东北地区产业发展与工业SO_2排放的时空耦合效应_马丽_张博_杨宇
我国东北地区经济增长与环境质量间关系的实证研究

大高耗 能行 业 的能 源消 费量 占全社 会 能源 消费 总量
的一半 以上 。另 外 , 我 国 以煤 炭 为 主 的能 源 结 构 也
标 的时间 序列数 据 进 行 研究 , 发 现 大部 分 大 气 污染
物 的排 放 并 不 遵 循 E KC规 律 ; C o s t a n t i n i 和 Mo n —
使 得我 国 实现节 能 减 排 目标 、 发 展 绿 色经 济 面 临 巨 大 挑 战 。同时 , 我 国区域 间经 济发展 不 平衡 , 各 地经 济发 展 与环 境质 量 的矛盾 表现 不一 。东 北地 区是 我 国老工 业基 地 。长 期 以来 , 东 北 地 区 的重 工 业 占 比
体 悬 浮物 等 的排 放 情 况 衡 量 环 境 恶 化 情 况 ; S e l d e n 和S o n g t ‘ 6 ] 研究 了人 均 G DP和人 口密度对 环 境 质量
的影 响 ; Ma d h u s u d a n [ 7 ] 则 认 为 收入 、 体 制 因素 和 宏
年提 高 了 1 6 0 . 5 9 ; 人均 工业 固体 废弃 物 产 生 量 达
计年 鉴 > > ( 1 9 9 8 、 2 0 1 1 ) 的数 据 , 2 0 1 0年 东北 三 省 人 均 工业 废气 排放 量 达到 4 . 1 4万 标 立 方米 / 人, 比 1 9 9 7
GD P和贸 易强 度 作 为 解 释 变 量 引入 方 程 ; B a r t z和
Ke l l f 用二 氧化 硫 、 一 氧化 碳 、 氮 氧化 物 、 大 气 中 固
建筑业经济增长与环境污染关系的实证研究——以吉林省为例

Vol.46,No.l26ij送坊第46卷第12期December,2020Sichuan Building Materials2020年12月建筑业经济增长与环境污染关系的实证研究——以吉林省为例陈韵涵】,闫宁宁I,曾杰钊I,崔慧宁2,孔灵柱2(1•吉林建筑大学电气与计算机学院,吉林长春130118;2•吉林建筑大学经济与管理学院,吉林长春1301⑻摘要:基于向量自回归模型(VAR),选取1995—2017年吉林省建筑业经济增长与环境污染的相关数据,利用排放系数法计算出建筑业CO?排放量,运用脉冲响应函数与方差分解等方法,对建筑业经济增长与环境污染关系进行了实证研究,结果表明:建筑业经济增长与工业SO?排放量呈现传统的倒“U”型关系,与CO?排放量呈现“N”型关系。
关键词:建筑业经济增长;环境污染;VAR模型中图分类号:F426.92文献标志码:A文章编号:1672-4011(2020)12-0006-02DOI:10.3969/j.issn.1672-4011.2020.12.0030前言党的“十九大”提出“绿水青山就是金山银山”,要“着力解决突出环境问题”⑴。
经典的环境库兹涅茨曲线(EKC)让国内外学者注意到:经济高速增长会伴随着环境污染,环境压力的增大会反过来制约经济发展,呈现倒“U”型曲线。
建筑产业作为国民经济的中坚力量,带动建材、机械等产业的发展,然而早在2007年李先光等⑵就指出资本、劳动投入对我国建筑业经济增长的贡献(86.85%)远高于技术进步所带来的贡献(13.15%),从此不难看出我国建筑业经济主要依靠要素投入发展,以粗放型发展模式为主。
习近平主席提出面对环境污染不仅要“全民共治”还要“源头防治”。
因此,研究像建筑业这样高耗能、高污染产业经济发展对环境污染的影响有利于产业防治,从而达到“源头防治”。
已有一些文献研究过全国和部分省域经济增长与环境污染的关系,但对东北地区和建筑业经济增长的相关研究较少,且大多侧重于研究经济增长与流量污染的关系,本文以吉林省为例展开对建筑业经济增长与环境污染关系的研究。
东北三省居民消费碳排放测算及影响因素比较分析

《东北三省居民消费碳排放测算及影响因素比较分析》2023-10-27CATALOGUE目录•研究背景与意义•国内外研究现状及发展趋势•研究方法与技术路线•东北三省居民消费碳排放测算•东北三省居民消费碳排放影响因素比较分析•结论与建议01研究背景与意义全球气候变化问题日益严峻,碳排放成为关注焦点。
目前针对东北三省居民消费碳排放的研究较少,因此开展相关研究具有必要性。
中国作为全球最大的碳排放国家之一,其碳排放情况备受关注。
东北三省作为中国的老工业基地之一,其碳排放情况具有代表性。
通过对东北三省居民消费碳排放的测算及影响因素比较分析,有助于了解该地区碳排放现状及未来发展趋势。
有助于为未来的碳排放研究提供参考和借鉴,推动碳排放研究的深入发展。
有助于为政府制定针对该地区的碳排放政策提供科学依据,同时为减少碳排放提供技术支持。
有助于提高公众对碳排放的认识和重视程度,促进低碳生活方式的推广和普及。
02国内外研究现状及发展趋势国内对居民消费碳排放的研究尚处于起步阶段,但发展迅速。
研究主要集中在测算居民消费碳排放的总量及人均量。
探讨居民消费碳排放的影响因素,如人口数量、收入水平、城市化进程等。
分析不同地区居民消费碳排放的差异及其原因。
国外对居民消费碳排放的研究起步较早,已经形成较为完善的研究体系。
研究主要集中在测算居民消费碳排放的排放源和排放量。
探讨居民消费碳排放的影响因素,如消费结构、能源结构、气候变化等。
分析不同国家或地区居民消费碳排放的差异及其原因。
未来研究将更加注重对居民消费碳排放的深度研究,从多方面挖掘其产生的原因和机制。
研究将更加注重与国际接轨,引进和吸收国外先进的研究方法和思路。
研究将更加注重与政策实践相结合,为政府制定减排政策提供科学依据。
研究将更加注重实证分析,通过对不同地区、不同群体的调查和统计数据进行深入分析。
研究发展趋势03研究方法与技术路线采用生命周期评估方法(LCA)研究方法建立消费碳排放测算模型利用统计数据和问卷调查获取数据采用SPSS软件进行数据分析数据来源与处理国家统计局、中国能源网等权威数据来源数据清洗、整理和标准化处理利用相关指标进行数据转换和处理01研究东北三省居民消费碳排放现状技术路线02对比分析不同地区、不同收入水平居民消费碳排放差异03运用多元回归分析方法探究影响居民消费碳排放的主要因素04提出政策建议和措施以降低居民消费碳排放04东北三省居民消费碳排放测算居民消费碳排放测算方法基于生命周期评价方法对东北三省居民消费碳排放进行测算,包括直接碳排放和间接碳排放。
2014年黑龙江省科学技术奖励决定

2014年黑龙江省科学技术奖励决定
2014年黑龙江省科学技术奖申报项目通过前期审查、专业评审组评审,异议处理后,根据《黑龙江省科学技术奖励办法》有关规定,经省科学技术奖励委员会评审,报请黑龙江省政府陆昊省长签批,授予赫晓东教授2014年黑龙江省最高科学技术奖;经黑龙江省人民政府批准,授予271项推荐项目(自然科学类67项,技术发明类19项,科技进步类185项)为本年度黑龙江省科学技术奖,其中一等奖29项,二等奖117项、三等奖125项。
本决定作为2014年度项目获奖依据。
黑龙江省科学技术奖励委员会
2014年8月8日附件1:奖励名单
最高科学技术奖
一等奖
二等奖
三等奖。
东北地区积雪变化及对气候变化的响应

