冯喆
, 蒋洪强, 卢亚灵
Feng Zhe, Jiang Hongqiang, Lu Yaling
中图分类号: S601.9
文献标识码: A
文章编号: 1000-0690（2019）02-0242-10
通讯作者:
收稿日期: 2018-01-29
修回日期: 2018-04-21
网络出版日期: 2019-02-20
版权声明: 2019 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：冯喆（1984-）,男,北京人,讲师,博士,主要研究方向为地理大数据。E-mail: zhefeng@cugb.edu.cn
展开
摘要
研究使用经济和环境多源大数据,建立包含人口、GDP等经济指标和空气质量等环境指标的中国经济-环境关联体系,识别各指标的热点、冷点时空变化特征,采用人工神经网络聚类方法对中国现阶段经济-环境进行综合分区。研究结果如下：① 灯光平均强度较高的省份主要集中在沿海地区,经济以长三角、珠三角和环渤海区域为主要拉动引擎,呈东南高西北低的发展态势,东部沿海地区经济发展优于东北、中部和西南地区。② PM2.5浓度呈现先增后减趋势,高污染区主要集中在华北、华中等区域;东北方向逐步扩散,污染热点地区从辽东半岛、山海关一线向东北扩张;南方地区基本保持稳定态势。③ 采用自组织特征映射模型对2015年全国各地级市OLS灯光指数、人口、城市自然边界和年均PM2.5浓度4类指标进行聚类,第I类为经济极发达-环境恶化地区,主要位于华北平原和长江三角洲;第II类为经济发达-环境趋恶化地区,主要分布在第I类区域周边,特别是京津冀周边地区;第III类为经济发达-环境良好地区,广东、海南、江西、福建以及重庆等省市多属此类型;第IV类为经济不发达-环境优质地区,主要分布于东北地区北部、内蒙古、甘肃、贵州、新疆、青海、西藏等地。
关键词：
Abstract
In the past 40 years, China's economy has developed rapidly but has paid a heavy environmental cost. China's environment and economy have undergone tremendous changes. The imbalance in regional economic development has intensified, while the various kinds of environmental problems have taken place in different area. Therefore, it is necessary to formulate environmental policies in a targeted manner. To this end, big data methods should be applied to reveal the relationship between the environment and economy, which forms the basis of comprehensive zoning. In this study, multi-source big data such as nighttime light remote sensing, spatialized population data, urban natural boundary and simulated PM2.5 concentration was used to establish an economic-environmental linkage system. The time and spatial variation rules of economic and environment hotspots were identified by Getis-Ord index. The provincial administrative areas of China were divided into four groups by using an artificial neural network (Self-Organizing Feature Map, SOFM) clustering of both economic and environmental indicators. The results show that: 1) The provinces with higher average light intensity in China are mainly concentrated in coastal areas. The economy is mainly driven by the Yangtze River Delta, the Pearl River Delta, and the Bohai Rim. It is a developing trend that is low in the southeast, high in the northwest and the eastern coastal areas. The economic development of coastal area is superior to the northeast, central and southwest regions. 2) The concentration of PM2.5 in China shows a trend of increasing first and then decreasing. Highly polluted areas are mainly concentrated in the North China and Central China regions. In northeast China, the pollution hotspots expand from the Liaodong Peninsula and Shanhaiguan to the northeast, while the south China maintains stability. 3) Based on OLS light index, population, urban natural boundary, and annual average PM2.5 concentration in 2015, the prefecture-level cities can be grouped into four types by using the self-organizing feature mapping model. Type I region is highly economic developed and environment deteriorating areas, mainly located in the North China Plain and the Yangtze River Delta. Type II region is the economic developed and environment deteriorating areas, which is mainly distributed in the periphery of the Type I region, especially around Jing-jin-ji area. Type III region is economically developed and environmentally friendly, such as Guangdong, Hainan, Jiangxi, Fujian, and Chongqing. Type IV is economically underdeveloped and high environment quality areas, which are mainly distributed in the north of the Northeast, Inner Mongolia, Gansu, Guizhou, Xinjiang, Qinghai, and Tibet. The research results are hoped to provide reference for balancing economic development and environment conservation in different regions of China.
Keywords：
改革开放以来,中国经济取得了快速发展,但也因此付出了沉重的环境代价。部分地区经济发展与生态环境保护脱钩,表现为东部沿海发达地区如华北、华东等大城市发展迅速,造成了城市热岛效应显著,污染严重,环境恶劣[1,2,3,4,5]。而中西部欠发达地区,由于资源过度开发,造成污染围城、土壤肥力下降、耕地砂砾化、水土流失等[6,7,8],已经严重影响了区域发展的完整和均衡。日趋紧迫的资源供应压力、环境保护压力迫使国家由传统的粗放型经济增长方式向环境友好的经济发展方向转型[9,10]。同时,中国地域辽阔,地区间经济社会发展水平不均衡,环境问题的种类和紧迫性也有差异,这就要求政府部门实施有针对性的管理措施。因此,如何充分利用现有信息,准确描述地区经济发展水平和环境质量,成为学者关注的热点问题。
