城市自然与社会环境对新型冠状病毒肺炎发病率的影响

在城市尺度上探究了 2020年1月1日～3月5日期间城市规模、医疗资源水平等城市自然与社会经济因素对新冠肺炎人群发病率的影响.基于多种传统统计模型与机器学习方法识别了新冠肺炎发病率的关键影响因子.基于新兴的可解释机器学习框架,探究了发病率与关键影响因子之间的非线性联系.结果表明:城市新冠肺炎发病率受到人口迁入、城市规模...     

皖北地区乡村稀释化特征、影响因素及形成机制——基于城乡关系的视角

乡村稀释化是指城乡关系失衡下乡村人口持续减少、社会活力凋敝、人居空间不断被稀释的过程,是我国快速城镇化进程中乡村空间问题的动态化呈现,是新时代乡村地理学亟待深化研究的课题。基于城乡关系视角,从人口活力、土地利用和社会活动三个维度对皖北地区乡村稀释化进行测度,综合运用空间自相关、地理加权回归、地理探测器等方法,揭示皖北地区乡村稀释化时空特征、影响因素及形成机制。结果表明:(1)近10年皖北地区乡村稀释化呈现出阶段性加速化过程、多维度差异化状态、集聚性分异化空间格局等特征;(2)人均水资源量、农业从业人口密度、贫困发生率、城乡居民收入差异系数、单位乡村小学在校生人数、每万农村居民村卫生室医生数等要素对皖北地区乡村稀释化影响显著;(3)在特定城乡关系背景下,基于区域本底条件,城市系统的控制引导与乡村系统的被动响应共同推动了乡村稀释化的形成和蔓延。科学认知乡村稀释化,可为乡村振兴与城乡融合发展精准施策提供理论指导。     

皖北地区乡村稀释化特征、影响因素及形成机制——基于城乡关系的视角

乡村稀释化是指城乡关系失衡下乡村人口持续减少、社会活力凋敝、人居空间不断被稀释的过程,是我国快速城镇化进程中乡村空间问题的动态化呈现,是新时代乡村地理学亟待深化研究的课题。基于城乡关系视角,从人口活力、土地利用和社会活动三个维度对皖北地区乡村稀释化进行测度,综合运用空间自相关、地理加权回归、地理探测器等方法,揭示皖北地区乡村稀释化时空特征、影响因素及形成机制。结果表明：（1）近10年皖北地区乡村稀释化呈现出阶段性加速化过程、多维度差异化状态、集聚性分异化空间格局等特征;（2）人均水资源量、农业从业人口密度、贫困发生率、城乡居民收入差异系数、单位乡村小学在校生人数、每万农村居民村卫生室医生数等要素对皖北地区乡村稀释化影响显著;（3）在特定城乡关系背景下,基于区域本底条件,城市系统的控制引导与乡村系统的被动响应共同推动了乡村稀释化的形成和蔓延。科学认知乡村稀释化,可为乡村振兴与城乡融合发展精准施策提供理论指导。     

成渝城市群碳排放时空特征及其影响因素

利用2008~2018年成渝城市群内16个城市的面板数据,运用空间自相关和时空地理加权回归模型,探究了城市群碳排放的时空演变格局,揭示了碳排放影响因素的时空异质性.结果表明,成渝城市群碳排放整体呈增长态势,总量由5亿t增加到6.6亿t,增速约为1500t/a,地均碳排放量和人均碳排放量也存在波动上涨趋势.碳排放总量热点区域集中在成都和重庆,分别占总量约20%和25%,冷点区域为雅安市.碳排放总量和地均碳排放均存在显著的空间差异,人均碳排放的莫兰指数为正,呈现明显的空间聚集格局.整体上,人均碳排放表现出东北低-西南高的空间结构特征,南充,遂宁,广安是低低聚集区域.城市群中各个城市的影响因素显示出时空异质性,能源强度、经济发展水平、人口规模对城市的碳排放都有明显正向作用,在成渝中西部城市作用强度大;而城市化水平的正向影响较弱,对成渝东部城市影响较强.     