第40卷第4期高原气泰Vol.40 N o.4 2021 年8月P L A T E A U M E T E O R O L O G Y August, 2021周晓宇,赵春雨.李娜,等,2021.东北地区积雪变化及对气候变化的响应[J].高原气象,40(4): 875-886. ZHOU Xiaoyu, ZHAO Chunyu, LI Na,et al, 2021. Spatiotemporal Variation of Snow and its Response to Climate Change in Northeast China[J j. Plateau Meteorology, 40(4):875-886. DOI:10. 7522/j. issn. 1000-0534. 2020. 00055.东北地区积雪变化及对气候变化的响应周晓宇、赵春雨\李娜2,崔妍1,易雪、刘鸣彦1(1.沈阳K域气候中心,辽宁沈阳1丨〇丨66;2.山西省气象台,山西太原030006)摘要利用东北地区1961—2017年162个气象站点逐日气象观测数据,分析了积雪的变化及其与气候变化的关系。
结果表明:(1)平均年积雪日数和累积积雪深度为75.3d和582. I c m.呈高纬多低纬少、山地多平原少的分布,大兴安岭北部、小兴安岭和长白山区积雪日数达140d以上,积雪日数多的地方累积积雪深度也较深。
(2)平均积雪初终日和积雪期分别为11月7日、4月1日和145 d.积雪初日自大兴安岭北部向辽宁沿海地区推进;积雪初日早的地区积雪结束的也晚,积雪期更长,黑龙江大部分地区均超过了150 d:(3)积雪日数和累积积雪深度最大值均出现在1月,以丨月下旬最多;积雪初日和终日最多分别出现在1丨月和3月,以11月上旬和3月下旬最多=(4)年积雪日数和累积积雪深度分别以1. 88 d_ (10a P和71.94 cm.U O ar1的速率增加,在21世纪10年代达到年代最高值,秋季、冬季和春季积雪日数和累积积雪深度均呈增加趋势,冬季增加最为显著。
东北黑土带土地利用变化特征及生态敏感性评价

第37卷第6期2023年12月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .37N o .6D e c .,2023收稿日期:2023-06-07资助项目:国家重点研发计划项目(2021Y F D 1500803) 第一作者:晋一然(2000 ),男,在读硕士研究生,主要从事水土保持与G I S 空间分析研究㊂E -m a i l :U l i s s e s 623@163.c o m 通信作者:郭忠录(1980 ),男,教授,博士,主要从事土壤侵蚀与土壤质量研究㊂E -m a i l :z l gu o h z a u @163.c o m 东北黑土带土地利用变化特征及生态敏感性评价晋一然,澹腾辉,唐琪,华丽,郭忠录(华中农业大学资源与环境学院,武汉430070)摘要:东北黑土带是我国重要的商品粮生产基地,土壤质量退化㊁水土流失等问题直接影响生态与粮食供给安全,为明晰东北黑土带土地利用变化特征及评价生态敏感性,以2000年㊁2005年㊁2010年㊁2015年㊁2020年东北黑土带5期土地利用数据为基础,采用转移矩阵㊁地理探测器㊁综合生态风险评价等方法,研究景观格局及生态风险变化趋势㊂结果表明:(1)2000 2020年,研究区未利用地面积增加1035.7k m2,水域面积减少975.8k m 2,土地利用变化最明显,耕地是阶段性变化较为剧烈的土地利用方式;(2)不同自然因子对研究区土地利用方式的解释力存在显著差异,气温是土地利用方式变化的主导因素,风速与高程㊁气温㊁蒸发量㊁地温㊁气压㊁相对湿度㊁日照时间的交互作用对土地利用方式变化具有显著的协同增强作用;(3)随时间推移,研究区生态敏感性整体改善,高度敏感区域减少,轻度敏感区域增加,并且出现生态敏感高值区向北移动㊁低值区向南移动趋势,研究区生态敏感性高值区的形成可能与以风蚀为主的侵蚀作用有关㊂宏观尺度景观格局变化分析与生态风险评价对区域生态环境保护政策制定及实施具有重要意义㊂关键词:土地利用变化;地理探测器;生态风险评价;聚类分析;东北黑土带中图分类号:X 171.1 文献标识码:A 文章编号:1009-2242(2023)06-0341-09D O I :10.13870/j.c n k i .s t b c x b .2023.06.043L a n dU s eC h a n g eC h a r a c t e r i s t i c s a n dE c o l o g i c a l S e n s i t i v i t yE v a l u a t i o n i n t h eB l a c kS o i l B e l t i nN o r t h e a s tC h i n aJ I N Y i r a n ,T A N T e n g h u i ,T A N G Q i ,HU A L i ,G U OZ h o n gl u (C o l l e g e o f R e s o u r c e s a n dE n v i r o n m e n t ,H u a z h o n g A g r i c u l t u r a lU n i v e r s i t y ,W u h a n 430070)A b s t r a c t :T h eN o r t h e a s tB l a c kS o i lB e l t i sac r u c i a l c o mm e r c i a l g r a i n p r o d u c t i o nb a s e i nC h i n a ,i nr e c e n t y e a r s ,s o i l q u a l i t y d e g r a d a t i o n ,s o i l e r o s i o na n do t h e r i s s u e sh a v e ad i r e c t i m p a c t o nt h e s e c u r i t y o f e c o l o g ya n d s e c u r i t y o f f o o ds u p p l y .I no r d e r t o c l a r i f y t h e c h a r a c t e r i s t i c s o f l a n du s ec h a n g ea n de v a l u a t e t h ee c o l o gi c a l s e n s i t i v i t y o f t h eN o r t h e a s tB l a c kS o i l B e l t ,w e t a k e t h e f i v e p e r i o d s o f l a n du s e d a t a o f t h eN o r t h e a s tB l a c k S o i l B e l t i n t h e y e a r s o f 2000,2005,2010,2015a n d 2020a s t h e b a s i s ,a n du s e t h em e t h o d s s u c h a s t r a n s f e rm a t r i c e s ,g e o d e t e c t o r ,a n dc o m p r e h e n s