安徽省建设用地时空结构变化及影响因素研究

基于信息熵模型分析2012—2017年安徽省及16个地市建设用地结构,并借助灰色关联理论探究了影响信息熵的内外部因素。结果表明:(1)研究期内,信息熵与均衡度均略有下降,而优势度略有上升,建设用地结构趋向稳定;(2)2017年信息熵高值区有6个城市,中熵值区有7个,低熵值区有3个;(3)安徽省建设用地信息熵与居住用地具有强关联,与公共管理与公共服务用地、道路交通设施用地、公用设施用地关联度较低;(4)社会经济发展对建设用地信息熵影响较大,滁州与池州的受影响程度最为显著。     

边境地区城乡建设用地与人口变化脱钩研究——以吉林省珲春市为例

依据脱钩指数计算模型和Tapio划分的脱钩状态,对吉林省珲春市2008—2017年城乡建设用地与人口变化的脱钩关系进行分析。结果表明:2008—2017年,珲春市仅杨泡满族乡呈"强脱钩"关系,市区呈"弱脱钩"关系,近海街和马川子乡呈"扩张负脱钩"关系;其他镇(乡)呈"强负脱钩"关系,整体上珲春市基于人口数量的城乡建设用地规模处于欠合理状态。鉴于此,针对加快珲春市经济结构向土地节约集约利用型转变和促进城乡统筹发展提出相关建议。     

基于信息熵的天津市建设用地演化与驱动因素分析

随着我国经济的快速发展和工业化的推进,建设用地规模扩张趋势日趋明显。基于信息熵模型和主成分分析法,以天津市为例,分析了2002—2013年建设用地结构时序演变过程,识别影响建设用地变化的关键因子。分析结果显示:建设用地结构信息熵指标、均衡度指标变化趋势为平稳—降低—升高,最后又趋于稳定,而优势度指标趋势变化与之相反。天津市建设用地结构时序变化的主要驱动因素有:人口结构和经济发展因子、劳动量因子和区域产业结构因子,从而为城市土地的集约利用和建设用地优化配置提供参考。     

新常态下低碳产业的机遇与发展模式选择

新常态下,我国经济发展的条件、方式、驱动力和目标都出现新的变化,为具有低能耗、低排放、低污染,高技术、高附加值、高产业关联、政策导向性等特点的低碳产业提供政策、市场、技术创新、企业活力释放等多方面的发展机遇。同时,由于经济出现新的特点,低碳产业发展模式也需要相应改变。新常态下低碳产业需要从政府主导模式向"政府—市场—企业—消费者"的"四位一体"发展模式转变,这四者相互联系、相互影响,各自发挥不同的作用,共同促进低碳产业发展。     

贵州省乡村旅游空间特征的主导因子及其空间响应——基于地理加权相关系数的分析

选取贵州省1976个乡村旅游点作为研究对象,采用核密度、地理探测器、地理加权相关系数探究了2017—2019年该省乡村旅游空间特征、主导因子及其空间响应。结果表明:(1)乡村旅游空间格局为"中部集聚、周边随机"和"双核心、多热点"。(2)高程、住宿接待能力、水文环境、地形坡高等是影响乡村旅游空间特征的主要因素。(3)除地形坡高与乡村旅游呈负相关外,其他主导因子均与乡村旅游呈正相关,高程的起伏促进了乡村旅游的发展。     

新常态下碳减排与经济转型多目标投入—产出优化研究

在我国经济新常态背景下,通过构建经济—环境系统模型刻画了CO2排放的规模效应、结构效应和技术效应及其作用机制,利用多目标投入—产出规划预测了2020年我国经济增长、结构优化、能源消费和碳排放的整体优化方案。结果表明:保持中高速增长是新常态下提高我国发展平衡性、包容性的速度要求;碳排放和能源消耗总量的持续增长要求强化经济和能源向低碳转型的倒逼机制;"退二进三"的经济服务化将是我国产业结构绿色发展的逻辑主线。     