过去10 a来,大数据已成为全球关注的焦点,日益引起学界、行业、政府等组织的关注。“大数据”一词首次出现在20世纪90年代中期,自2008年逐渐开始流行,并于2010年开始得到认可。如今,大数据以庞大的规模为基本特征,数据类型多样,传输及时迅速,挖掘潜力大,被认为是创新、竞争和生产力的主要来源,并引起了向数据驱动的范式研究转变[11,12,13]。大数据方法已经成为反映区域环境质量和经济发展的重要手段,在资源管理、环境保护、政策制定等研究领域得到广泛应用[14,15]。大数据方法的发展,为科学客观的度量区域环境与经济发展间关联,更为有效地实现经济-环境综合分区提供了方法论基础。
尽管大数据方法在环境形势分析中具有重要意义,但其在经济与环境综合分区研究中的应用尚待挖掘。本研究以人类社会经济活动与生态保护之间的平衡作为目标,使用经济和环境多源大数据,构建包含人口、GDP等经济指标和空气质量等环境指标的中国经济-环境关联体,采用人工神经网络聚类的方法对2015年经济-环境综合体进行分区,针对不同区域提出相应的政策建议,有助于区域的环境与经济协调发展,为制定有针对性的环境政策提供参考。
本研究采用中国灯光数据作为区域经济发展的表征（不含港澳台数据）。夜间灯光数据可以更多地反映人类活动情况,已被验证与一国的GDP、人口等社会因子间存在较强的正相关关系[16],在能源消耗、碳排放等指标的估算以及城市化监测等领域获得广泛应用[17,18,19]。
本研究的数据来源为美国国防气象卫星计划（Defense Meteorological Satellite Program, DMSP）系列卫星搭载的业务型线扫描传感器（Operational Linescan System, OLS）及苏奥米国家极轨合作伙伴（Suomi NPP）可见光红外成像辐射仪（The Visible Infrared Imaging Radiometer Suite, VIIRS）的夜间灯光数据。其中,OLS数据目前发布了1992~2013年的全球数据,VIIRS数据（http://earthdata.nasa.gov/earth-observation-data/near-real-time/download-nrt-data/viirs-nrt）发布了2012年4月至今的全球数据。在本研究中,2000~2010年3期使用夜间灯光数据源自OLS数据集（http://ngdc.noaa.gov/eog/dmsp）,是经NOAA-NGDC科学家的除云、去噪、全年平均等处理后获得的;2015年数据源自VIIRS提供的2015年年度数据,但此数据未经过滤机噪声去除,参考Dai等[20]的处理方法,以2015年北京、上海、广州和深圳市区灯光最大值为阈值,对数据进行处理矫正。在数据的分析统计中,下文采用的Getis-Ord（Gi*）指数计算及SOFM分类过程均不受数据绝对值影响,因此两套不同来源数据不会影响空间分析及聚类结果。以上两套数据集均由NOAA-NGDC网站提供影像下载,空间分辨率为1 km。
人口的空间分布是表征区域发展水平的重要社会因素。本研究人口的空间数据由美国国家橡树岭实验室全球人口项目制作提供的Landscan数据采集,空间分辨率为1 km。Landscan绝对人口数值不可用于年际比较,但可用于空间结构对比。
城市自然边界从形态学角度衡量区域城市化发展,数据集由OpenStreetMap（OSM）数据库（http://www.openstreetmap.org）提供,该数据库采用GPS踪迹和未经版权保护的卫星图像产生地理空间数据,从OSM数据中可提取街道节点和街区,经与实际验证精度较高。
本研究采用PM2.5数据表征区域环境质量情况,数据源自van Donkelaar等通过大数据方法模拟的中国PM2.5年均浓度[21]。所有数据经重采样处理后空间分辨率为1 km。
本研究的技术路线如图1所示,首先,通过整合夜间灯光数据、城市边界拟数据、人口统计数据和空气质量数据,构建基础数据集。其次进行时空格局分析,分别进行空间制图后,利用Gi*指数分析各指标的冷热点及空间转移情况,最后使用SOFM人工神经网络方法,选择环境和经济指标进行聚类,形成以省级行政区为评价单元的经济-环境综合分区。
1.2.1 空间集聚分析
本研究采用Getis-Ord（Gi*）识别具有统计显著性的高值（热点）和低值（冷点）的空间聚类。其中,具有显著统计学意义的热点,要素本身应具有高值,且被其他同样具有高值的要素所包围;冷点亦然。Getis-Ord（Gi*）的局部统计可以表示为：
式中,xj是要素j的属性值,wi,j是要素i和j之间的空间权重,n为要素总量,且：
Gi*值就是z得分。对于具有显著统计学意义的正的z得分,z得分越高,高值（热点）的聚类就越紧密。对于统计学上的显著性负z得分,z得分越低,低值（冷点）的聚类就越紧密。
1.2.2 自组织特征映射模型
自组织特征映射模型（Self-Organizing Feature Map,SOFM）是一种非监督型的人工神经网络。SOFM学习规则是一种与大脑皮层竞争（抑制）相似的算法。竞争学习中每一时刻只有一个输出单元激活,或每组输出单元中只有一个激活,输出单元为了激活而竞争,聚类中心映射到一个曲面或平面上,并且保持拓扑结构不变,因此,能根据学习规则对输入的模式自动进行分类,降低了指标和权重中的主观性,提高了分类的客观性和准确性,在地理学和生态学领域,尤其是数据结构复杂、数据量大和非线性特征明显的问题上得到广泛应用[25,26]。
SOFM网络学习过程由以下几步构成：① 权值初始化,用小的随机数对各权向量赋予初值,各节点权值应取为不一样的。② 在样本集中随机选择一个样本x作为输入。③ 在时刻t,选择最佳匹配单元i（竞争过程）。这里是选定输入向量x与所有权向量之间的最不相似者作为获胜单元,用欧氏距离表示,其中c表示获胜单元,则有：
2.1.1 灯光强度时空分布变化分析
通过计算Gi*值,得到2000~2015年经济要素空间聚集和转移情况（图2）。2000年,经济要素的主要热点区域在长三角地区、珠三角地区,此外在北京及山东半岛也有分布;广大中部内陆地区,以及黑龙江等地则表现为冷点。至2005年,经济热点地区在原有基础上逐步扩张,除原有的长三角、珠三角地区外,环渤海区域也表现出了明显的经济热点;相对来说,经济冷点区域变化不大。2010年,随着经济的进一步发展,东部沿海地区经济热点区域呈现出集中连片态势,环渤海、长三角、珠三角3个经济增长极拉动作用明显。至2015年,灯光强度已呈现集中连片态势,内陆地区的强度提升明显。
图2 2000~2015年中国灯光指数Gi*集聚
Fig.2 Light index Gi* gathering in China from 2000 to 2015
2.1.2 人口时空分布变化分析
2000~2015年,中国人口分布依然遵循胡焕庸线以东人口密集,胡焕庸线以西则人口较为稀疏的规律。图3显示了用Gi*值代表的2000~2015年人口聚集和空间转移情况,2000年,人口聚集的热点区域主要集中在华北、华中地区以及四川盆地。2005年起,四川盆地人口集聚效应减弱,人口进一步向华北和华中区域转移。至2015年,人口分布热点地区在2005年的格局上向东南沿海方向扩展,但总体态势并未发生剧烈变化。
图3 2000~2015年中国人口分布Gi*集聚
Fig.3 The Gi* gathering of population distribution in China from 2000 to 2015
2.1.3 经济要素时空变化综合分析
综合上述2个指标,可以反映出中国经济格局的时空变化特征。自2000年起,随着加入世界贸易组织和西部大开发、东北老工业基地振兴、中部崛起等一系列区域协调发展战略的实施,经济空间格局东、中、西部均衡程度有所提高,但受历史基础、区位特征及发展政策的影响,经济重心始终在东部沿海地区。随着开放的不断深化,各类经济要素流动愈发顺畅,在一定程度上强化了东部沿海地区经济吸纳能力。灯光强度和人口指标都反映了这一趋势。2000~2015年,东部沿海的经济热点区和人口聚集区面积都呈现显著扩张态势;相对而言,中西部地区的变化幅度较小,部分地区（如四川盆地）人口聚集程度出现下降趋势,经济发展均衡程度还有待进一步加强。
中国幅员辽阔,环境类型复杂多样。考虑数据可得性和代表性,本研究选取近年来的研究热点大气污染中的PM2.5年均浓度作为环境要素指标代表。PM2.5污染空间聚集程度较高的区域位于华北和华中地区,而广大西部地区污染程度较低。2000~2015年,PM2.5浓度呈现先增加后平稳的趋势（图4）, 2000~2005年,PM2.5浓度呈现增长的趋势,污染区域逐渐向华南一带扩散,污染高值区最南端从湖南北部、江西北部、浙江北部一线扩散至广西北部、湖南全境、江西西北大部;同时,山西南部地区逐渐减弱,而四川东部、重庆一带则逐渐变化高值区域;与2005年相比,2010年PM2.5污染保持基本平稳态势,高污染区仍主要集中在华北、华中等区域。东北地区高值区域不断扩散,从2000年的辽东半岛、山海关一线逐步向东北方向扩展,至2015年,已经扩散到辽宁全境、吉林中部乃至黑龙江南部部分地区。从总体趋势看,华北、华中区域始终为污染热点区域;东北方向逐步扩散,污染热点地区从辽东半岛、山海关一线向东北扩张;热点区西线变化较大,从2000年的山西南部向南移动至2010年的四川东部,至2015年逐步移出四川;南线在2000年位于湖南北部、江西北部、浙江北部一线,2005~2015年已经逐渐南移进入广西、广东北部地区。PM2.5污染受到经济发展、自然条件等因素共同作用。随着对环境重视程度的提高,污染集中的区域有收缩的趋势,中部地区污染改善的程度较高,而污染集中区域向东北方向移动,一方面与当地的产业结构可能存在一定关系,另一方面也有其他地区污染治理步伐更大的因素。