i v ee c o l o g i c a lr i s ke v a l u a t i o nt os t u d y t h el a n d s c a pe p a t t e r na n d e c o l o g i c a l r i s kc h a n g e t r e n d s .T h e r e s u l t sw e r e a sf o l l o w s :(1)D u r i n gt h e p e r i o d o f 2000 2020,u n u s e d l a n d a n dw a t e r l a n du s e i n t h e s t u d y a r e a c h a n g e dm o s t o b v i o u s l y ,i n c r e a s i n g a n dd e c r e a s i n g b y 1035.7a n d 975.8k m 2,r e s p e c t i v e l y ,a n da r a b l el a n d w a st h el a n du s e w i t h m o r ed r a s t i cc h a n g e s i n p h a s e s ;(2)D i f f e r e n t n a t u r a l f a c t o r s e x h i b i t e ds i g n i f i c a n td i f f e r e n c e s i ne x p l a i n i n g l a n du s e t y p e s i nt h es t u d y a r e a .T e m pe r a t u r e w a s t h ed o m i n a n tf a c t o ri n f l u e n c i ng l a n d u s ech a n g e s ,w hi l e w i n ds p e e ds h o w e ds i g n i f i c a n ts y n e r gi s t i c e n h a n c e m e n tw h e n i n t e r a c t i n g w i t h e l e v a t i o n ,t e m p e r a t u r e ,e v a p o r a t i o n ,g e o t h e r m y ,a t m o s ph e r i c p r e s s u r e ,h u m i d i t y a n dd a y l i g h t d u r a t i o n f a c t o r s i n l a n du s e c h a n g e s .(3)O v e r t i m e ,t h eo v e r a l l e c o l o g i c a l s e n s i t i v i t yo f t h es t u d y a r e a h a si m p r o v e d .H i g h l y s e n s i t i v er e g i o n s h a d d e c r e a s e d ,m i l d l y s e n s i t i v er e gi o n s h a d i n c r e a s e d .A d d i t i o n a l l y ,t h e r ew a sat r e n do fh i g h -v a l u ee c o l o g i c a l s e n s i t i v i t y a r e a s m o v i n g n o r t h w a r da n d l o w -v a l u e a r e a s m o v i n g s o u t h w a r d ,t h eh i g h -v a l u ee c o l o g i c a l s e n s i t i v i t y r e g i o n s m a y b er e l a t e dt oe r o s i o n w h i c hd o m i n a t e db y w i n d e r o s i o n .T h e a n a l y s i s o fm a c r o -s c a l e l a n d s c a p e p a t t e r nc h a n g e s a n de c o l o g i c a l r i s k a s s e s s m e n t a r e o f g r e a t s i g n i f i c a n c e t o t h e f o r m u l a t i o na n d i m p l e m e n t a t i o no f r e g i o n a l e c o l o gi c a l e n v i r o n m e n t a l pr o t e c t i o n p o l i c i e s .K e y w o r d s:l a n du s e c h a n g e;G e o d e t e c t o r;e c o l o g i c a l r i s ka s s e s s m e n t;c l u s t e r a n a l y s i s;t h eb l a c ks o i l b e l t i n N o r t h e a s tC h i n a21世纪以来,随着经济快速发展,人类对生活空间的需求也在随之增长,其中最为明显的特征是土地利用方式的转变[1]㊂在土地利用方式变化的过程中,往往出现生态空间被挤压㊁生态过程被干扰的现象,导致水土流失㊁生物多样性下降等一系列问题产生㊂党的二十大报告强调,必须牢固树立与践行生态环境保护的理念与措施,站在人与自然和谐共生的角度谋求发展㊂东北黑土带是中国重要的粮食生产基地,但耕地㊁建设用地对林地㊁草地的侵占导致生态用地占比下降,人类改变土地利用方式严重制约自然生态系统发挥其应有的功能㊂因此,进行景观生态风险评估可以将区域已存在或潜在生态风险可视化[2],为进一步生态环境保护与优化工作提供科学依据㊂景观生态风险评价指以景观格局指数为依据,建立区域景观结构与生态过程间的相关关系,反映此区域景观格局中的生态风险[3]㊂不同于传统生态风险评价,景观生态风险评价在景观生态过程与空间格局的耦合机制下,更注重风险的时空异质性与尺度效应所产生的结果,成为区域生态风险评价的重要部分[4]㊂国外研究集中于探究生态过程与空间分布格局间的关联,有学者[5-6]通过结合生态指标与其他指标,建立基于生态视角的评价体系,也有学者[7-8]在物种群落层面研究特定种群对生态系统的敏感性及响应机制;国内有学者[9]针对黄土高原生态环境恶化现状,使用地理探测器探究植被覆盖度与地理因子的耦合机制;诸多学者针对国内东北沙地[10]㊁青藏高原[11]等进行生态风险评价,探究不同自然本底下的生态风险时空分异规律,为宏观生态环境治理提供参考依据㊂东北黑土区是我国重要的商品粮生产基地,以生态视角进行区域环境风险评价具有重要意义㊂松嫩平原地处我国东北内陆,与大㊁小兴安岭以及长白山脉接壤,中部地势平缓,边缘地势起伏多变,生态环境极易发生变化㊂以东北黑土带作为研究区,探究2000 