浅析珠三角工业结构与环境污染物的灰色关联

根据2004—2009年珠三角地区各种工业结构、总产值以及工业“三废”排放量等数据,运用灰色关联分析研究了珠三角工业生产规模结构、轻重工业结构、行业结构、工业生产结构与不同环境污染物之间的关联程度。结果表明：珠三角3种生产规模的企业中与工业“三废”关联最大的是中型企业,其次是大型企业,小型企业最小;相对重工业,珠三角轻工业与工业“三废”的关联较大;珠三角工业主导行业与工业“三废”的关联度排序：采矿业〉制造业〉电力燃气及水的生产和供应;就产业结构来说,与污染物的灰色关联度依次是：第一产业、第二产业、第三产业。     

吉林省城市建设用地扩张时空特征及驱动因素分析

城市建设用地扩张是当前我国城市土地利用变化的重要特征。引入扩张速度指数、扩张强度指数,研究2000—2014年吉林省城市建设用地扩张时空特征,运用灰色关联分析法探究其驱动因素。结果表明:(1)研究期内,吉林省城市建设用地扩张时序性、阶段性特征明显,建设用地总量初期平缓扩张—中期快速扩张—后期平缓扩张; 9地市(州)呈现初期"辐射式"扩张、中期"阶梯圈层式"扩张;后期"跳跃式"扩张。(2)3时期9地市(州)城市建设用地扩张地域差异特征显著,中部初期率先扩张、东部中后期显著扩张、西部后期迅速扩张,且地域差异性日趋缩小,趋向均衡稳定的扩张态势。(3)产业结构调整、城镇化发展、人口因素、经济增长是重要驱动因素。     

经济新常态下的“十三五”环境压力预测

我国经济已经从高速增长转向中高速增长的新常态阶段,经济发展方式从规模速度型粗放增长转向质量效率型集约增长,产业结构从劳动密集型向资金密集型和知识密集型转换,经济发展动力从要素驱动、投资驱动转向创新驱动。经济新常态下,环境保护将迎来难得的历史机遇,同时也面临严峻的挑战。为了深入理解和准确把握经济新常态下我国"环境态"的发展特征,本文基于中长期环境经济预测模型定量测算了2020年我国社会经济、能源和水资源以及主要污染物排放趋势和特征。结果表明,"十三五"期间,我国能源和水资源消耗总量增长将趋缓,新增消耗量进入涨幅收窄期;产业转型升级加速将从源头上减轻新增污染减排的压力,主要大气和水污染物排放将进入高位平台期,排放强度将呈现高位回落。     

基于STIRPAT模型的城市建设用地结构差异对用地效率的影响研究——以四川省为例

利用信息熵模型和偏移—份额模型测度分析了四川省18个城市2002—2016年用地结构变化的时空特征。基于包含非期望产出的超效率SBM模型,测算分析了城市用地效率的变化规律;基于STIRPAT模型,构建了用地结构对用地效率影响的扩展模型,并分析了结构对效率的影响特征。结果表明:生活用地、生产用地、生态用地、公共设施用地、居住用地和绿地在城市建设用地结构中占额分配率的不同,对城市用地效率具有直接的影响作用。     

新常态下中国能源需求预测预警研究CSSCI

考虑能源—经济—环境大系统的协调作用,构建中国能源需求预测预警的系统动力学模型,运用情景模拟方法模拟新常态下经济增速、产业结构、能源政策不同的三种情景,分别预测"十三五"期间中国能源需求量、需求结构、CO2排放量和能源预警指标。研究发现:新常态下,能源需求总量增速由高速增长变为中高速增长;当经济增速为6.5%时,加快产业结构转型,加大能源调控力度,到2020年时我国能源需求量达到50.78亿t标准煤,非化石能源需求比例为16.1%,CO2排放量将达到103亿t,能源自给率为82.7%,该指标处于预警区域。本研究为新常态下中国能源规划提供理论依据与决策支持。     

