绿地碳汇是指绿地生态系统通过光合作用吸收大气中的CO₂，并将其转化为自身生物量进行储存，从而减少大气中温室气体浓度的过程与能力。温室气体的过量排放可能会导致全球变暖，超75%的温室气体排放量源自城市区域[1-2]。城市绿地是城市生态系统的重要组成部分，在城市碳源吸收固存、维持大气中CO2与O2平衡等方面有着重要作用[3]。开展城市绿地碳汇领域的研究热点梳理与发展趋势分析，探究其在城市有限空间内实现碳汇效益最大化的技术路径，对于减缓气候变化进程、助力碳中和目标的加速实现具有一定的现实意义与实践价值[4]。
目前，城市绿地碳汇已成为相关学者关注的热点领域。温芮等[5]对同一城市群不同情景下的碳储量进行研究，发现生态保护情境下的碳储量比自然生长条件下的碳储量多，提出保护生态用地、林地与耕地等建议。黄卓等[6]研究提出，通过有效管理城市绿地、注重高固碳植物群落养护与更新、生物废弃物碳汇化等手段可增加绿地碳汇能力，以加快实现碳中和。现有研究包括不同区域尺度城市绿地碳储量[7]、城市绿地碳汇效益[8]、城市绿地碳汇影响机制[9]等，聚焦该领域整体发展趋势的系统性研究较少。这种单一维度的研究范式可能导致该领域研究脉络模糊，难以对整体研究方向形成系统性认知。
本文运用CiteSpace软件对城市绿地碳汇方面的398篇Web of Science数据库文献和316篇中国知网（CNKI）数据库文献进行发文量趋势、关键词聚类与共现可视化分析，为城市绿色低碳发展和“双碳”目标的实现提供参考。
1 数据来源与方法
1.1 数据来源与处理
研究文献来源于Web of Science与CNKI数据库。文献选取以“城市绿地”“碳汇”为主题词，选择“1998—2024年”为文献检索时间段，类型限定为“学术期刊”，并增加拓展词进行检索，对所检索的文章进行人工逐条阅读并删除不相关条目，最终确定CNKI数据库文献316篇、Web of Science数据库文献398篇。
1.2 研究方法
运用CiteSpace软件对城市绿地碳汇主题的文献进行关键词聚类、发文量趋势、关键词共现网络分析，可视化时间节点选择1998年1月至2024年12月，时间切片为1 a，其余设置均为系统默认。
2 结果与分析
2.1 城市绿地碳汇研究热点
2.1.1 Web of Science
本文对Web of Science文献关键词共现获得的关键词进行聚类整合，得到前10位主要引用文献，将其整合成碳汇估算、碳汇影响机制、碳汇价值3个热点集群（表1）。
表1 Web of Science数据库城市绿地碳汇领域文献热点集群 |
| 热点集群 | 聚类名称 | 聚类轮廓 S值 | 聚类主要引用文献 | 第一作者 | 年份 |
|---|---|---|---|---|---|
| 碳汇估算 | biomass estimation | 0.801 | Distribution of CO2 concentration and its spatial influencing indices in urban park green space | Jiang Y F | 2023 |
| machine learning | 0.879 | Assessing above-ground biomass in reforested urban landscapes using machine learning and remotely sensed data | Matiza C | 2024 | |
| geospatial methods | 0.923 | Ecosystem services from urban forests: the case of Oslomarka, Norway | Berglihn E C | 2021 | |
| multilayer model | 0.864 | Study of carbon metabolic processes and their spatial distribution in the Beijing-Tianjin-Hebei urban agglomeration | Zhang Y | 2018 | |
| 碳汇影 响机制 | climate change | 0.818 | Changes in the value of ecosystem services along a rural-urban gradient: a case study of greater manchester, UK | Radford K &James P | 2013 |
| land-use change | 0.880 | Mapping an urban ecosystem service: quantifying above-ground carbon storage at a city-wide scale | Davies Z G | 2011 | |
| urban green space | 0.865 | Simulation-based evaluation of the effect of green roofs in office building districts on mitigating the urban heat island effect and reducing CO2 emissions | Hirano Y | 2019 | |