2020年间土地利用时空分异及驱动因素,进一步结合景观指数与土壤流失量进行生态敏感性评价,揭示生态风险时空特征,为松嫩平原生态环境保护以及水土流失防治提供理论支撑,为我国东北黑土区科学管理规划提供决策依据㊂1材料与方法1.1研究区概况中国东北典型黑土区包括蒙东黑土区㊁松嫩黑钙土区㊁松嫩典型黑土区(即东北黑土带)与三江黑土区,研究区(42ʎ58' 50ʎ15'N,122ʎ22' 127ʎ59'E)位于东北黑土带[12](图1)㊂东北黑土带位于松嫩平原东部,总面积10.1k m2,北至大㊁小兴安岭,南至长白山脉,地貌类型主要由较低海拔的台地(即漫川漫岗)构成,西北㊁东北以及南部存在低海拔丘陵[13]㊂气候类型属温带大陆性气候,年降水量400~600mm,年均气温2~6ħ,土地利用方式以耕地为主,是中国商品粮生产基地之一㊂研究区主要位于全国水土保持区划表(试行)二级区划中,由北到南分别为大兴安岭东南低山丘陵土壤保持区㊁东北漫川漫岗土壤保持区(黑龙江省)㊁东北漫川漫岗土壤保持区(吉林省)㊂1.2数据来源使用2000年㊁2005年㊁2010年㊁2015年㊁2020年土地利用㊁高程㊁坡度㊁气象数据(年降水量㊁年均气温㊁年均相对湿度㊁0c m年均地温㊁年日照时间㊁年蒸发量㊁年均气压㊁年均风速)㊁土壤侵蚀数据以及研究区基础信息数据㊂土地利用数据与气象数据均来源于中国科学院资源环境科学与数据中心(h t t p s:// w w w.r e s d c.c n),其中,土地利用数据分辨率为30mˑ30m,对原始数据重分类为耕地㊁林地㊁草地㊁水域㊁建设用地㊁未利用地一级地类,气象数据分辨率为1k mˑ1k m;高程数据来自地理空间数据云(h t t p:// w w w.g s c l o u d.c n),分辨率为30mˑ30m;坡度数据使用A r c G I SP r o软件以D E M数据为基础进行计算提取㊂1.3研究方法1.3.1风险小区划分为更准确地计算各区域具体景观生态指数,根据研究目的,将研究区划分为风险小区进行生态风险评价,参考前人[14]研究并结合区域尺度及数据精度,最终将研究区划分为1.5k mˑ1.5k m的格网,基于A r c G I S软件进行采样提取,并使用F r a g s t a t s软件进行景观指数计算㊂1.3.2地理探测器地理探测器以统计学原理为基础,探究事物间的空间分异性并揭示其背后的驱动因素,包括因子探测㊁风险探测㊁交互探测㊁生态探测4种探测模式㊂选用因子探测和交互探测来解析影响研究区土地利用方式的自然因子,因子探测公式为:q=1-ðL h=1N hσ2hNσ2(1)式中:q为地理因子的解释力(%),取值范围为[0,1],q 值越大,说明地理因子对土地利用方式的解释力越大;L 为因变量或地理因子的分区分类;h为分区变量(h=1, ,L);N h和σ2分别为研究区整体的单元数和方差㊂q 交互探测用于识别地理因子间的交互作用,评估2个243水土保持学报第37卷地理因子共同作用时是否增加或减弱对土地利用方式的解释力,或对其影响是相互独立的㊂图1研究区概况1.3.3景观生态风险指数景观生态风险指数(e c o-l o g i c a l r i s k i n d e x,E R I)用来反映外界环境对不同景观类型的影响程度,不同景观类型对区域生态环境的作用存在差异㊂使用景观结构反映研究区生态风险敏感性,表达式为:E R I i=ðn i=1A k i A kˑR i(2)R i=E iˑV i(3)E i=a C i+b N i+cF i(4)式中:E R I i为第i类景观生态风险指数;n为景观类型;A k i为第k个风险小区中第i类景观类型的面积;A k为第k个风险小区总面积;R i为景观损失度指数;E i为景观干扰度指数;V i为景观脆弱指数,在借鉴前人研究成果[15]的基础上采用专家打分法[14],将景观类型的易损度分为6级,荒地㊁草地㊁耕地㊁林地㊁水域㊁建设用地分别为6,5,4,3,2,1,并进行归一化得到景观脆弱度指数的权重;C i为景观破碎度指数;N i 为景观分离度指数;F i为景观分维数指数;a㊁b㊁c分别为C i㊁N i和F i的权重,且a㊁b㊁c之和为1,结合实际情况分别赋值为0.5,0.3和0.2㊂1.3.4水土流失敏感性指数采用修正的通用土壤流失方程(r e v i s e d u n i v e r s a ls o i ll o s s e q u a t i o n, R U S L E)计算的土壤流失量表征水土流失敏感性,其表达式为:A=RˑKˑL SˑCˑP(5)式中:A为土壤侵蚀量[t/(h m2㊃a)];R为降水侵蚀力因子[(M J㊃mm)/(h m2㊃h㊃a)];K为土壤可蚀性因子[(t㊃h m2㊃h)/(h m2㊃a㊃M J㊃mm)];L S 为地形起伏度因子(无量纲);C为植被覆盖因子(无量纲);P为水土保持措施因子(无量纲)㊂1.3.5综合生态敏感性指数通过计算其他点到敏感性最高点之间的距离来构建综合生态敏感性指数(c o m p r e h e n s i v e e c o l o g i c a l s e n s i t i v i t y i n d e x,C E S I),指数越小,则表示生态敏感性越高㊂生态敏感性最高点以景观生态风险敏感性指数㊁水土流失敏感性指数各自归一化后的最大值表示㊂计算公式为:C E S I=(E R I-E R I m a x)2+(A-A m a x)2(6)式中:E R I为像元的景观生态风险敏感性指数;A为像元的水土流失敏感性指数㊂1.3.6空间自相关分析空间自相关分析可以衡量空间数据之间的相互依赖程度㊂使用全局M o r a n's I指数与局部M o r a n's I指数对研究区综合生态敏感性空间特征进行分析,公式为:全局M o r a n's I指数:I=ðn i=1ðnj=1w i j(x i-x)(x j-x)ðn i=1ðnj=1w i jðn i=1(x i-x)2(7)局部M o r a n's I指数:I=(x i-x)S2ðj w i j(x j-x)(8)343第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价式中:I代表M o r a n's I指数;x i㊁x j代表第i㊁j个格网的综合生态敏感性指数均值;x为全部格网敏感性均值;w i j为生态敏感性空间邻接权重;S为空间权重矩阵之和㊂全局M o r a n's I指数采用Z检验,当|Z|>2.58时,说明通过p<0.01显著性检验㊂2结果与分析2.1土地利用空间格局变化东北黑土带2000 2020年土地利用空间格局未发生较大变化,具有较为明显的空间差异性㊂总体来看,2000 2020年研究区内耕地㊁林地㊁水域3类土地利用面积占比呈下降趋势,水域㊁耕地面积变化较大,分别减少975.8,727.1k m2,林地面积减少172.9 k m2;草地㊁建设用地㊁未利用地3类土地利用面积占比呈上升趋势,未利用地㊁建设用地面积变化较大,分别增加1035.7,791.2k m2,草地面积增加48.9k m2;水域面积下降幅度最大,其中110.2k m2净转化为耕地,942.0k m2净转化为未利用地;东北黑土带中扎兰屯市㊁绥化市㊁齐齐哈尔市㊁黑河市以及松原市耕地面积呈上升趋势,阿荣旗㊁鄂伦春自治旗㊁莫力达瓦达斡尔族自治旗㊁哈尔滨市㊁四平市以及长春市耕地面积呈下降趋势(图2,图3)㊂分时段来看,研究区在2000 