图4 2000~2015年中国PM2.5冷热点集聚
Fig.4 PM2.5 hot and cold spots gathered in China from 2000 to 2015
本研究使用Matlab 2017a 作为SOFM网络聚类计算工具。使用ArcGIS 10.5在研究区内随机选取50 000个样点进行分析,剔除边缘空白样点后得到49 613个样点。将每个样点2015年的OLS灯光指数、人口、城市自然边界、年均PM2.5浓度5类指标作为图层输入网络,训练次数为1 000次。为保持类别间具有较大差异性,经反复测试,确定类别数量为3类。
SOFM聚类将全国抽样点分为3类,并按照欧氏距离将其他栅格赋予最近邻样本点的类别。按类别统计3类地区经济-环境特征（表1）,第I类为城市地域比例高、灯光强度高、PM2.5浓度高、人口稠密的经济极发达、环境恶化地区,占国土比例最小,从人口总数上看,生活在第I类地区的人口占全国人口比例26.37%;第II类为城市地域比例较低、灯光强度较低、PM2.5浓度高、人口密度中等的经济发达、环境污染地区,占国土面积比例的9.08%,约1/3的人口生活在此类地区;第III类为城市地域比例极低、灯光强度低、PM2.5浓度低、人口密度低的经济欠发达、环境优质地区,占国土面积比例大,全国约有43.65%的居民生活在此类地区。
表1 基于人工神经网络分类的各类别特征统计
Table 1 Statistics of different types of features based on artificial neural networks
| 类别 | 面积 （104km2） | 占国土面积 比例（%） | 城市地域 比例（%） | 灯光 指数 | PM2.5浓度 （µg/m3） | 人口 （人/km2） | 占比 （%） |
|---|---|---|---|---|---|---|---|
| I | 32.92 | 3.48 | 30.22 | 23.00 | 44.13 | 1049.11 | 26.37 |
| II | 85.86 | 9.08 | 3.16 | 4.94 | 41.89 | 454.38 | 29.99 |
| III | 826.50 | 87.44 | 0.49 | 0.97 | 14.36 | 68.66 | 43.65 |
从分类结果可见（图5）,中国经济发达和极发达的地区占国土面积的12.56%,但集聚了超过50%的人口,极发达地区和发达地区在经济水平上有一定差距,但在污染程度上差距不大,即中等发达程度地区面临“未富先脏”问题,环境污染状况尤为突出。
图5 基于SOFM人工神经网络的中国各地市经济-环境分类
Fig.5 Economic-environmental classification of regions based on SOFM artificial neural network in China
依据以上分类结果,按照经济-环境维度将全国各地级市划分为4类（图6）,其中第I类为经济极发达-环境恶化地区,主要位于华北平原地区、长江三角洲地区和四川盆地东部,包括北京、上海、广州、石家庄、唐山等38个直辖市或地级行政单位;第II类为经济发达-环境趋恶化地区,主要分布在第I类区域周边,特别是京津冀周边地区,包括西安、郑州、安阳、广安、马鞍山等37个地级行政单位;第III类为经济发达-环境良好地区,广东、海南、江西、福建以及重庆等省域内多属此类型,包括三亚、茂名、宜春、福州等122个地级行政单位;第IV类为经济不发达-环境优质地区,主要分布于东北地区北部、内蒙古、甘肃、贵州、新疆、青海、西藏等地,包括牡丹江、武威、铜仁、乌鲁木齐、西宁、拉萨等148个地级行政单位。
图6 中国2015年各地市经济-环境体系分类
Fig.6 Classification of economic-environmental system in China in 2015
改革开放40 a来,中国经济取得快速发展,但也付出了巨大的环境成本。从分类结果中可以看出,经济最为发达的京津冀、长三角、珠三角地区都面临着一定的环境问题。一方面,这些区域是经济热点,吸引大量人口聚集,城市化速度较快,增加了环境的压力。同时,一些经济欠发达地区,具有较好的环境条件,但在产业转移过程中也面临相当大的风险。因此,针对不同的经济-环境特征采取不同的发展策略,采用生态补偿等转移支付措施平衡区域间差异,是推动生态文明建设的重要手段。
本研究以大数据作为切入点,选取灯光遥感数据、人口空间分布数据、PM2.5空间反演数据等指标,描述了2000~2015年中国经济、人口、环境质量的空间格局和变化趋势;在地统计方法的支持下,揭示了经济、人口、环境质量的冷热点地区及变化趋势,根据经济-环境要素的空间分布特征将各省级行政区分成四类,研究结果表明：
1） 灯光平均强度较高的省份主要集中在沿海地区,广大中西部地区灯光强度相对较弱。2000~2015年,灯光高强度区域由沿海地区向内陆扩散,京津冀、长三角、珠三角等经济增长极集聚效应明显,四川、重庆、湖北、湖南等中西部地区发展迅速。2000~2015年人口分布呈现出向特定区域集中的态势。在经济较为发达的京津冀、长三角、珠三角地区,人口愈加稠密,而东北地区、湖北湖南等地,人口则出现下降态势。主要经济热点区域在环渤海地区、长三角地区、珠三角地区等地,呈现出东南高西北低的发展态势,东北、中部和西南地区经济发展相对来说不如东部沿海地区,环渤海在2000~2015年期间取得了较大发展。
2） PM2.5浓度呈现先增加后稳定的趋势,高污染区主要集中在华北、华中等区域;自2000~2015年,四川东部地区污染浓度有较大幅度下降,东北地区污染浓度有显著增长。从以PM2.5浓度为表征的环境污染情况看,华北、华中区域始终为污染热点区域;东北方向逐步扩散,污染热点地区从辽东半岛、山海关一线向东北扩张;热点区西线变化较大,从2000年的山西南部向南移动至2015年的四川东部;南线从湖南北部、江西北部、浙江北部一线南移,至2005~2015年已经进入广西、广东北部地区。
3） 根据2015年各地市OLS灯光指数、人口、城市自然边界、年均PM2.5浓度4类指标SOFM网络分类结果,全国可划分为4类区域：第I类为经济极发达-环境恶化地区,主要位于华北平原地区、长江三角洲地区和四川盆地东部;第II类为经济发达-环境趋恶化地区,主要分布在第I类区域周边,特别是京津冀周边地区;第III类为经济发达-环境良好地区,广东、海南、江西、福建以及重庆等省域内多属此类型;第IV类为经济不发达-环境优质地区,主要分布于东北地区北部、内蒙古、甘肃、贵州、新疆、青海、西藏等地。
地理空间数据具有大容量、快速度和多样性的特点,大数据方法在分析中国经济-环境关联方面有着较强的优势和可行性。在大数据方法支持下,环境和经济监测数据分析结果可以有效的提高科学决策水平。各类数据的相互配合与分析更加完整的体现了大数据的完整性与可靠性,将各种环境和经济监测数据成功的转换为有价值的分析结果,为政府决策者、企业管理者、环保组织和社会公众提供了有效的数据,促进其决策、管理、行为的有效性和科学性。而经济与环境大数据的结合应用,则进一步为不同区域间政策制定与实施提供了依据。由以上结果提出如下建议：① 在经济高度发达地区,应进一步依靠地方财政优势,采用高新技术开展环境治理工作。② 在中等发达程度地区面临“未富先脏”问题,环境污染状况尤为突出,该地区主要位于经济发达地区周边,应防止污染转移等问题,高度重视地区间污染治理协同防治的作用。③ 在经济欠发达地区,应注意根据不同区域的资源禀赋协调具有比较优势的产业,发展清洁行业,借助发达地区生态补偿等政策,在提高经济发展水平的同时维续既有清洁环境。
The authors have declared that no competing interests exist.
| [1] |
城市化对华北地区最高、最低气温和日较差变化趋势的影响 [J].
<FONT face=Verdana>利用华北地区255个一般站和国家基本、 基准站1961\_2000年的实测资料， 经过质量检验和均一性订正后， 将所有台站根据人口和台站地理位置分为5个类别， 分析了这5个类别台站和国家基本、 基准站地面平均气温、 最高、 最低气温的年和季节变化趋势以及城市化影响。结果表明： 华北全部台站的年平均气温、 最高、 最低气温均呈增加趋势， 且以最低气温上升最为明显， 导致年平均日较差呈现明显下降。就城市化影响而言， 平均气温、 最低气温变化趋势中城市热岛效应加强因素的影响明显， 但城市化对最高气温趋势影响微弱， 个别台站和季节甚至可能造成降温。在国家基本、 基准站观测的年平均气温和年平均最低气温上升趋势中， 城市化造成的增温分别为0.11℃·(10a)-1和0.20℃·(10a)-1， 对全部增温的贡献率分别达39.3%和52.6%。各类台站的四季平均气温和最低气温序列中城市化影响均造成增温。城市化增温以冬季为最大， 夏季最小。城市化还导致乡村站以外的各类台站日较差减小， 近40年华北地区国家基本、 基准站年平均和秋、 冬季平均气温日较差明显下降均由城市化影响造成的。</FONT>
The effect of urbanization on maximum, minimum temperatures and daily temperature range in north China .
