在全球气候变化与碳中和目标背景下，协调碳排放与生态系统固碳能力已成为推动城市可持续发展的重要议题。资源型城市作为能源开发和重化工业集聚的重要区域，长期面临较高的碳排放压力与生态环境约束。然而，现有研究多侧重于碳排放或碳汇的单独分析，对碳源-碳汇综合关系及其复杂驱动机制的认识仍显不足，亟需构建系统性的分析框架。

　　针对这一问题，中国科学院东北地理与农业生态研究所城市与乡村地理学科组研究人员以我国125个资源型城市为研究对象，构建面向碳平衡的“格局-过程-服务-可持续性”（PPSS）分析框架，综合运用生态遥感、土地利用、社会经济等多源数据与可解释机器学习方法，系统揭示了2002-2023年资源型城市碳平衡的时空演变特征、关键影响因素及其作用路径。

图1研究框架

　　研究发现，我国资源型城市整体保持碳盈余状态，但碳平衡水平下降了69.73%，碳赤字城市占比由28.00%上升至48.80%。空间上，碳赤字主要集中于华北地区的煤炭型和油气型城市，而东北和西南地区的资源型城市总体表现出较高的碳盈余水平。驱动机制分析表明，经济发展水平和景观格局与碳排放密切相关，土壤保持、水源供给和生境质量是影响碳平衡的重要生态因素，三者贡献合计达到36.80%。此外，各因素对碳平衡的贡献呈现明显的非线性和阈值特征，生态系统服务在景观格局与碳平衡之间发挥着重要的连接作用。

图2资源型城市碳平衡驱动机制解析

　　该研究从碳源-碳汇协同视角深化了对资源型城市碳平衡演变及其驱动机制的认识，为优化区域碳源-碳汇空间配置、制定差异化碳中和治理策略提供了科学依据，同时也可为全球资源依赖型地区的绿色低碳转型提供方法参考。

　　上述研究成果近期发表于国际知名期刊Sustainable Cities and Society（中国科学院一区TOP，IF=13.3），由东北地理所硕士生冯培越（第一作者）、孙美玉与刘文新高级工程师（通讯作者）共同完成。研究工作得到国家自然科学基金项目（42571227）资助。

　　论文信息：Feng,P.,Sun,M.,&Liu,W.(2026).Using machine learning to unravel the driving mechanisms of carbon balance in resource-based cities:A“pattern-process-service-sustainability”framework.Sustainable Cities and Society,151,107960.

　　论文链接：https://doi.org/10.1016/j.scs.2026.107960