京津冀地区生态系统健康时空演变及其影响因素

厘清区域生态系统健康水平及其影响因素对促进可持续发展意义重大.通过构建生态系统健康评价模型,分析了京津冀地区2000年、 2010年和2020年生态系统健康时空演变特征,利用地理探测器与地理加权回归模型（GWR）识别了生态系统健康水平的影响因子.结果表明,研究期内京津冀地区生态系统自然健康指数整体上为上升趋势,北部和西部区县优于东南部区县;京津冀地区生态系统服务指数整体上为下降趋势,呈现出北高南低的空间分异格局;京津冀地区生态系统健康水平呈现先上升再下降趋势,在空间分布上呈现显著的空间异质性,大城市的中心城区生态健康水平较低,燕山和太行山区以及环渤海区县,生态系统健康水平较高;研究期内京津冀地区生态系统健康的空间格局保持相对稳定,热点区及次热点区主要分布在冀北山地和太行山区,冷点区及次冷点区主要分布在东南平原区和部分大城市周边地区.人口密度、年均气温、人均耕地面积和城镇化水平为京津冀地区生态系统健康的主导因子,均与其呈现负相关驱动特征.     

乡村转型发展影响因素及其作用效应的空间分异——以陕西省为例

以陕西省为例,围绕人口、土地、产业等乡村社会经济发展要素构建乡村转型发展评价指标体系,借助ArcGIS平台分析陕西省乡村转型发展时空格局演化特征;利用逐步回归、地理加权回归模型（GWR模型）对陕西省乡村转型发展影响因素及作用效应的空间分异进行探究,以期为陕西省乡村高质量发展路径设计与政策制订提供参考依据。研究结论如下：（1）2005—2017年间,陕西省乡村转型发展程度呈现持续上升趋势,在空间上整体呈现西安及其周边以及榆林北部能源区发展程度高,其余地区发展程度低的特点,且乡村转型发展经历了低度转型主导到较低、中度转型主导的发展过程。（2）地均固定资产投入、加权路网密度、人均生产总值、规模以上工业企业个数和人均耕地资源量是陕西省乡村转型发展的主要影响因素。（3）影响因素中除人均耕地资源量对乡村转型发展整体呈现负向影响外,其余因素均呈现正向影响,且对不同县域影响程度不同,影响效应的空间分异明显。研究对因地制宜地制定陕西省乡村转型发展的差异化政策措施具有重要的参考意义。     

利用LUR模型模拟杭州市PM2.5质量浓度空间分布

模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(GWR)建立春、夏、秋、冬四个季节的模型,实现对杭州地区近地表PM_(2.5)质量浓度空间分布的预测.结果表明:基于地理加权回归算法时,检验模型的R2值分别达到0.76(春季)、0.70(夏季)、0.73(秋季)、0.76(冬季),模型能够解释PM_(2.5)浓度值80%以上的变异.每个季度杭州地区PM_(2.5)浓度变化不尽相同,但总体以杭州中部最高,西南部偏低.研究说明基于LUR模型模拟大尺度地区PM_(2.5)质量浓度空间分布是可行的.     

空气质量指数(AQI)的社会经济影响因素分析——基于指数衰减效应视角

中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明:(1)AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;(2)150个城市的空气质量指数呈现出明显的空间集聚;(3)矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;(4)人均地区生产总值的提高、SO_2排放量和PM_(2.5)浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

中国居民消费碳排放影响因素的时空异质性

研究我国居民消费间接碳排放的阶段性和区域性特征,对于制定社会经济新常态发展下的碳减排策略具有重要的现实意义.利用投入产出法和结构分解分析法,核算了2002~2017年中国居民消费间接碳排放水平,量化了影响因素对间接碳排放的贡献;利用地理加权回归模型定量描述了省域间接碳排放的时空分异特征.结果显示:2002~2017年中国居民消费间接碳排放呈现先增长后下降的趋势,“食品”类和“居住”类消费是其主要来源,占比42%~48%.新常态下,“直接碳排放强度”、“生产技术”和“消费倾向”因素的抑制作用显著加强,大大抵消了“收入规模”、“人口”及“消费结构”因素对碳排放的促进作用,促使碳排放降低了145MtC.省域间接碳排放从东至西呈现递减的分布特征,表现出一定的集聚性.碳排放的影响因素具有空间异质性,“生产技术”与碳排放呈现负相关关系,其他因素呈现正相关关系.其中,“人口”、“收入规模”及“直接碳排放强度”对碳排放的影响程度较为突出.     