<FONT face=Verdana>利用华北地区255个一般站和国家基本、 基准站1961\_2000年的实测资料， 经过质量检验和均一性订正后， 将所有台站根据人口和台站地理位置分为5个类别， 分析了这5个类别台站和国家基本、 基准站地面平均气温、 最高、 最低气温的年和季节变化趋势以及城市化影响。结果表明： 华北全部台站的年平均气温、 最高、 最低气温均呈增加趋势， 且以最低气温上升最为明显， 导致年平均日较差呈现明显下降。就城市化影响而言， 平均气温、 最低气温变化趋势中城市热岛效应加强因素的影响明显， 但城市化对最高气温趋势影响微弱， 个别台站和季节甚至可能造成降温。在国家基本、 基准站观测的年平均气温和年平均最低气温上升趋势中， 城市化造成的增温分别为0.11℃·(10a)-1和0.20℃·(10a)-1， 对全部增温的贡献率分别达39.3%和52.6%。各类台站的四季平均气温和最低气温序列中城市化影响均造成增温。城市化增温以冬季为最大， 夏季最小。城市化还导致乡村站以外的各类台站日较差减小， 近40年华北地区国家基本、 基准站年平均和秋、 冬季平均气温日较差明显下降均由城市化影响造成的。</FONT>
|
| [2] |
根据卫星观测的城市用地变化估算中国1980~2009年城市热岛效应 [J].https://doi.org/10.1007/s11434-012-4999-0 [本文引用: 1] 摘要
1980～2009年是中国城市化发展的显著时期,也是气温上升剧烈的时期.本文基于卫星观测的城市土地利用数据,分析了1980～2009年中国城市化对地表观测气温的影响.城市用地指标采用1980～2005年的城市用地扩张量(ΔU),根据该指标将全国气象站点分为3类:(C1)站点周围城市化剧烈;(C2)站点周围城市化较明显;(C3)站点周围城市化微弱.结果表明C1类城市以中国的直辖市和省会城市为主,C2类城市以地级市为主,C3类城市以县城为主.鉴于C3类城市的ΔU很小,因此认为其温度可能受城市用地变化的影响不显著.如果三类城市受全球变暖的影响类似,则C1类或C2类城市的增温减去C3类城市的增温就可能在较大程度上去除全球变暖的影响,而突出城市化对局地温度的贡献.结果表明,C1类城市化对局地温度的影响为0.258℃/10a,占总增温幅度的41%;C2类对局地温度的影响为0.099℃/10a,占总增温幅度的21%.在全国尺度上,城市用地变化的影响为0.27℃/30a或0.09℃/10a,占总增温幅度的20%,且冬季高于夏季.由于C3类城市可能并非完全不受城市化影响,因此,这里计算得到的可能是城市化影响的最低值,实际影响可能略高于该值.此外,土地利用变化只是研究城市热岛效应的一个途径,但是这个指标比人口数量、夜晚光亮度等指标更直接地反映了地理环境的变化.
Estimation of urbanization bias in observed surface temperature change in China from 1980 to 2009 using satellite land-use data .https://doi.org/10.1007/s11434-012-4999-0 [本文引用: 1] 摘要
1980～2009年是中国城市化发展的显著时期,也是气温上升剧烈的时期.本文基于卫星观测的城市土地利用数据,分析了1980～2009年中国城市化对地表观测气温的影响.城市用地指标采用1980～2005年的城市用地扩张量(ΔU),根据该指标将全国气象站点分为3类:(C1)站点周围城市化剧烈;(C2)站点周围城市化较明显;(C3)站点周围城市化微弱.结果表明C1类城市以中国的直辖市和省会城市为主,C2类城市以地级市为主,C3类城市以县城为主.鉴于C3类城市的ΔU很小,因此认为其温度可能受城市用地变化的影响不显著.如果三类城市受全球变暖的影响类似,则C1类或C2类城市的增温减去C3类城市的增温就可能在较大程度上去除全球变暖的影响,而突出城市化对局地温度的贡献.结果表明,C1类城市化对局地温度的影响为0.258℃/10a,占总增温幅度的41%;C2类对局地温度的影响为0.099℃/10a,占总增温幅度的21%.在全国尺度上,城市用地变化的影响为0.27℃/30a或0.09℃/10a,占总增温幅度的20%,且冬季高于夏季.由于C3类城市可能并非完全不受城市化影响,因此,这里计算得到的可能是城市化影响的最低值,实际影响可能略高于该值.此外,土地利用变化只是研究城市热岛效应的一个途径,但是这个指标比人口数量、夜晚光亮度等指标更直接地反映了地理环境的变化.
|
| [3] |
中国“城市病”的测度指标体系及其实证分析 [J].
针对城市病的内涵与外延界定、成因、治理经验与对策等研究现状进行评述,指出存在的主要不足;初步构建了测度中国城市病的指标体系,并以北京、上海、广州3个城市为例进行实证分析。结果显示：1就城市病总指数而言,北京市〉上海市〉广州市;2各类城市病在3个城市中存在明显差异性：上海的人口拥挤指数最高,北京次之,广州最小;广州的交通拥堵指数较高,北京与上海大致相近;北京的环境污染与风险指数明显高于上海和广州;广州的住房贫困指数略高于北京和上海。最后,提出了若干治理策略。
Measurement index system and empirical analysis of China’s urban .
针对城市病的内涵与外延界定、成因、治理经验与对策等研究现状进行评述,指出存在的主要不足;初步构建了测度中国城市病的指标体系,并以北京、上海、广州3个城市为例进行实证分析。结果显示：1就城市病总指数而言,北京市〉上海市〉广州市;2各类城市病在3个城市中存在明显差异性：上海的人口拥挤指数最高,北京次之,广州最小;广州的交通拥堵指数较高,北京与上海大致相近;北京的环境污染与风险指数明显高于上海和广州;广州的住房贫困指数略高于北京和上海。最后,提出了若干治理策略。
|
| [4] |
中国城镇化道路的反思与对策 [J].https://doi.org/10.3969/j.issn.1002-2104.2012.04.011 URL [本文引用: 1] 摘要
改革开放加速了我国的城镇化进程。从1978年至2010年，城镇化率由17．92％迅速提高到49．95％，形成了长三角、珠三角、京津冀三大城市群，一批区域性城市群正在加速形成。城镇化的快速发展特别是城市群的形成为推动我国经济社会发展和增强国际竞争力发挥了重要作用。但与此同时，城镇化也带来了突出的可持续发展问题。主要表现在：人口过度膨胀，城市病集中爆发，经济增长与宜居性背道而驰；城市面貌千篇一律，野蛮拆迂横行。土地型资本运作难以持续；进城易，定居难，城乡“二元社会”问题正演变为城市内定居群体与流动群体“二元社会”问题；城市问恶性竞争．产业同构。建立分工协作的机制任重道远。基于此。本文提出了未来10年推进我国城镇化的对策思路：坚持积极发展小城市和小城镇方针。缓解地域中心城市人口压力；创新农村居民点用地管理制度，实现城镇化与新农村建设有机统一；加强城市规划与管理的科学化，全力提升城市品位；建立跨区域城市协调机制，破解恶性竞争与产业同构困局；促进公共服务均等化，消除新老“二元社会”问题。
Rethinking and countermeasures on China’s urban road. https://doi.org/10.3969/j.issn.1002-2104.2012.04.011 URL [本文引用: 1] 摘要
改革开放加速了我国的城镇化进程。从1978年至2010年，城镇化率由17．92％迅速提高到49．95％，形成了长三角、珠三角、京津冀三大城市群，一批区域性城市群正在加速形成。城镇化的快速发展特别是城市群的形成为推动我国经济社会发展和增强国际竞争力发挥了重要作用。但与此同时，城镇化也带来了突出的可持续发展问题。主要表现在：人口过度膨胀，城市病集中爆发，经济增长与宜居性背道而驰；城市面貌千篇一律，野蛮拆迂横行。土地型资本运作难以持续；进城易，定居难，城乡“二元社会”问题正演变为城市内定居群体与流动群体“二元社会”问题；城市问恶性竞争．产业同构。建立分工协作的机制任重道远。基于此。本文提出了未来10年推进我国城镇化的对策思路：坚持积极发展小城市和小城镇方针。缓解地域中心城市人口压力；创新农村居民点用地管理制度，实现城镇化与新农村建设有机统一；加强城市规划与管理的科学化，全力提升城市品位；建立跨区域城市协调机制，破解恶性竞争与产业同构困局；促进公共服务均等化，消除新老“二元社会”问题。
|
| [5] |
中日韩城市化过程中的资源环境变化比较研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2015.04.016 URL [本文引用: 1] 摘要
城市化是世界各国社会经济发展的重要特征,是一种强烈的地表人类活动过程,在促进经济和社会发展的同时给资源环境带来了一系列负面影响。城市化过程的直接表现是乡村人口进入城市,用人口城市化表征城市化水平。中日韩是亚洲和东北亚地区经济实力最强的三个核心国家。以中日韩三国为例,基于面板数据模型框架,对比分析1950-2012年三国城市化的发展阶段和过程,采用线性回归方法定量研究三国城市化进程与资源环境变化之间的相互关系。结果表明：中日韩三国城市化进程存在较大差异,城市化起点不同、发展速度不同、所处阶段不同。中国城市化起步分别比日韩晚80年、20年。中日韩三国城市化水平的发展趋势均呈快速增长,日韩两国在二战后城市化水平的增长速度均远超中国。目前日韩两国均已处于城市化后期,并已经成功跨越了中等收入陷阱,进入发达经济体,两国城市化率分别为91.73%,83.47%;而中国目前正处于城市化中期和跨越中等收入陷阱的关键阶段,城市化率为51.78%。中日韩三国城市化进程与资源环境变化有着密切关系。随着城市化水平的提高,城市化与土地资源、水资源呈显著负相关,与能源使用量呈显著正相关。中日韩三国城市化率每提高1%,人均耕地面积分别减少24 m2,10 m2,9 m2,人均水资源量分别减少64 m3,43 m3,21 m3,人均能源消费量分别增加42 kg,76 kg,111 kg。借鉴日韩经验,建议中国提高资源、能源利用效率,调整产业结构,加强环境监管,控制废弃物排放,建设生态城市,实现城市化快速发展、资源高效利用和生态环境保护共赢。
Comparative study on urbanization process and changes of resource and environment in China, Japan and Korea. https://doi.org/10.3969/j.issn.1002-2104.2015.04.016 URL [本文引用: 1] 摘要