2005年㊁2010 2015年土地利用方式未发生明显变化,2000 2005年未利用地面积降幅最大,减少105k m2,2010 2015年耕地减少面积最多,减少80.4k m2,2个时期内面积增加最多的均为建设用地,分别增加98.7,159.9k m2㊂2005 2010年㊁2015 2020年研究区土地利用方式变化剧烈, 2005 2010年,研究区北部出现聚集状土地利用变化,南部土地利用变化分布相对均匀,净转化量最大的为草地与耕地,分别增加㊁减少931.9,930.5k m2,转入转出变化最大的为耕地,耕地转为草地2112.3 k m2,林地转为耕地1875.8k m2㊂2015 2020年,研究区南部出现小规模聚集性转化,北部转化分布则相对均匀,净转化量最大的为未利用地与水域,分别增加㊁减少1285.2,1644.5k m2,转入转出变化最大的为耕地,耕地转为未利用地1711.8k m2,草地转为耕地2066.8k m2㊂图22000-2020年土地利用方式转移图32000-2020年各土地利用方式占比2.2地理因子对土地利用格局变化的贡献从自然条件角度分析,选取高程㊁坡度㊁年均气温㊁年蒸发量㊁年均地温㊁年降水量㊁年均气压㊁年均相对湿度㊁年日照时间㊁年均风速10个自然因子,利用自然间断点法进行分类,使用地理探测器模型计算自然因子对土地利用方式的解释力㊂因子探测结果(表1)表明,东北黑土带的自然因子对土地利用方式的解释力(%)从大到小依次为年均气温(1.49)>年均相对湿度(1.29)>年均地温(1.15)>年日照时间(1.04)>年蒸发量(0.99)>年均气压(0.84)>高程(0.51)>年均风速(0.35)>坡度(0.27)>年降水量(0.07)㊂其中,年均气温㊁年均相对湿度㊁年均地温和年日照时间对土地利用方式的解释力>1%,为主要驱动因子,年蒸发量㊁年均气压㊁高程的解释力>0.5%,为次要驱动因子,年均风速的因子解释力相对较弱,坡度㊁年降水量未通过0.05显著性检验㊂根据交互探测结果(表2),选取主要驱动因子与次要驱动因子间探测结果发现,高程ɘ年均气压㊁高程ɘ年日照时间与年均气温ɘ年均气压表现为非线443水土保持学报第37卷性增强,其余因子交互探测结果表现为双因子增强㊂年均气温与各因子交互探测的解释力除年均地温外,均大于其余因子间交互探测的解释力,年蒸发量㊁年均气压㊁高程与不同因子间的交互探测解释力相比其单因子解释力有较为明显的提高,年均风速与各因子交互作用结果均表现为非线性增强㊂不同自然因子对研究区土地利用方式空间分布的影响差异较为显著,且因子间存在增强影响效果的协同作用㊂表1地理探测器因子探测结果单位:%D E M T E M E V P G S T P R E P R S R HU S L O P E S S D W I Nq s t a t i s t i c0.511.490.991.150.070.841.290.271.040.35 P v a l u e00000.602000.13900.001表2地理探测器交互探测结果单位:%D E M T E M E V P G S T P R S R HU S S D W I ND E MT E M1.87*E V P1.42*2.26*G S T1.56*2.15*2.06*P R S1.44#2.40#1.76*2.00*R HU1.70*2.17*1.92*2.14*1.18*S S D1.62#2.35*1.77*1.93*1.56*1.95*W I N1.10#2.13#2.03#2.37#1.35#2.14#2.02# 注:*表示双因子增强,即q(X1ɘX2)>M a x(q(X1),q(X2));#表示非线性增强,即q(X1ɘX2)>q(X1)+q(X2); 表示无数值㊂2.3生态敏感性时空变化特征分析2.3.1单一指标生态敏感性时空变化特征本研究将单因子指标归一化,采用自然间断点法进行分级,得到各生态指标敏感性时空分布图㊂由图4可知,研究区景观生态风险敏感性分布呈北高南低的模式,高敏感区集中分布在研究区北部大㊁小兴安岭山地丘陵与松嫩平原的交错地带,地形较为复杂,土地开发利用受到的限制条件较多,景观系统分布较为破碎;长白山脉与松嫩平原交汇处整体高程变化不大,以平原㊁台地和低丘陵为主[16],地势较为单一,景观系统种类丰富且分布均匀,导致其景观生态风险敏感性较低㊂2005 2010年间,研究区景观生态风险敏感性呈下降趋势,主要表现为北部高敏感区范围缩小,南部较高敏感区转变为中㊁低敏感区;2015 2020年间,研究区北部高敏感区由聚集状向条带状转化,存在向中部移动的趋势㊂总体而言, 2000 2020年研究区景观生态风险敏感性存在显著的阶段性变化,敏感性与地势的空间分布一致,地势较为复杂的区域敏感性较高㊂图42000-2020年景观生态风险敏感性分布研究区水土流失敏感性时空变化(图5)表明,水土流失敏感性空间分布受到年降水量㊁高程的影响,研究区南北两端水土流失敏感度相对较高㊂由于大兴安岭㊁小兴安岭与长白山脉海拔较高,阻挡水汽输送,研究区内形成了3个年降水量高值区,分布于研究区北部㊁中部和南部,年降水量高值区中存在山地丘陵与平原的过渡地带,地形较为复杂,高程变化较大㊂上述区域长期受降水径流冲刷,水土流失情况最为严重㊂水土流失敏感性较低的区域主要分布于松嫩平原,此区域地形起伏小㊁年降水量较低,受径流冲刷的影响较小㊂2000 2005年,大兴安岭山麓水土流失敏感性普遍降低,长白山脉附近出现水土流失敏感性升高的区域㊂2005 2010年,研究区中部敏感性普遍下降,南北两端高敏感聚集区出现向中部移动543第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价的趋势㊂2010 2015年,大兴安岭山麓敏感性回升,其余地区敏感性总体呈下降趋势㊂2015 2020年,研究区内高值区域向内收缩,在西㊁南两端出现小范围敏感性高值区域㊂图5 2000-2020年水土流失敏感性分布2.3.2 综合生态敏感性时空变化特征 将研究区各年份综合生态敏感性采用自然间断点[17]法进行分级,将生态敏感性分为高度敏感㊁较高敏感㊁中度敏感㊁较轻敏感㊁轻度敏感5个等级(图6),统计各年份不同敏感程度的面积及比例表明(表3),2000 2020年,研究区内轻度敏感㊁较轻敏感区面积之和占比在44%左右波动,轻度敏感区主要分布于松嫩平原地带,为常年低敏感区;中度敏感㊁较高敏感区面积之和在2005 2020年出现下降趋势,高度敏感区面积呈先增加后减少趋势,在2005 2015年面积呈增加趋势,2015 2020年面积大幅下降,减少2184.4k m 2,生态环境整体呈改善趋势㊂图6 2000-2020年综合生态敏感性分布表3 2000-2020年综合生态敏感性面积占比综合生态敏感性2000年面积占比/%2005年面积占比/%2010年面积占比/%2015年面积占比/%2020年面积占比/%高度敏感6051.06.06672.66.66788.56.77490.87.45306.45.2较高敏感15248.615.024516.424.214837.714.612312.612.122454.922.1中度敏感28874.628.538012.537.534037.133.636969.536.529141.528.7较轻敏感34936.134.521187.120.932969.532.534764.134.329721.029.3轻度敏感16274.016.110995.710.812751.612.69847.39.714760.414.6 