| soil carbon | 0.910 | Vegetation type and age drive changes in soil properties, nitrogen, and carbon sequestration in urban parks under cold climate | Allen J A | 2016 | |
| 碳汇价值 | ecosystem services | 0.945 | Urbanization increases grassland carbon pools: effects of landscaping in colorado’s front range | Golubiewski N E | 2006 |
| CO2 sequestration economic value | 0.874 | Gross direct and embodied carbon sinks for urban inventories | Mohareb E | 2012 |
（1）碳汇估算。文献中碳汇估算主要有生物量法、机器学习法、遥感建模法、微气象法等方法。其中，研究城市大尺度的InVEST模型，基于土地利用转移函数开展碳储量估算，具有操作便捷、数据需求低的技术优势。i-Tree Landscape使用树冠覆盖的传递函数进行碳储量估算，适用于中微观尺度。采用样地数据、遥感技术结合机器学习的方法开展研究区碳汇量估算，既能提升碳汇量估算精度，又可实现同类型区域碳储量的外延推算。但该方法存在区域适用性局限，难以实现跨区域通用。综上，各类碳储量计算方法均存在其优势与局限性，未来可重点探索多方法融合与交叉学科计算模型的构建路径，结合动态监测技术与大数据分析手段，在提升碳储量估算精度的同时，兼顾方法的实操便捷性。
（2）碳汇影响机制。影响碳储量的因素主要有气候因素、土壤因素、植被的年龄与空间类型因素、土地利用变化因素、景观格局等。研究碳汇影响机制，能够更加准确地分析植物与空间区域的碳储量，并为其优化提供依据。
（3）碳汇价值。该热点集群表明，城市绿地碳汇兼具强化城市生态系统服务功能的生态价值与碳封存转化的经济价值。其生态价值主要体现在植物通过光合作用实现固碳释氧，并调节区域微气候，进而改善区域生态环境质量。在区域经济层面，城市绿地可对工业生产、能源消耗等环节排放的CO₂开展碳捕获、封存与资源化交易，进而转化为经济价值。
2.1.2 CNKI
通过对中国知网数据库文献关键词进行聚类分析，得出前10位主要引用文献，将其整合成碳储量、低碳城市、碳汇生态效益3个热点集群（表2）。
表2 CNKI数据库城市绿地碳汇领域文献热点集群 |
| 热点集群 | 聚类名称 | 聚类轮廓S值 | 聚类主要引用文献 | 第一作者 | 年份 |
|---|---|---|---|---|---|
| 碳储量 | 城市绿地 | 0.964 | 杭州临安4种绿地内PM2.5中有机碳和元素碳的浓度变化及来源分析 | 李晓璐 | 2021 |
| 城市森林 | 0.973 | 基于森林资源数据的凤城市森林不同龄组碳储量研究 | 杨青川 | 2021 | |
| 植物群落 | 0.959 | 重庆市南岸区城市绿地演变及其固碳效益研究 | 周 伟 | 2020 | |
| 碳汇 | 0.948 | 郑州市城市公园绿地生态服务价值动态分析 | 郭欢欢 | 2020 | |
| 低碳城市 | 低碳 | 0.950 | 基于碳平衡视角的广东省城市低碳发展特征及对策研究 | 黄 华 | 2015 |
| 低碳城市 | 0.995 | 城市绿地系统对于低碳城市的作用 | 赵彩君 | 2010 | |
| 碳氧平衡 | 0.980 | 基于碳氧平衡的城市绿地系统生态规划研究：以长沙城区为例 | 廖建军 | 2013 | |
| 碳汇生态效益 | 生态效益 | 0.937 | 南阳市城市森林主要植物的生态效益 | 丁向阳 | 2007 |
| 固碳释氧 | 0.862 | 城市绿地的生态环境效应研究进展 | 苏泳娴 | 2011 | |
| 碳中和 | 0.929 | 双碳目标下城市空间碳固存与增汇路径研究 | 石铁矛 | 2024 |
（1）碳储量。碳储量相关研究多聚焦于城市绿地、城市森林、植物群落等。城市绿地植物是碳汇功能的核心载体，植被覆盖度与碳密度是决定其固碳潜力的关键因子。城市绿地空间格局、植物群落配置模式及区域气候、土壤等生境因子是调控城市绿地碳储量的驱动因素。
（2）低碳城市。关于低碳城市碳—氧平衡的研究多是对城市区域进行碳平衡系统的管控。例如，对城市的碳排放量进行生命周期分析，运用机器学习与大数据预测碳排放趋势，建立城市孪生模型对碳排放进行实时监测等。
（3）碳汇生态效益。关于城市绿地碳汇效益的热点集群多集中于生态效益、固碳释氧等。城市绿地中的植物能够吸收与固定城市能源消耗产生的CO2，释放供人类生存所需的O2，以缓解城市热岛效应、改善城市气候与环境、提升生态系统稳定性。
2.2 城市绿地碳汇研究趋势
