybersecurity in Your World 6th Edition 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3239639
求助须知:如何正确求助?哪些是违规求助? 2884893
关于积分的说明 8235782
捐赠科研通 2553095
什么是DOI,文献DOI怎么找? 1381328
科研通“疑难数据库(出版商)”最低求助积分说明 649225
邀请新用户注册赠送积分活动 624914