从空间分布来看,2000年研究区高度敏感区主要集中于大兴安岭山麓,较高㊁中度敏感区呈聚集状均匀分布,轻度㊁较轻敏感区呈条带状分布㊂2005年研究区内轻度㊁较轻敏感区出现收缩趋势,中度㊁较高敏感区出现向四周扩散的现象,高度敏感区略微扩张,长白山脉及大㊁小兴安岭区域生态敏感性上升㊂2010年研究区高度敏感区域基本没有变化,较高敏感区向大㊁小兴安岭山麓转移,研究区轻度㊁较轻敏感区增多,中度敏感区分布趋于集中㊂2015年研究区南㊁北两端的较轻敏感区㊁中度敏感区均出现向外扩张趋势,整体分布结构趋于单一㊂2020年研究区低敏感区向南转移,中部较轻㊁中度㊁较高敏感区穿插分布,高度敏感区范围收缩较为明显,小兴安岭以及长白山脉区域生态敏感性得到改善㊂643水土保持学报 第37卷2.4生态敏感性空间聚集特征2.4.1全局空间自相关分析使用A r c G I SP r o软件对研究区多年份生态敏感性进行全局空间自相关分析,由表4可知,各年份综合生态敏感性M o r a n's I指数均>0,表明综合生态敏感性在空间上呈现正相关㊂检验全局M o r a n's I指数,p值均为0,通过99%置信度检验,说明综合生态敏感性空间自相关显著,相邻度高的区域综合生态敏感性较为相似㊂Z统计量均>2.58,说明可拒绝零假设㊂研究区综合生态敏感性的空间分布存在正相关关系,表现出聚集分布模式,Z得分随时间变化先上升后略微下降,说明聚集程度总体升高,空间趋同性相对升高㊂表42000 2020年研究区综合生态敏感度全局M o r a n s I指数统计量指标2000年2005年2010年2015年2020年M o r a n's I0.9820.9870.9940.9950.992 Z统计量85.04585.50586.07186.16685.921p值00000 2.4.2局部空间自相关分析使用A r c G I SP r o软件在计算研究区综合生态敏感度M o r a n s I指数的基础上进行空间聚类,得到L I S A空间聚类图㊂在99%置信区间内,划分为5种不同聚集类型,分别为高高聚集区(H-H)㊁高低聚集区(H-L)㊁低高聚集区(L-H)㊁低低聚集区(L-L)和不显著区(N o t S i g-n i f i c a n t),最终得到研究区4041个分区,2000年㊁2005年㊁2010年㊁2015年㊁2020年的综合生态敏感性局部空间自相关聚类图(图7)㊂总体而言,研究区生态敏感性在空间尺度呈聚集状分布,聚集程度随时间推移出现升高趋势㊂综合生态敏感性低值聚集区主要分布于大㊁小兴安岭区域, 2000年㊁2005年㊁2010年长白山脉附近存在小部分低值聚集区,低低聚集区与高度㊁较高敏感区域存在空间分布轻度㊁较轻相似性㊂高值聚集区主要分布于松嫩平原部分,高高聚集区与轻度㊁较轻敏感区域存在空间格局上的相似性㊂由L I S A聚类图可知,研究区生态敏感性随时间推移表现出同一化趋势,生态敏感性高值区向北部聚集,低值区向南部聚集㊂图72000-2020年综合生态风险指数3讨论东北黑土带综合生态风险敏感性的空间分布格局由2000年的总体分散㊁局部聚集转变为2020年的南北分段㊁交错穿插,随时间推移聚集程度出现上升趋势,表明研究区生态环境可能受到规律性的调控㊂中华人民共和国水利部从2003年起针对东北地区实行水土流失综合防治工程,对东北黑土区提供工程以及生态修复方面的技术支持;与此同时,中央及地方政府陆续出台关于东北地区土地利用方式的调控政策以及针对耕地土壤质量的保护政策[18],对东北地区的生境质量产生积极影响㊂3.1综合生态敏感性时空分异特征及归因2000 2010年间,研究区内高度敏感区主要集中于大兴安岭东南低山丘陵土壤保持区中,东北漫川漫岗土壤保持区(黑龙江省)以中度敏感及以下区域为主,存在少量高度敏感区域,东北漫川漫岗土壤保持区(吉林省)内中度㊁较高敏感区占比较大;2010 2020年间,东北漫川漫岗土壤保持区(吉林省)内生态风险明显降低,以中度㊁较轻敏感为主,东北漫川漫岗土壤保持区(黑龙江省)内高度敏感区逐渐减少,较高敏感区域面积相对升高,中度敏感区域面积呈先升高,后降低趋势,较轻及轻度敏感部分变化不明显,大兴安岭东南低山丘陵土壤保持区内高度敏感区呈收缩趋势,中度㊁较轻敏感区稍有改善㊂综合生态高度敏感区持续存在于大兴安岭东南低山丘陵土壤保持区,可能由于其地处山脉与平原之间的过渡地带,地形较为复杂,导致自然因素㊁人为干扰对生态环境的影响被扩大;东北漫川漫岗土壤保持区(黑龙江省)与东北漫川漫岗土壤保持区(吉林省)由于地形相对简单,地势较为平缓,综合生态敏感程743第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价度相对较低㊂国家发改委于2015年出台‘农业环境突出问题治理总体规划(2014 2018)“[19],将黑土地区域土壤质量保护工程纳入重点项目,大兴安岭区域综合生态高敏感区得到有效控制,松嫩平原区域综合生态敏感程度得到改善㊂根据聚类图可知,2000 2020年综合生态敏感性高值区出现南移趋势,低值区出现北移趋势,并且均趋于聚集㊂说明研究区南部生态环境改善程度高于北部,且生态敏感性可能受到周围地区影响,出现同化趋势㊂2005 2010年㊁2015 2020年研究区北部土地利用方式转化区域较为集中,不同景观类型间相互转化导致景观格局稳定性下降,生态敏感性上升[11]㊂3.2土地利用方式及综合生态敏感性变化归因土地作为地表景观的宏观表征,景观生态风险的时空分布与其构成或动态变化具有高度的关联性[4]㊂土地利用方式是人类可以宏观调控的过程因子,反映景观生态对人类活动的响应㊂2000 2020年,研究区土地利用转移较为剧烈的部分为东北漫川漫岗土壤保持区(黑龙江省)区域北部与大兴安岭东南低山丘陵土壤保持区相交的地带,以及南部与东北漫川漫岗土壤保持区(吉林省)相交的地带(图1㊁图2)㊂北部发生剧烈变化的原因可能是此部分处于2个水土保持功能区划的交界处,其土地利用方式易发生变化,导致景观格局稳定性下降,出现景观生态高敏感性聚集区;南部发生剧烈变化可能由于城镇的城市化进程加快,不同土地利用方式转化为建设用地的过程中破坏原本较稳定的景观格局体系,从而导致该区域景观破碎度升高,出现景观生态高敏感区域㊂本研究根据地理探测器结果,将年均气温㊁年均相对湿度㊁年均地温和年日照时间划分为主要驱动因子,对土地利用方式改变产生较为显著的独立影响;年蒸发量㊁年均气压㊁高程与其他因子交互探测结果相比于其单因子探测结果有明显提高,表明次要因子之间存在较为显著的协同作用关系;年均气温与除年均地温外各因子交互作用解释力均为最大,侧面表明土地利用方式对年均气温的响应较为明显;年均风速与各因子交互探测结果均表现为非线性增强,说明年均风速与其他因子的交互作用对研究区土地利用方式变化存在较为显著的影响,针对土地利用方式变化导致景观生态恶化升高的状况,中央政府出台‘全国土地利用总体规划纲要(2006 