城市建设用地碳排放效率空间关联网络特征及影响因素分析——以山东省为例

探讨碳排放约束下城市建设用地碳排放效率的空间关联特征及其影响因素，有助于协同提升区域间的建设用地碳排放效率，进而提升土地资源配置效率、推动绿色低碳发展。采用SBM模型、引力矩阵模型与社会网络分析法等方法探究2003—2019年山东省建设用地碳排放效率的空间关联网络特征及其影响因素。结果表明：(1)山东省建设用地碳排放效率逐年提升，空间上由西向东逐渐优化。(2)山东省建设用地碳排放效率空间网络密度值相对较低，呈现“扁平化”的等级结构特征，网络结构稳定性逐渐增强。(3)东营、济南、青岛等城市对资金、人才和技术等资源要素的吸引力较强，滨州、聊城、德州等城市同时处于地理和网络位置边缘，缺乏效率受益和溢出渠道。(4)板块之间联系更为紧密且互动趋势明显，呈现出受益和溢出板块城市成员少而经纪板块城市成员多的非均衡特征。(5)空间关联网络的形成是地理邻近、经济发展、产业结构、土地利用强度、土地利用结构和城市化等影响因素综合作用的结果。     

山东省生态用地时空演变格局及其影响因素

选用山东省1980—2015年共6期遥感解译土地利用现状数据,采用土地利用类型动态度、土地利用转移矩阵、不稳定版块空间特征等方法分析了山东省生态用地时空演变格局及其影响因素,为土地的合理规划利用提供参考依据。结果表明:1980—2015年山东省生态用地占全省总面积比例由22. 45%下降至20. 42%;非生态用地面积整体上由77. 55%增加至79. 58%,主要表现在建设用地的增加。整体上,生态用地向规模递减的方向发展,非生态用地向规模递增的方向发展。影响研究区生态用地格局变化的因素主要包括研究区的气象条件、经济发展水平、产业结构和人口结构等因子。     

天津市不同土地利用的碳排放特征及空间格局研究

调整土地利用结构、控制碳排放量是减小温室效应的有效途径之一。在对天津市2008—2012年土地利用变化规律进行分析的基础上,探讨了天津市及其各区县的碳排放变化特征与空间分布格局。结果表明:研究时段内,天津市建设用地面积增加,耕地和林地呈现减小特征;建设用地为天津市碳排放的主要来源,林地为碳吸收量的主要来源;耕地的碳排放量呈正空间自相关效应,高值高聚集区域集中在宝坻区;林地的碳排放量呈负空间自相关效应,低值低聚集区集中在东丽区和塘沽区。该研究以期为未来天津市进行土地利用结构调整和编制土地利用规划提供数据支持。     

合肥市近19年来土地利用格局的时空变化分析

利用Landsat TM、ETM 、CBERS—2资源卫星数据,采用基于知识型光谱特性的增强与人机交互解译相结合的方法,提取了合肥市1987年、2000年和2006年土地利用类型的专题信息。利用GIS空间分析技术和数理统计方法,分析了合肥市近19年来的土地利用变化特征。结果表明:①在整个阶段—耕地减少了23.38%,建设用地增加了61.26%;城镇用地新增速度最快,且新增速率远大于转移速率,属高速扩张型;②区内最"敏感"的类型是交通用地,其新增速率在两个阶段分别达到1.64和1.62,远高于其它的类型;④从城市扩展的方向上看,合肥城市的发展主要以西南部、南部和东部为主,西南部最为明显;城市已经形成以老城区为核心,向东、北、西南三翼伸展,形成"南进—东拓—西缓—北抑"的空间发展布局。     

新常态下如何实现环境保护的纳什均衡

从自然资源和生态环境的公共性出发,认为以经济建设为中心的政策选择,促成了以淡视生态环境为前提的均衡策略,让经济发展与环境保护之间形成"坏"的纳什均衡,而新常态能够为经济发展和环境保护之间达成好的纳什均衡提供了改革保障、法制保障和经济保障,因此,新常态下的生态文明建设能够解套环境保护的"囚徒困境",最重要的任务是借助政府这一外力制定新的"游戏规则",以打破原有的"纳什均衡",通过建立健全环境成本内部化的政策措施和生态补偿机制、改革政绩考核机制实现对绿色发展的激励等措施,推进经济发展与环境保护之间达成理想的"纳什均衡"。     