城市化是世界各国社会经济发展的重要特征,是一种强烈的地表人类活动过程,在促进经济和社会发展的同时给资源环境带来了一系列负面影响。城市化过程的直接表现是乡村人口进入城市,用人口城市化表征城市化水平。中日韩是亚洲和东北亚地区经济实力最强的三个核心国家。以中日韩三国为例,基于面板数据模型框架,对比分析1950-2012年三国城市化的发展阶段和过程,采用线性回归方法定量研究三国城市化进程与资源环境变化之间的相互关系。结果表明：中日韩三国城市化进程存在较大差异,城市化起点不同、发展速度不同、所处阶段不同。中国城市化起步分别比日韩晚80年、20年。中日韩三国城市化水平的发展趋势均呈快速增长,日韩两国在二战后城市化水平的增长速度均远超中国。目前日韩两国均已处于城市化后期,并已经成功跨越了中等收入陷阱,进入发达经济体,两国城市化率分别为91.73%,83.47%;而中国目前正处于城市化中期和跨越中等收入陷阱的关键阶段,城市化率为51.78%。中日韩三国城市化进程与资源环境变化有着密切关系。随着城市化水平的提高,城市化与土地资源、水资源呈显著负相关,与能源使用量呈显著正相关。中日韩三国城市化率每提高1%,人均耕地面积分别减少24 m2,10 m2,9 m2,人均水资源量分别减少64 m3,43 m3,21 m3,人均能源消费量分别增加42 kg,76 kg,111 kg。借鉴日韩经验,建议中国提高资源、能源利用效率,调整产业结构,加强环境监管,控制废弃物排放,建设生态城市,实现城市化快速发展、资源高效利用和生态环境保护共赢。
|
| [6] |
中国省域生态文明建设差异分析 [J].https://doi.org/10.3969/j.issn.1002-2104.2014.06.004 URL [本文引用: 1] 摘要
基于生态系统视角,引入"压力—状态—响应"模型(PSR),构建了包括生态系统压力、生态系统健康状态和生态环境管理水平的3个子系统,27个指标的省域生态文明评价指标体系。运用主成分分析法对我国30个样本省份2012年生态文明建设状态及生态文明协调度进行了实证评价。依据评价结果,分析了我国东中西部地区生态文明建设的区域差异,指出子系统评价值在60分以下省份进一步促进生态文明建设的对策建议。主要结论和政策建议包括:①我国生态文明建设按照西部地区、中部地区、东部地区存在一个渐进的发展过程,东部地区生态文明建设水平优于中部地区,中部地区生态文明建设水平优于西部地区。②从我国东中西部地区生态文明综合评价和协调度评价情况看,东中西部地区生态文明建设综合排名和协调度排名具正相关性。③从子系统评价结果来看,我国东部地区生态系统压力较中部地区小,中部地区生态系统压力较西部地区小;我国中部地区生态系统健康状态优于东部地区,东部地区生态系统健康状态优于西部地区;我国东部地区生态环境管理能力高于中部地区,中部地区生态环境管理能力高于西部地区。④依据评价结论,建议东部地区要花大力气实现生态系统的健康;中部地区在提高资源能源利用效率的同时,还要加强生态文明制度建设;西部地区要以保护脆弱生态环境为目标,避免"三高一低"产业在西部生态脆弱地区的布局,还要提高资源能源的利用效率和环境污染的治理能力。
Difference analysis on the ecological civilization construction of China's provinces. https://doi.org/10.3969/j.issn.1002-2104.2014.06.004 URL [本文引用: 1] 摘要
基于生态系统视角,引入"压力—状态—响应"模型(PSR),构建了包括生态系统压力、生态系统健康状态和生态环境管理水平的3个子系统,27个指标的省域生态文明评价指标体系。运用主成分分析法对我国30个样本省份2012年生态文明建设状态及生态文明协调度进行了实证评价。依据评价结果,分析了我国东中西部地区生态文明建设的区域差异,指出子系统评价值在60分以下省份进一步促进生态文明建设的对策建议。主要结论和政策建议包括:①我国生态文明建设按照西部地区、中部地区、东部地区存在一个渐进的发展过程,东部地区生态文明建设水平优于中部地区,中部地区生态文明建设水平优于西部地区。②从我国东中西部地区生态文明综合评价和协调度评价情况看,东中西部地区生态文明建设综合排名和协调度排名具正相关性。③从子系统评价结果来看,我国东部地区生态系统压力较中部地区小,中部地区生态系统压力较西部地区小;我国中部地区生态系统健康状态优于东部地区,东部地区生态系统健康状态优于西部地区;我国东部地区生态环境管理能力高于中部地区,中部地区生态环境管理能力高于西部地区。④依据评价结论,建议东部地区要花大力气实现生态系统的健康;中部地区在提高资源能源利用效率的同时,还要加强生态文明制度建设;西部地区要以保护脆弱生态环境为目标,避免"三高一低"产业在西部生态脆弱地区的布局,还要提高资源能源的利用效率和环境污染的治理能力。
|
| [7] |
中国省际城镇化与生态环境的耦合协调与优化探讨 [J].Coupling and coordination between urbanization and ecological environment in China . |
| [8] |
中国生态文明发展水平的空间差异与趋同性 [J].https://doi.org/10.3969/j.issn.1002-2104.2015.05.001 URL [本文引用: 1] 摘要
从国土空间优化布局、资源能源节约集约利用、生态环境保护、生态文明制度建设四方面构建了生态文明评价指标体系,运用动态因子分析法计算得出了我国31个省份2003-2012年的静态得分和动态综合得分,以各省份生态文明发展水平的测算结果作为面板数据,运用空间自相关方法对我国生态文明发展水平空间分布及演化格局进行了分析。生态文明发展指数测算结果显示,各省份得分在-0.36-0.84之间,以广东省最优,西藏最差;东部地区、中部地区和西部地区的动态综合得分分别为0.43,0.03和-0.18,生态文明发展水平呈现由沿海向内陆逐步递减的基本格局。全局空间自相关分析显示,2003-2012年全局Moran’s I值显著为正(取值范围在0.234-0.276之间),表明生态文明发展水平呈现明显的空间集聚特征,局域空间自相关显示,超过80%的省份呈现显著的空间正相关,其中"H-H"集聚区主要分布于东部的京津和长三角地区,"L-L"集聚区主要分布于中部和西部地区,且生态文明发展水平具有明显的空间溢出效应,原有的极化区域正在逐步削弱,地区间的差距正在不断减小。通过各地区生态文明发展趋势的收敛性分析可以看出,全国呈现平稳收敛的发展趋势,中部地区和西部地区收敛较为显著。在今后的发展过程中,应不断完善生态环境保护制度、提高管理水平,同时加强中西部地区与东部地区的交流合作,强化区域协同发展,保证东部地区生态文明发展水平持续稳定提升,以发挥其辐射作用,带动中部地区和西部地区生态文明发展水平的不断提高。
Regional difference and convergence of ecological civilization level in China. China Population, https://doi.org/10.3969/j.issn.1002-2104.2015.05.001 URL [本文引用: 1] 摘要
从国土空间优化布局、资源能源节约集约利用、生态环境保护、生态文明制度建设四方面构建了生态文明评价指标体系,运用动态因子分析法计算得出了我国31个省份2003-2012年的静态得分和动态综合得分,以各省份生态文明发展水平的测算结果作为面板数据,运用空间自相关方法对我国生态文明发展水平空间分布及演化格局进行了分析。生态文明发展指数测算结果显示,各省份得分在-0.36-0.84之间,以广东省最优,西藏最差;东部地区、中部地区和西部地区的动态综合得分分别为0.43,0.03和-0.18,生态文明发展水平呈现由沿海向内陆逐步递减的基本格局。全局空间自相关分析显示,2003-2012年全局Moran’s I值显著为正(取值范围在0.234-0.276之间),表明生态文明发展水平呈现明显的空间集聚特征,局域空间自相关显示,超过80%的省份呈现显著的空间正相关,其中"H-H"集聚区主要分布于东部的京津和长三角地区,"L-L"集聚区主要分布于中部和西部地区,且生态文明发展水平具有明显的空间溢出效应,原有的极化区域正在逐步削弱,地区间的差距正在不断减小。通过各地区生态文明发展趋势的收敛性分析可以看出,全国呈现平稳收敛的发展趋势,中部地区和西部地区收敛较为显著。在今后的发展过程中,应不断完善生态环境保护制度、提高管理水平,同时加强中西部地区与东部地区的交流合作,强化区域协同发展,保证东部地区生态文明发展水平持续稳定提升,以发挥其辐射作用,带动中部地区和西部地区生态文明发展水平的不断提高。
|
| [9] |
中国经济发展与能源消费及碳排放解耦分析 [J].Decoupling analysis of China's economic development, energy consumption and carbon dioxide emission. |
| [10] |
中国经济发展方式的转变动力及其作用途径 [J].Changing power of China's economic development mode and its pathway. |
| [11] |
Big data, new epistemologies and paradigm shifts [J]. |
| [12] |
Improving natural resource management and human health to ensure sustainable societal development based upon insights gained from working within ‘Big Data Environments’ [J].https://doi.org/10.1016/j.jclepro.2015.02.010 URL [本文引用: 1] 摘要
No abstract available.
|
| [13] |
Environmental performance evaluation with big data: theories and methods [J].https://doi.org/10.1007/s10479-016-2158-8 URL [本文引用: 1] 摘要