2020年)“[20]等相关政策,结合各地区自然因素,因地制宜,以土地利用为媒介,对生态风险进行动态调控㊂导致东北地区土壤侵蚀的因素通常有冻融侵蚀㊁风力侵蚀㊁水力侵蚀等,更主要的情况是由多种外营力复合侵蚀导致水土流失[21]㊂地理探测器结果显示,年均气温的单因子解释力显著,年均风速㊁年均气温同其他各因子共同作用的解释力均出现升高趋势,说明气温与风速在景观层面与土壤侵蚀层面均存在较为显著的复合影响作用㊂杨婉蓉等[22]对东北地区风蚀现象进行长时间序列的研究发现,东北地区发生风蚀较为严重的区域与本文中大兴安岭东南低山丘陵土壤保持区重合;任景全等[23]研究结果表明,吉林省风蚀程度自西向东逐渐减弱㊂研究区南北两端出现生态风险高值区的原因可能是受以风蚀为主的侵蚀作用,而吉林省颁布‘吉林省耕地质量保护条例“[24]‘黑土耕地土壤肥力评价技术规范“[25]等针对黑土地保护的专项政策,使得东北漫川漫岗土壤保护区(吉林省)在2010 2020年综合生态敏感度显著下降,生态环境质量得到明显改善㊂现有研究[26-27]表明,土地利用方式是土壤保持功能变化的主导因子,通过影响土壤结构改变土壤侵蚀情况㊂总体来说,研究区综合生态敏感性变化由土地利用方式及土壤侵蚀的复合作用导致,人类通过政策调控[18]㊁技术支持[28]等宏观㊁微观结合的方式均可以对综合生态敏感性进行有效改善㊂4结论(1)研究区2000 2020年土地利用整体格局未发生较大变化,转化最明显的是未利用地和水域,未利用土地面积增加1035.7k m2,水域面积减少975.8 k m2,水域与未利用地之间发生明显的转化㊂2005 2010年㊁2015 2020年2个时期土地利用方式发生较为剧烈的变化,且变化主要发生于耕地部分,2005年 2010年间,耕地主要转为林地㊁草地与建设用地,转出总面积5386.2k m2,耕地由林地转入最多,转入面积1875.8k m2;2015 2020年,耕地主要转出为林地㊁建设用地与未利用地,转出总面积4951.0 k m2,耕地由草地转入最多,转入面积2066.8k m2㊂(2)不同自然因子对研究区土地利用方式的解释力存在显著差异,年均气温㊁年均相对湿度㊁年均地温和年日照时间是土地利用变化的主要驱动因子,因子解释力均>1%;气温是土地利用方式变化的主导因素,风速与高程㊁气温㊁蒸发量㊁地温㊁气压㊁相对湿度㊁日照时间的交互作用对土地利用方式变化均具有显著的协同增强作用㊂(3)随时间推移,研究区生态敏感性整体改善,高度敏感区域减少,轻度敏感区域增加;高度敏感区域843水土保持学报第37卷。
东北三省能源消费碳排放测度及影响因素

东北三省能源消费碳排放测度及影响因素马晓君;董碧滢;于渊博;王常欣;杨倩【期刊名称】《中国环境科学》【年(卷),期】2018(038)008【摘要】将扩展的Kaya恒等式与对数平均迪氏指数(LMDI)分解法相结合,以2005~2016年东北三省主要能源消费数据为研究对象,构建优化的碳排放分解模型,测度并分解其碳排放与碳排放强度.通过与中国同期能源消费碳排放的定量对比分析,考察各产业(部门)能源结构效应、能源强度效应、产业结构效应、经济产出效应和人口规模效应对东北三省能源消费碳排放的影响.结果显示:2005~2016年,东北三省碳排放总量占中国碳排放总量的8.84%,碳排放强度普遍高于中国碳排放强度.经济产出效应和人口规模效应对东北三省碳排放增长起拉动作用,其中经济产出效应贡献最大为188%,经济发展和城市化进程的加速不利于碳排放的降低.产业能源强度效应、能源结构效应及产业结构效应对东北三省碳排放增长起抑制作用,能源强度效应的抑制作用最大为59%,产业能源强度的调整空间较大.降低能源消耗强度,调整产业内部结构,完善经济政策体制是今后促进东北三省低碳经济发展的重要手段.【总页数】10页(P3170-3179)【作者】马晓君;董碧滢;于渊博;王常欣;杨倩【作者单位】东北财经大学统计学院,辽宁大连 116025;东北财经大学统计学院,辽宁大连 116025;辽宁大学亚澳商学院,辽宁沈阳 110136;东北财经大学统计学院,辽宁大连 116025;东北财经大学统计学院,辽宁大连 116025【正文语种】中文【中图分类】X24【相关文献】1.广东省能源消费碳排放分析及碳排放强度影响因素研究 [J], 田中华;杨泽亮;蔡睿贤2.家庭部门生活能源消费碳排放:测度与驱动因素研究 [J], 计志英;赖小锋;贾利军3.减缓工业企业碳排放的关键在哪里——新昌县规上工业企业能源消费碳排放影响因素分析 [J], 张亚红4.安徽居民生活能源消费碳排放测度及影响因素分析 [J], 赵雪梅5.遵义市规模以上工业能源消费碳排放测度及影响因素 [J], 郭晓芳因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
收稿日期收稿日期:2016-05-23;修订日期修订日期:2016-09-09基金项目基金项目:国家自然科学基金项目(71541020,41371142,41430636)资助。
[Foundation:National Nature Sciences Foundation of China (71541020,41371142,41430636).]作者简介作者简介:马丽(1975-),女,山西祁县人,副研究员,博士,主要从事经济地理与区域可持续发展、能源发展与环境影响研究。
E-mail:mali@①本文“地级市”包括东北三省内的哈尔滨、长春、沈阳、大连4个副省级城市。
马丽,张博,杨宇.东北地区产业发展与工业SO 2排放的时空耦合效应[J].地理科学,2016,36(9):1310-1319.[Ma Li,Zhang Bo,Yang Yu.The Spatio-temporal Cou-pling Relationship Between Industrial Development with SO 2Emission of Northeast China.Scientia Geographica Sinica,2016,36(9):1310-1319.]doi:10.13249/ki.sgs.2016.09.004东北地区产业发展与工业SO 2排放的时空耦合效应马丽1,2,3,张博2,3,杨宇1,2,3(1.中国科学院区域可持续发展分析与模拟重点实验室,北京100101;2.中国科学院地理科学与资源研究所,北京100101;3.中国科学院大学,北京100049)摘要摘要:以工业SO 2为对象,以东北地级市①为研究单元,运用脱钩指数分析了工业产值变化与SO 2排放规模变化的动态耦合关系及空间格局,并利用LMDI 因素分解法对各地市工业SO 2排放变化从规模增长、结构转型和技术升级3方面进行解析。
研究发现,在东北地区产业发展过程中,工业产值规模的增长对工业SO 2排放增长呈现正向驱动;而工业技术的进步和节能减排措施的使用促进了工业SO 2排放的降低,而产业结构的作用因区域而异。
在环渤海湾地区以及辽源、松原、鹤岗、伊春、七台河、绥化等以木材加工和煤电为核心产业发展的城市,能源基础原材料产业比重的上升促进了地区工业SO 2排放的增加。
最后根据不同地市工业SO 2减排的主要驱动因素和限制因素,针对性的分类型、分区域提出促进东北地区产业绿色转型的政策建议。
关键词关键词:产业发展;工业SO 2排放;脱钩;因素分解中图分类号中图分类号:F062.4文献标识码文献标识码:A文章编号文章编号:1000-0690(2016)09-1310-10工业化和产业活动作为人类作用于“人地关系”地域系统的主要行为,是人类影响资源与环境的重要载体。