江苏省城市建设用地结构时空演变及驱动力分析

运用信息熵和偏离份额模型揭示江苏省城市建设用地结构的时空演变特征,并用主成分分析法提取主要驱动因子。研究表明:1苏南城市建设用地较苏北结构稳定,信息熵变化幅度小。2南京、无锡、盐城、淮安、宿迁补给效应较显著,镇江、南通、扬州、泰州挤出效应较显著;道路广场用地、绿地补给效应显著,仓储用地、对外交通用地和特殊用地挤出效应显著。3居住用地、公共设施用地、道路广场用地、绿地属增长性结构,其余地类属衰退性结构。4作为省会城市,南京是多类建设用地竞争性偏移量的高值区,苏南、苏中、苏北经济欠发达地区对各类建设用地不具有竞争优势。5江苏省城市建设用地结构变化的主要驱动力是社会经济发展和人民生活水平提高,产业结构调整的贡献度次之。     

江苏省城市建设用地结构时空演变及驱动力分析CSSCI

运用信息熵和偏离份额模型揭示江苏省城市建设用地结构的时空演变特征,并用主成分分析法提取主要驱动因子。研究表明:1苏南城市建设用地较苏北结构稳定,信息熵变化幅度小。2南京、无锡、盐城、淮安、宿迁补给效应较显著,镇江、南通、扬州、泰州挤出效应较显著;道路广场用地、绿地补给效应显著,仓储用地、对外交通用地和特殊用地挤出效应显著。3居住用地、公共设施用地、道路广场用地、绿地属增长性结构,其余地类属衰退性结构。4作为省会城市,南京是多类建设用地竞争性偏移量的高值区,苏南、苏中、苏北经济欠发达地区对各类建设用地不具有竞争优势。5江苏省城市建设用地结构变化的主要驱动力是社会经济发展和人民生活水平提高,产业结构调整的贡献度次之。     

高质量发展理念下资源型城市转型绩效及障碍因子分析——以甘肃省金昌市为例

以我国西北地区典型资源型城市甘肃省金昌市为例,基于高质量发展理念,从经济发展、民生改善、资源利用、环境整治、产业转型5个维度构建评价体系,采用熵权—改进的TOPSIS模型测度了金昌市2008—2017年的转型绩效,运用障碍度模型厘清了影响高质量发展的主要障碍因子。结果表明:①转型总绩效逐年稳步提升,5个维度的分绩效均有不同程度的改善,总体呈两个阶段:第一阶段是2008—2014年的转型发展初期,产业格局尚未稳定,分绩效不稳定;第二阶段是2015—2017年的稳健发展期,绩效稳步提高。②主要障碍因子的排序为:高新技术产业增加值占GDP比例第三产业增加值占GDP的比例单位工业增加值能耗单位GDP能耗城镇登记失业率地方财政一般预算收入农村居民人均可支配收入城镇居民人均可支配收入。     

干旱区典型绿洲城市LUCC及社会人文驱动因素分析——以乌鲁木齐市为例

选取2001—2011年的相关数据,采用因子分析、相关性分析的方法对乌鲁木齐市土地利用/土地覆被变化及社会人文因素进行分析。结果表明:①研究区的土地利用类型的整体结构差异明显,农用地占据绝对优势,其比重均在79%以上,但面积和比例持续缩小;建设用地则处于相对劣势的地位,其比重仅为3.2%左右,但规模和比重却在不断扩大。②11年来,研究区土地利用变化的总强度不大,仅为36%,各用地类型的动态度为:建设用地农用地其他用地。③各类用地变化强度的顺序为:交通用地园地居民点工矿用地耕地水域水利设施用地牧草地其他农用地其他建设用地。④影响乌鲁木齐市土地利用类型变化的4个因子及其影响程度由高到低的排序为:区域经济产业结构交通发展社会人口。