新冠疫情对我国NO2排放影响的时空分析

基于高分辨率的TROPOMI数据,分析了我国疫情爆发期的NO₂空间分布情况,同时对比了疫情同比期和环比期不同地区的变化情况.分析表明,全国范围内NO₂柱浓度的同比下降率和环比下降率分别为40.46%和50.09%,经济发达且人口稠密的城市群,排放量下降较为显著,其中江苏、河南、山东、浙江等NO₂历史排放较高的省份受疫情影响更大.湖北省疫情期的NO₂柱浓度绝对值(1.63×10¹⁵molec/cm²)在中东部省份属于最低位水平,同比和环比下降率也均在50%以上.相对来说,武汉、孝感等周边城市的影响远大于十堰、恩施等西部山区.地基国控站点的NO₂质量浓度也显示了与卫星观测较一致的空间分布和变化趋势,证明了采用“自上而下”的遥感手段,可以对不同区域的大气污染排放强度和社会经济活动水平进行快速评估.     

基于夜间灯光的城市居民直接碳排放及影响因素——以中原经济区为例

城市居民直接能源消耗及其碳排放对区域碳减排政策的制定具有重要影响。受统计数据缺乏与研究方法的限制,当前的研究不仅较少探讨精细空间尺度上的城市居民直接碳排放,同时也缺乏在县级尺度上对人均居民直接碳排放的影响因素进行深入分析。鉴于此,论文以中原经济区为例,通过引入夜间灯光数据,利用增强型饱和校正模型估算了网格尺度上的城市居民碳排放,并采用地理加权回归模型对其影响因素进行了分析。主要研究发现：中原经济区的碳排放总体空间特征是西北高、东南低。郑州市市辖区的城市居民直接碳排放总量位于首位,而邢台县、辉县市和襄垣县的人均碳排放较高。此外,就其影响因素来看,人均GDP、碳排放强度、第二产业比重和HDD（Heating Degree Days,热度日）均表现为正效应,城镇化率为负效应,而CDD（Cooling Degree Days,冷度日）的系数有正有负。城市居民直接碳排放的影响因素分析为中原经济区制定切实可行的区域碳排放政策提供了重要的基础理论依据。     

2009~2019年中国人为CH4排放量的估算及时空格局

以中国340个地级及以上城市为研究对象,采用自下而上的核算方法,针对农业活动、能源活动和废物处理3个一级CH₄排放源,核算2009年和2019年中国人为CH₄排放量并分析其时空格局.结果表明：2009年中国人为CH₄总排放40.71Tg,2019年为42.89Tg,CH₄排放总量在增加,排放强度和人均排放量基本保持不变.一级排放源中,农业活动、能源活动和废物处理在2009年的CH₄排放量分别为24.88Tg、12.06Tg和3.76Tg,农业活动为主要排放源,2019年三者排放量分别为16.99Tg、21.62Tg和4.28Tg,能源活动成为主要排放源;二级排放源中煤炭开采的CH₄排放最多;不同城市中各排放源的占比存在较大差异,淮安、扬州和南通农业活动排放最多,晋城、大同和太原能源活动排放最多,而北京、上海和广州以废物处理排放为主.城市人为CH₄排放存在显著的空间正相关,高排放—高聚集的城市数量减少,分布集中;低排放—低聚集的城市数量增加,分布重心向东部地区转移;局部城市空间关联类型呈现出较强的空间锁定效应和迁移惰性特征.CH₄排放强度与人均CH₄排放的区域总体差异较大;CH₄排放强度地区间Theil指数差异较大,而地区内差异较小;人均CH₄排放地区间与地区内的Theil指数差异均较小.     