2.2.1 Web of Science
（1）发文量趋势。由图1可知，Web of Science数据库中城市绿地碳汇研究发文量整体呈上升趋势。1998—2009年，发文量较少，处于萌芽阶段；2009—2018年，发文量呈稳步增长趋势；2018—2024年，发文量在17～78篇，数量较往年明显提升。说明该领域被越来越多的学者关注，城市绿地在固碳释氧、改善气候方面发挥着越来越重要的作用。
表3 Web of Science数据库城市绿地碳汇领域文献分阶段关键词 |
| 第一阶段 | 第二阶段 | 第三阶段 | |||
|---|---|---|---|---|---|
| 关键词 | 中心度 | 关键词 | 中心度 | 关键词 | 中心度 |
| carbon sequestration | 0.31 | carbon density | 0.17 | simulation | 0.06 |
| forest | 0.22 | biodiversity | 0.14 | nitrous oxide | 0.05 |
| environment | 0.18 | benefit | 0.13 | nature-based solution | 0.05 |
| land use | 0.15 | aboveground biomass | 0.12 | urban vegetation | 0.04 |
| pattern | 0.13 | aboveground carbon storage | 0.09 | urban forest | 0.04 |
| green space | 0.12 | climate change | 0.09 | organic matter | 0.04 |
| urban tree | 0.09 | air pollution | 0.08 | biomass estimation | 0.04 |
| biomass | 0.09 | model | 0.07 | framework | 0.03 |
| urban | 0.08 | Landscape | 0.06 | random forest | 0.03 |
| ecology | 0.05 | green roof | 0.04 | neighborhood | 0.02 |
| service | 0.05 | classification | 0.04 | above-ground carbon | 0.02 |
| tree cover | 0.04 | green infrastructure | 0.03 | water quality | 0.02 |
| urban ecosystem | 0.03 | climate change mitigation | 0.03 | urban green infrastructure | 0.02 |
| land use change | 0.03 | ecosystem service | 0.03 | terrestrial ecosystem | 0.02 |
| biogeochemistry | 0.02 | urban forestry management | 0.03 | temperature | 0.02 |
| urban forest | 0.02 | soil carbon | 0.02 | species diversity | 0.01 |
| community | 0.02 | management | 0.02 | resilience | 0.01 |
| wood waste | 0.02 | allometric relationship | 0.02 | pollution | 0.01 |
| balance of carbon-oxygen | 0.02 | climate action planning | 0.02 | human health | 0.01 |
| landscape ecology | 0.02 | building sustainability | 0.02 | energy consumption | 0.01 |
| carbon emission accounting | 0.01 | CO2 flux | 0.01 | ||
| 0.01 | city planning | 0.01 | |||
第三阶段（2018—2024年）的研究关注制定城市绿地碳汇监测的可行性框架。同时，为提高估算的准确性，注重新方法、新技术的应用。例如，Liu等[13]基于人工智能技术、高分辨率的LiDAR数据和遥感影像的新兴植被生物量估算方法提高了绿地碳汇估算精度。这一阶段重点聚焦碳储量核算精度的提升与技术方法的创新探索，出现nature-based solution、urban forest、framwork、urban green infrastructure等关键词，推动城市绿地碳汇研究深入发展。
2.2.2 CNKI
（1）发文量趋势。由图3可知，中国知网数据库城市绿地碳汇研究发文量整体呈上升趋势。1998—2009年，该领域发文量较少，处于萌芽阶段；2009—2018年，发文量呈波动上升趋势；2018—2024年，发文量在16～44篇，呈快速发展趋势。