Traditional theories and methods for comprehensive environmental performance evaluation are challenged by the appearance of big data because of its large quantity, high velocity, and high diversity, e
|
| [14] |
Evaluation on China's forestry resources efficiency based on big data [J].https://doi.org/10.1016/j.jclepro.2016.02.078 URL [本文引用: 1] 摘要
The development of China's forestry resources has never been more challenging due to serious problems such as shortage, inferiority and uneven distribution of forestry resources. Therefore, the study and evaluation of China's forestry resources has a great significance to improve efficiency and ensure the sustainable development of the forestry resource. Meanwhile, the vast territory, huge population and widespread forest landscape of China have led to the numerous indexes and the huge data. To perform the research and evaluation accurately, this paper utilized the big data theory to analyze the relevant data of China's forestry resources. This study collected the data from 31 inland provinces and municipalities of China from 2005 to 2013, after which we carefully examined economic, social and ecological factors to choose assessment indexes and processed data accordingly. Firstly, we performed a cross-sectional dataset analysis using the method of data envelopment analysis to investigate the forestry resources efficiency in 31 inland provinces and municipalities of China in years 2008, 2012 and 2013. Secondly, we analyzed time series data of the 31 inland provinces and municipalities from 2005 to 2013 using the Malmquist total factor productivity index method. Our results showed the dominant factor that restraining forestry resources efficiency for the 31 inland provinces and municipalities is the implemented technology. So we suggest increasing the investment in science and technology to improve the overall efficiency of forestry resources, along with improvement of operation and management by relevant administrative departments to improve technology utilization. The innovation of this paper lies in the dynamic process of analysis.
|
| [15] |
Exploring the factors influencing ecological land change for China's Beijing-Tianjin-Hebei Region using big data [J].https://doi.org/10.1016/j.jclepro.2016.03.064 URL [本文引用: 1] 摘要
With the advent of big data, such data regarding the harmonious relationship of “people-land-time” have also gradually entered into the fields of natural resource management. Ecological land is one of the important natural resources and is fundamental to maintaining ecological security. Ecological land change can lead to a series of eco-environmental problems, including water shortages, soil erosion, increased drought intensity, ecosystem damage, and biodiversity loss. Based on relevant sets of big data, including spatial land data, soil data, DEM, climatic data, and socio-economic data, this study explores the factors influencing ecological land change during the period of 2000–2005 in China's Beijing–Tianjin–Hebei Region. The results show that the factors influencing different types of ecological land change have substantial differences. For forest land coverage change, Slope type, Soil organic matter (SOM) content, Farmer's population percentage, and Landform type are the most important independent variables. However, for grassland change, altitude, distance to the primary road and GDP per capita are the most important spatial determinants. Regarding the wetland change, farmer's population percentage, GDP per capita and altitude are the most important factors influencing wetland changes. This study indicates that natural and social-economic factors can affect ecological land change in China's Beijing–Tianjin–Hebei Region.
|
| [16] |
Exploring factors affecting the relationship between light consumption and GDP based on DMSP/OLS nighttime satellite imagery [J].https://doi.org/10.1016/j.rse.2013.03.001 URL [本文引用: 1] 摘要
We consider night light as a type of consumer goods and propose a model for factors affecting the relationship between night lights and GDP. It is then decomposed into agricultural and non-agricultural productions. Further, the model is modified to determine how the factors affect residents' propensity to consume lights. Models are tested with time-fixed regression on a set of 15-year panel data of 169 countries globally and regionally. We find that light consumption propensity is affected by GDP per capita, latitude, spatial distribution of human activities and gross saving rate, and that light consumption per capita has an inverted-U relationship with GDP per capita. (c) 2013 Elsevier Inc. All rights reserved.