中国城市人口规模、产业集聚与碳排放

基于2009~2018年中国286个地级市面板数据，构建空间计量模型，从城市人口规模和产业集聚的综合视角探讨对于人均碳排放的影响机制.结果显示：不同城市的人均CO₂排放具有显著的空间溢出效应；城市人口规模和产业集聚与人均CO₂排放之间均呈“倒U型”关系，且影响机制各不相同；产业集聚与城市人口规模在影响碳排放上具有协同效应；中国东中西地区及南北地区在碳排放及其影响机制上具有显著差异；地区差异、经济发展程度差异等一系列稳健性检验均验证了上述结论的可靠性.因此各地政府在制定可持续发展政策时要针对城市人口规模、产业集聚和低碳统筹发展，合理制定人口、产业和节能减排政策.     

基于MGWR模型的中国城市PM2.5影响因素空间异质性

基于全国297个地级市2018年PM_2.5浓度数据、自然与社会经济数据,采用多尺度地理加权回归（MGWR）模型分析了各影响因素对PM_2.5浓度的作用尺度与影响效果的空间异质性.结果表明,MGWR模型适用于中国地级市PM_2.5浓度影响因素研究.在作用尺度上,人均GDP、技术支持水平作用尺度最大,其次是相对湿度、居民地比重、人口密度与风速,降水量、第二产业比重、植被覆盖状况、温度与能源消费强度作用尺度最为局限.在影响效果上,相对湿度、人口密度与居民地比重全部为正向作用;第二产业比重和能源消费强度主要为正向作用,分别占总样本的70.71%与64.98%;风速、温度既存在正向作用也存在负向作用,空间上呈两极分化,其中正向作用分别占总样本的49.83%与57.91%;降水量、植被覆盖状况主要为负向作用,分别占总样本的91.58%与69.70%;人均GDP、技术支持水平全部为负向作用.研究结果表明各因素对于中国城市PM_2.5浓度的影响均存在着不同程度的空间异质性.     

华北地区颗粒物浓度时空分布特征及其因素

利用2017年华北地区各地级及以上城市空气质量浓度等有关数据,对该区域内的颗粒物浓度时空分布特征进行研究,在此基础上进一步利用空间自相关分析方法对该区域内的颗粒物浓度的空间聚集特征进行定量描述,并利用空间计量模型分析了影响华北地区城市颗粒物浓度的因素。结果表明：整体上,华北地区PM_2.5和PM₁₀的污染日出现的平均频率分别为17.25%和14.23%,需重点关注细颗粒物造成的污染。在时间分布上,各省市的颗粒物月均浓度存在“U”型变化,呈现出冬季>秋季≈春季>夏季的规律。在空间分布上,各地级市颗粒物年均浓度具有明显的空间聚集特性,高聚集主要出现在河北南部,低聚集主要出现在内蒙古。空间计量模型表明,风速、降雨量和人均GDP对华北地区城市的PM_2.5和PM₁₀年均浓度均具有显著的负向影响,而第二产业占比、煤炭使用量和机动车保有量均对颗粒物浓度有正向影响,其中煤炭消耗量的影响最大,其次是机动车保有量。上述研究结果可为制定华北地区大气污染控制提供有效的措施和科学依据。     

东北三省农田生态系统碳排放时空分异特征及驱动因素研究

根据2000—2014年东北三省碳排放的相关数据,结合空间探索性分析及地理加权回归等模型方法,对研究区农田生态系统碳排放量的空间集聚性、差异性及其重要驱动因素进行研究.结果表明:东北三省农田生态系统碳排放量存在比较显著的全局空间正相关,自相关性在整体上表现出逐渐增强的趋势,到2014年全局Moran's I指数达到最高值0.3395.在局部空间相关关系上,东北三省农田生态系统碳排放量的高-高区域集中在黑龙江省和吉林省,低-低地区主要集中在辽宁省,表现出不平衡的发展格局.人均GDP对农田生态系统碳排放有负效应,总人口数对农田生态系统碳排放的影响从正效应转变为负效应,化肥施用对农田生态系统碳排放影响程度的空间分布格局发生了较大变化,代表生产技术水平和能源消耗的农业化肥施用量和农业机械总动力因素对农田生态系统碳排放的影响较大,东北三省农田生态系统碳排放和农业机械总动力相关程度有逐渐趋同的趋势.     

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.