表4 CNKI数据库城市绿地碳汇领域分阶段关键词 |
| 第一阶段 | 第二阶段 | 第三阶段 | |||||
|---|---|---|---|---|---|---|---|
| 关键词 | 中心度 | 关键词 | 中心度 | 关键词 | 中心度 | ||
| 城市绿地 | 0.57 | 园林植物 | 0.30 | 碳中和 | 0.14 | ||
| 城市森林 | 0.45 | 植物群落 | 0.10 | 空间特征 | 0.10 | ||
| 生态效益 | 0.35 | 优化策略 | 0.10 | 屋顶绿化 | 0.08 | ||
| 碳汇 | 0.30 | 生物量 | 0.10 | 绿地规划 | 0.06 | ||
| 碳氧平衡 | 0.17 | 城市碳汇 | 0.09 | 林业碳汇 | 0.03 | ||
| 固碳 | 0.16 | 光合速率 | 0.08 | 城市公园 | 0.02 | ||
| 固碳释氧 | 0.15 | 低碳城市 | 0.08 | 生活型 | 0.02 | ||
| 价值评估 | 0.10 | 固碳效益 | 0.07 | 碳汇计量 | 0.02 | ||
| 南京 | 0.09 | 影响因素 | 0.06 | 指数模型 | 0.02 | ||
| 碳密度 | 0.06 | 城市化 | 0.06 | 景观要素 | 0.02 | ||
| 上海 | 0.06 | 固碳能力 | 0.05 | 森林城市 | 0.01 | ||
| 广州市 | 0.05 | 城市土壤 | 0.05 | 地铁 | 0.01 | ||
| 植物 | 0.03 | 遥感 | 0.03 | 碳达峰 | 0.01 | ||
| 释氧固碳 | 0.03 | 居住小区 | 0.03 | 双碳 | 0.01 | ||
| 生态价值 | 0.03 | 降温增湿 | 0.03 | 群落结构 | 0.01 | ||
| 哈尔滨 | 0.03 | 定量评价 | 0.03 | 碳汇效益 | 0.01 | ||
| 净化空气 | 0.02 | 城市植被 | 0.03 | ||||
| 释氧 | 0.01 | 涡度相关 | 0.02 | ||||
| 固碳价值 | 0.01 | 土地利用 | 0.02 | ||||
| 公园绿地 | 0.02 | ||||||
| 低碳设计 | 0.02 | ||||||
第二阶段（2009—2018年）的研究范围包括城市尺度、区域尺度、城市公园、居住小区、城市森林、植物群落和城市土壤等，注重多学科的交叉融合研究，关注土地利用对城市绿地碳汇的影响，以及城市绿地碳汇的生态价值、经济价值以及价值补偿等。对城市绿地碳汇的估算与数据处理方法更加多样，主要有样地清查法、遥感估算法、微气象学法、涡度相关法、Citygreen模型、CASA模型、i-Tree模型、InVEST模型、生物量转化因子函数法等。李凤霞等[15]运用异速生长模型与GIS空间分析相结合的方法，对森林植被结构进行优化。
第三阶段（2018—2024年）研究聚焦于城市绿地系统的规划布局、绿地空间结构与植物群落配置等领域。张桂莲[16]利用提高影像分类精度、多模型相结合的方式估算城市森林碳储量。此阶段注重多源数据与多种方法的结合，对碳储量的计算更加准确，但仍存在区域局限性、计算过程简化等问题。
3 结论与讨论
当前，城市绿地碳汇领域的研究框架多呈现单一维度的研究范式，有待基于系统视角构建成熟稳定的研究体系。精准量化碳汇影响机制与效益，可提升碳汇潜力，为城市绿地优化布局提供科学依据。同时，需强化多学科交叉融合与多维度协同研究，从宏观、微观尺度统筹开展研究工作，以构建稳定完善的研究体系。为精准量化估算结果，结合样地测量、遥感估算、大数据、地理空间系统、智能化管理等，开发便捷准确的城市绿地碳汇测算模型及评价体系。在国土空间格局优化规划实践中，可构建与补充市级碳收支相关的数据库，对市级碳收支状况进行综合评价，以便于更准确制定高质量发展策略。
本文基于CiteSpace软件，对城市绿地碳汇研究热点与趋势进行分析，关键词聚类分析表明，Web of Science数据库中城市绿地碳汇的研究热点为碳汇估算、碳汇影响机制和碳汇价值；中国知网数据库中该领域的研究热点为碳储量、低碳城市和碳汇生态效益。发文量分析表明，Web of Science数据库与中国知网数据库中，以城市绿地碳汇为研究主题的文章发文量整体呈上升趋势。关键词共现分析表明，两个数据库中该领域文献主要分为3个阶段，Web of Science数据库中第一阶段的研究主要从树木层面探讨影响碳储量主导因子；第二阶段重点研究城市绿地碳汇影响因素、研究方法和多源数据的使用；第三阶段主要是研究技术方法的创新和核算精度的提高，以便系统高效监测城市绿地碳汇。中国知网数据库中第一阶段的研究主要探讨城市绿地碳氧平衡的生态价值；第二阶段的研究注重多学科的交叉融合，关注城市绿地碳汇在土地利用、生态价值、经济价值、价值补偿中的作用，城市绿地碳汇估算和数据处理方法也更加多样；第三阶段的研究聚焦城市绿地系统的规划布局、绿地空间结构与植物群落配置等方面，碳储量的计算也更加准确。