|
| [17] |
论夜光遥感数据挖掘 [J].https://doi.org/10.11947/j.AGCS.2015.20150149 URL Magsci [本文引用: 1] 摘要
<p>如果从地球上空观测夜间的地球,可以发现人类聚居区和经济带发出夺目的光芒。当夜间的天空无云时,遥感卫星能够捕捉到城镇灯光、渔船灯光、火点等可见光辐射源,这些夜间无云条件下获取的地球可见光的影像即夜光遥感影像。与日间遥感不同,夜光遥感对于反映人类社会活动具有独特的能力,因此被广泛应用于社会经济领域的空间数据挖掘。本文首先介绍能够观测夜间灯光的卫星遥感观测平台和传感器, 然后从社会经济参数估算、城市化监测与评估、重大事件评估、环境及健康效应研究、渔业信息提取、流行病研究、油气田监测等方面总结了夜光遥感数据挖掘的现状和特点。最后,文章从新型数据源、知识发现、地面观测和地理国情—世情监测4个方面提出了夜光遥感及其数据挖掘的未来发展趋势。</p>
An overview on data mining of Nighttime light remote sensing .https://doi.org/10.11947/j.AGCS.2015.20150149 URL Magsci [本文引用: 1] 摘要
<p>如果从地球上空观测夜间的地球,可以发现人类聚居区和经济带发出夺目的光芒。当夜间的天空无云时,遥感卫星能够捕捉到城镇灯光、渔船灯光、火点等可见光辐射源,这些夜间无云条件下获取的地球可见光的影像即夜光遥感影像。与日间遥感不同,夜光遥感对于反映人类社会活动具有独特的能力,因此被广泛应用于社会经济领域的空间数据挖掘。本文首先介绍能够观测夜间灯光的卫星遥感观测平台和传感器, 然后从社会经济参数估算、城市化监测与评估、重大事件评估、环境及健康效应研究、渔业信息提取、流行病研究、油气田监测等方面总结了夜光遥感数据挖掘的现状和特点。最后,文章从新型数据源、知识发现、地面观测和地理国情—世情监测4个方面提出了夜光遥感及其数据挖掘的未来发展趋势。</p>
|
| [18] |
China's GDP growth may be understated [EB/OL]. |
| [19] |
基于夜光遥感影像的“一带一路”沿线国家城市发展时空格局分析 [J].https://doi.org/10.13203/j.whugis20170100 [本文引用: 1] 摘要
基于1993~2012年长时间序列夜光遥感数据,利用空间统计、空间标准差椭圆和位序-规模分布方法研究'一带一路'(the Belt and Road Initiative,B&R)沿线国家的城市体系空间结构和时空演化趋势。结果表明:'一带一路'沿线各国城市夜间灯光增长最快的是进行经济改革的发展中国家和战后重建的国家,城市夜间灯光锐减主要发生在社会经济动荡地区。'一带一路'区域内城市夜间灯光的规模分布总体呈现空间扩张趋势,夜间灯光重心向东南亚方向移动。'一带一路'区域内城市夜光规模前2 000位的城市夜间灯光符合位序-规模准则,高位序城市夜间灯光规模不够突出而中小城市发育相对较好,集中趋势大于分散趋势。
The spatial-temporal pattern analysis of city development in countries along the Belt and Road Initiative based on nighttime light data .https://doi.org/10.13203/j.whugis20170100 [本文引用: 1] 摘要
基于1993~2012年长时间序列夜光遥感数据,利用空间统计、空间标准差椭圆和位序-规模分布方法研究'一带一路'(the Belt and Road Initiative,B&R)沿线国家的城市体系空间结构和时空演化趋势。结果表明:'一带一路'沿线各国城市夜间灯光增长最快的是进行经济改革的发展中国家和战后重建的国家,城市夜间灯光锐减主要发生在社会经济动荡地区。'一带一路'区域内城市夜间灯光的规模分布总体呈现空间扩张趋势,夜间灯光重心向东南亚方向移动。'一带一路'区域内城市夜光规模前2 000位的城市夜间灯光符合位序-规模准则,高位序城市夜间灯光规模不够突出而中小城市发育相对较好,集中趋势大于分散趋势。
|
| [20] |
The suitability of different nighttime light data for GDP estimation at different spatial scales and regional levels [J].https://doi.org/10.3390/su9020305 URL [本文引用: 1] |
| [21] |
Global estimates of fine particulate matter using a combined geophysical-statistical method with information from satellites, models, and monitors [J].https://doi.org/10.1021/acs.est.5b05833 URL PMID: 26953851 [本文引用: 1] 摘要
We estimated global fine particulate matter (PM2.5) concentrations using information from satellite-, simulation- and monitor-based sources by applying a Geographically Weighted Regression (GWR) to global geophysically based satellite-derived PM2.5 estimates. Aerosol optical depth from multiple satellite products (MISR, MODIS Dark Target, MODIS and SeaWiFS Deep Blue, and MODIS MAIAC) was combined with simulation (GEOS-Chem) based upon their relative uncertainties as determined using ground-based sun photometer (AERONET) observations for 1998-2014. The GWR predictors included simulated aerosol composition and land use information. The resultant PM2.5 estimates were highly consistent (R2=0.81) with out-of-sample cross-validated PM2.5 concentrations from monitors. The global population-weighted annual average PM2.5 concentrations were three-fold higher than the 10 渭g/m3 WHO guideline, driven by exposures in Asian and African regions. Estimates in regions with high contributions from mineral dust were associated with higher uncertainty, resulting from both sparse ground-based monitoring, and challenging conditions for retrieval and simulation. This approach demonstrates that the addition of even sparse ground-based measurements to more globally continuous PM2.5 data sources can yield valuable improvements to PM2.5 characterization on a global scale.
|
| [22] |
基于县域的福建省经济空间格局演化 [J].URL 摘要
以ESDA作为基本分析工具,探讨1990年代以来福建县域经济空间格局的演化。结果表明：总体空间格局上,经济发展呈较强的空间相关特征,即经济发展水平相似的地区集聚分布,但趋势在2009年有所下降;热点区域的整体空间格局存在一定程度的波动。经济增长空间格局仍具有较强空间关联特征,虽然热点区和冷点区切换快速,但切换具有明显的＂轨迹＂,即高值簇大致成圈层结构往内陆迁移,而低值簇则往沿海迁移。整个空间尺度上经济发展的差异在不断缩小,由随机成分引起的空间分异在不断下降,空间连续性和自组织性则较为显著,东—西方向空间差异较小,东北—西南方向的差异呈扩大趋势。作用于空间格局演化的驱动力表现在历史原因和区域经济政策两个方面。
Evolvement of spatial pattern of economy at county level in Fujian Province .URL 摘要
以ESDA作为基本分析工具,探讨1990年代以来福建县域经济空间格局的演化。结果表明：总体空间格局上,经济发展呈较强的空间相关特征,即经济发展水平相似的地区集聚分布,但趋势在2009年有所下降;热点区域的整体空间格局存在一定程度的波动。经济增长空间格局仍具有较强空间关联特征,虽然热点区和冷点区切换快速,但切换具有明显的＂轨迹＂,即高值簇大致成圈层结构往内陆迁移,而低值簇则往沿海迁移。整个空间尺度上经济发展的差异在不断缩小,由随机成分引起的空间分异在不断下降,空间连续性和自组织性则较为显著,东—西方向空间差异较小,东北—西南方向的差异呈扩大趋势。作用于空间格局演化的驱动力表现在历史原因和区域经济政策两个方面。
|
| [23] |
俄罗斯人口分布及其空间格局演化 [J].https://doi.org/10.3969/j.issn.1000-8462.2014.02.007 URL 摘要
通过收集俄罗斯历年人口普查资料统计数据,运用空间自相关模型(Getis-OrdGi指数和Local Moran's I指数)探讨了俄罗斯欧洲部分人口分布及演化时空特征.结果显示:俄罗斯人口集中在靠近欧洲的地区,东部地区人口稀少,人口分布具有西稠东稀的空间格局;在伏尔加河沿岸地区和乌拉尔地区南部形成人口高密度集聚区,西伯利亚西部、西北联邦区,以及南方联邦区和北高加索联邦区形成人口冷点区及次冷点区(低集聚);从联邦主体(省域)变化趋势上看,1991-2012年俄罗斯93个联邦主体在总体上人口不均匀性的空间格局多年来保持相对稳定,但在中央联邦区与伏尔加河沿岸区高集聚区的一级行政单元个数逐渐增加,并形成了一个人口高度集聚的地带.