长期以来,国内外学者对于工业化对环境影响进行了大量研究,如经济与环境协调发展的条件、过程以及要素的相互关系研究[1~4]及著名的经济增长与环境质量关系的环境库兹涅茨曲线(Environmental Kuznets Curve ,简称EKC )[5~8]。
21世纪初,OCED 对于环境污染与经济发展的关系,采用了脱钩的概念[9]。
脱钩即经济增长没有带动相同幅度的环境压力增长,打破了环境压力与经济绩效之间的联系[10~14]。
还有学者采用耦合协调度分析方法[15,16]。
但这些方法都是通过分析经济增长与环境压力数据变化之间的规律,来研究经济增长对环境压力的作用,没有真正揭开二者之间的“驱动与响应”关系。
之后因素分解分析被引入EKC 研究,通过将经济增长分解为规模、结构、技术等不同因素,通过计算不同因素的变化程度相对于总变化的贡献率来对经济增长的资源环境响应进行解析,从而推进了经济增长与资源环境关系的研究[17~23]。
2003年国务院发布振兴东北老工业基地政策实施以来,东北地区工业取得迅速复苏和发展。
2005~2013年东北地区工业总产值增幅438.80%,年均增速20.09%超过全国同期水平。
同时随着国内节能减排和脱硫脱硝等末端治理措施的实施,东北地区工业SO 2排放量也有所下降,2013年东北地区工业SO 2排放规模比2005年降低6.83万t 。
其工业结构也不断优化,能源基础原材料部门在工业总产值中的比重从49.77%下降到34.63%,而装备制造业比重从25.4%增加到29.12%,轻纺工业比重也从13.17%提高到22.43%。
但是,不同地市由于工业体系不同,产业转型的规模和结构不同,对地区环境压力的影响也不同。
为了更为清晰的揭示东北老工业基地振兴与环境质量之间的耦合关系,辨析东北产业发展是绿色的还是褐色的?其空间格局是如何?本文将以地级市为基本研究单元,地理科学Scientia Geographica Sinica第36卷第9期2016年09月V ol.36No.9Sep.,2016马丽等:东北地区产业发展与工业SO2排放的时空耦合效应9期通过运用脱钩指数和LMDI因素分解法,对产业发展与工业SO2排放的定量耦合关系,以及工业规模、结构和技术不同因素对工业SO2排放的贡献率进行分析,从而建立产业转型过程与环境污染排放的定量关系,并为针对性的环境管制和产业转型提供建议。
1研究方法1.1脱钩指数Vehmas等学者通过计算环境污染排放规模相当于经济产值的弹性系数,构建了“脱钩”与“复钩”的评价模型[24]。
计算公式如下:DEI,Y =∆EI'∆Y'=∆EI/EI∆Y/Y(1)式中,DEI,Y是污染物排放相对于工业产值的产值弹性,即工业总产值变动一个百分点引起的污染物排放规模的变化。
其中∆EI'为污染物排放规模的变化速度,是评价时期内排放规模的变化量(∆EI)与初期排放规模(EI)的比值;∆Y'为工业总产值的变化速度,是评价时期内工业产值的变化量(∆Y)与初期工业产值(Y)的比值。
根据Tapio等对脱钩指数的解释[25],当经济增速与污染物增速不同步时,二者便呈现出脱钩状态;但当经济增长会导致污染物排放变化时,二者便是有关联,是负脱钩(或“复钩”)状态。
由此根据经济增长与污染物排放变化趋势,形成如下组合:当污染物呈现负向增长,而产值正向增长,DEI,Y值为负时,二者是一种绝对脱钩状态,即产值增长不会导致污染排放的增长;当二者同步正向增长,污染物排放增速小于经济增速导致DEI,Y值在0~1之间时,二者为相对脱钩;但如果污染物排放增速高于经济增速导致DEI,Y值在1以上时,为扩张性负脱钩;当污染物增速与产值增速皆为负,且污染物排放规模递减增速大于经济递减增速,导致DEI,Y在1以上时,为衰退性负脱钩;而当污染物排放规模递减增速小于经济递减增速,导致DEI,Y在0~1之间时,对相对负脱钩;而当污染物排放呈正向增长,工业产值增速递减时,二者是绝对负脱钩(表1)。
1.2脱钩指数分解脱钩评价模型只能描述产值增长和污染变化趋势的同步关系,无法对发展与环境污染之间的直接作用关系作为更为深入的分析。
鉴于此,运用Kaya方程在工业规模、部门结构和环境污染物排放之间建立物质联系关系,并通过LMDI法对工业经济与污染物排放规模变化之间的脱钩指数进行分解,以分析规模增长、部门结构变化以及技术变化等因素对脱钩指数变化的贡献值。
采用了Kaya恒等式的概念,对工业产值增长与污染物排放之间的脱钩指数进行分解。
EI=Y×∑i EI i Y=Y×∑i EI i Y i×Y i Y(2)式中,EI为污染物排放量,Y为工业总产值,EIi为工业部门内部第i部门的污染排放量,Yi为第i部门的产值。
因此,污染物排放总规模的变化就受到产值规模(Y)、污染排放强度(IEi=EI iYi)和产业结构(ISi=Y iY)因素的影响,基期污染物排放规模的变化(∆EI)就可表示为:∆EI=EI t-EI0=∑iY t i×IE t i×IS t i-∑i Y0i×IE0i×IS0i=∆EI I+∆EI IE+∆EI IS(3)式中,∆EII为工业产值规模因素,EI t是评价期末t 时的污染物排放量,EI0是评价初期的污染物排放量,∆EIIE为单位产值污染排放系数,即技术因素,∆EIIS为产业结构因素。
运用对数平均迪氏指数法(Logarithmic Mean Divisia Index,LMDI)进行分析。
该方法属于指数分解方法(IDA)范畴,适合分解因素少并且包含时间序列需数据的模型,并且Ang的研究表明该方法可以将余项完全分解,不存在不解释的余项,从而使分解结果更具有说服力[26]。
∆EII=EI t-EI0ln EIt-ln EI×ln I tI0(4)∆EIIE=EI t-EI0ln EIt-ln EI×ln IE tIE0(5)∆EIIS=EI t-EI0ln EIt-ln EI×ln IS tIS0(6)式中,It是评价期末t时的工业总产值,I0是评价表1工业产值增长与环境污染脱钩程度判定标准Table1The classification criteria for decoupling degreebetween pollution emission and industry output趋势脱钩负脱钩类型绝对脱钩相对脱钩衰退性脱钩绝对负脱钩相对负脱钩扩张性负脱钩∆EI'(-µ,0](0,+µ)(-µ,0)[0,+µ)(-µ,0)(0,+µ)∆Y'(0,+µ)(0,+µ)(-µ,0)(-µ,0)(-µ,0)(0,+µ)DEI,Y(-µ,0](0,1)[1,+µ)(-µ,0](0,1)[1,+µ)1311地理科学36卷初期的工业总产值;IE t 是评价期末t 时的单位产值污染物排放量,IE 0是评价初期的单位产值污染物排放量;IS t 是评价期末t 时污染高负荷部门在工业总产值的中的比重;IS 0是评价初期污染高负荷部门在工业总产值的中的比重。
2东北地区产业发展与工业SO 2排放空间格局及演化2.1东北地区产业发展的空间格局及演化尽管与2005年(图1a )相比,2013年东北地区工业总产值分布格局没有发生较大的变化(图1b ),依然呈现以哈尔滨-长春-沈阳-大连城市带为核心的集聚分布格局,黑龙江北部和辽宁、吉林东西两翼地区工业产值规模相对较低。
但是,从不同地市工业产值增速的空间格局可以看出(图1c ),2005~2013年工业产值增速较快地区相对集中在工业产值水平较低的东西两翼地区。