Spatial distribution of population in Russia and its evolution .https://doi.org/10.3969/j.issn.1000-8462.2014.02.007 URL 摘要
通过收集俄罗斯历年人口普查资料统计数据,运用空间自相关模型(Getis-OrdGi指数和Local Moran's I指数)探讨了俄罗斯欧洲部分人口分布及演化时空特征.结果显示:俄罗斯人口集中在靠近欧洲的地区,东部地区人口稀少,人口分布具有西稠东稀的空间格局;在伏尔加河沿岸地区和乌拉尔地区南部形成人口高密度集聚区,西伯利亚西部、西北联邦区,以及南方联邦区和北高加索联邦区形成人口冷点区及次冷点区(低集聚);从联邦主体(省域)变化趋势上看,1991-2012年俄罗斯93个联邦主体在总体上人口不均匀性的空间格局多年来保持相对稳定,但在中央联邦区与伏尔加河沿岸区高集聚区的一级行政单元个数逐渐增加,并形成了一个人口高度集聚的地带.
|
| [24] |
不同空间尺度的江苏省区域经济差异研究 [J].https://doi.org/10.11870/cjlyzyyhj201512002 URL Magsci 摘要
运用基尼系数、空间自相关等方法分析改革开放以来县域和地级市空间尺度下的江苏省区域经济差异变化及其空间机制。研究表明:改革开放以来江苏省县域和地级市尺度的区域经济差异在2008年前均呈扩大趋势,以后差距缩小,且县域尺度大于地级市尺度。在县域和地级市尺度上江苏省区域经济差异均存在明显的空间正相关关系,且不断增强,在县域尺度空间集聚更强。在地级市水平上,苏北的低水平集聚是其产生区域差异的主要原因,而在县域尺度上则苏南的高水平集聚是江苏区域差异主要原因。针对江苏省区域经济差异重点关注县域尺度的区域差异,在地级市尺度上侧重提升落后地区发展水平,而在县域空间尺度上以促进高水平地区的空间扩散为主。
Regional economic inequalities in Jiangsu at different spatial scales .https://doi.org/10.11870/cjlyzyyhj201512002 URL Magsci 摘要
运用基尼系数、空间自相关等方法分析改革开放以来县域和地级市空间尺度下的江苏省区域经济差异变化及其空间机制。研究表明:改革开放以来江苏省县域和地级市尺度的区域经济差异在2008年前均呈扩大趋势,以后差距缩小,且县域尺度大于地级市尺度。在县域和地级市尺度上江苏省区域经济差异均存在明显的空间正相关关系,且不断增强,在县域尺度空间集聚更强。在地级市水平上,苏北的低水平集聚是其产生区域差异的主要原因,而在县域尺度上则苏南的高水平集聚是江苏区域差异主要原因。针对江苏省区域经济差异重点关注县域尺度的区域差异,在地级市尺度上侧重提升落后地区发展水平,而在县域空间尺度上以促进高水平地区的空间扩散为主。
|
| [25] |
基于GIS和SOFM网络的中国综合自然区划 [J].https://doi.org/10.11821/yj2011090009 URL [本文引用: 1] 摘要
Comprehensive physiographic regionalization has long been a core issue of physical geography in China. A great number of regionalization themes have been developed and applied as guidelines for regional development and geography teaching. However, these themes mainly use the traditional expertise-experiences-based regionalization methodology, which probably make themselves unreliable due to certain prejudices and different knowledge backgrounds of each individual. In order to overcome this obstacle, and to enrich regionalization research theoretically and methodologically, this paper tries to apply SOFM neural network to the regionalization. Supported by GIS technology and following the traditional three-level-strategy, we construct and operate SOFM neural networks at each level, using temperature factors, moisture factors and supplement factors respectively. Finally, we divide Chinese mainland into 8 temperature zones, 17 moisture regions and 43 natural sub-regions, then compare this scheme with those based on traditional methods. The result shows that based on GIS platform, applying SOFM neural network into comprehensive physiographic regionalization has significant advantages, which is an important supplement and development to traditional regionalization paradigm.
Comprehensive physiographic regionalization of China using GIS and SOFM neural network .https://doi.org/10.11821/yj2011090009 URL [本文引用: 1] 摘要
Comprehensive physiographic regionalization has long been a core issue of physical geography in China. A great number of regionalization themes have been developed and applied as guidelines for regional development and geography teaching. However, these themes mainly use the traditional expertise-experiences-based regionalization methodology, which probably make themselves unreliable due to certain prejudices and different knowledge backgrounds of each individual. In order to overcome this obstacle, and to enrich regionalization research theoretically and methodologically, this paper tries to apply SOFM neural network to the regionalization. Supported by GIS technology and following the traditional three-level-strategy, we construct and operate SOFM neural networks at each level, using temperature factors, moisture factors and supplement factors respectively. Finally, we divide Chinese mainland into 8 temperature zones, 17 moisture regions and 43 natural sub-regions, then compare this scheme with those based on traditional methods. The result shows that based on GIS platform, applying SOFM neural network into comprehensive physiographic regionalization has significant advantages, which is an important supplement and development to traditional regionalization paradigm.
|
| [26] |
基于SOFM网络的景观功能分类——以北京及周边地区为例 [J].https://doi.org/10.3724/SP.J.1047.2012.00800 URL Magsci [本文引用: 1] 摘要
景观多功能性是景观生态学研究的热点领域,需要一种既能体现景观多功能整体性,又能表征各功能间独立性的表达方法。本文以北京及其周边地区为研究区,以500m栅格为最小评价单元,使用空间化的统计数据表征物质生产功能,使用植被生物量与土壤含碳量之和表征碳汇功能,使用潜在水土流失量与实际水土流失量的差值表征土壤保持功能,使用生态系统服务功能的评估结果表征生境维持功能,使用人口空间化数据表征居住功能。在计算5种景观功能强度后,通过自组织特征映射模型将土地栅格进行聚类分析。研究结果表明:景观功能强度具有空间异质性。景观功能强度可分为以农地为优势景观,以物质生产为主要功能的农业功能区域;以农地和城市用地为优势景观,以居住和碳汇为主要功能的城市功能区域;以林草地为优势景观,以土壤保持和生境维持为主要功能的生态功能区域;以及优势景观不明显,各项功能均衡发展的过渡功能区域4类。该分类方法既可较好地表达多功能景观的功能分异和空间分异,又能为其研究土地利用和生态管理实践提供理论依据。
Classification of landscape functions using SOFM neural network: A case study from Beijing and its peripheral area. https://doi.org/10.3724/SP.J.1047.2012.00800 URL Magsci [本文引用: 1] 摘要
景观多功能性是景观生态学研究的热点领域,需要一种既能体现景观多功能整体性,又能表征各功能间独立性的表达方法。本文以北京及其周边地区为研究区,以500m栅格为最小评价单元,使用空间化的统计数据表征物质生产功能,使用植被生物量与土壤含碳量之和表征碳汇功能,使用潜在水土流失量与实际水土流失量的差值表征土壤保持功能,使用生态系统服务功能的评估结果表征生境维持功能,使用人口空间化数据表征居住功能。在计算5种景观功能强度后,通过自组织特征映射模型将土地栅格进行聚类分析。研究结果表明:景观功能强度具有空间异质性。景观功能强度可分为以农地为优势景观,以物质生产为主要功能的农业功能区域;以农地和城市用地为优势景观,以居住和碳汇为主要功能的城市功能区域;以林草地为优势景观,以土壤保持和生境维持为主要功能的生态功能区域;以及优势景观不明显,各项功能均衡发展的过渡功能区域4类。该分类方法既可较好地表达多功能景观的功能分异和空间分异,又能为其研究土地利用和生态管理实践提供理论依据。
|
/
| 〈 |
|
〉 |
