福建省城市化水平综合评价动态研究_基于全局主成分分析_罗瑞雪

第38卷第4期2020年12月Vol.38No.4Dec.2020海南大学学报自然科学版NATURAL SCIENCE JOURNAL OF HAINAN UNIVERSITY文章编号：1004-1729（2020）04-0397-12就地城镇化地区耕地细碎化及其影响因素分析—以福建省晋江市为例曾金伟，刘辉（福州大学环境与资源学院，福建福州350116）摘要：以福建省晋江市为研究区，基于2016年土地利用现状数据选取斑块面积指数、斑块形状指数和斑块分散指数3个景观指数构建耕地细碎化指标体系，从不同尺度对就地城镇化下晋江市耕地细碎化程度和空间分布进行了评价，然后基于耕地细碎化空间自相关特征并结合地理加权回归模型和地理探测器方法分析不同因素对耕地细碎化的影响•结果表明：1）晋江市耕地细碎化整体处于中度细碎化水平,其全局莫兰指数为0.3827,具有一定的空间正相关，呈现出明显的空间集聚现象;2）高程、坡度和河流对耕地细碎化影响度以正影响为主,居民点和交通以负影响为主，土地利用类型中建设用地对耕地细碎化影响最为突出•细碎化高集聚区域基本处在各因素的主要影响度范围内，各个因素对耕地细碎化空间集聚产生显著影响;3）在选取的因素中自然因素（高程、坡度和河流）和人类干扰因子（居民点、交通和土地利用类型）对耕地细碎化的空间分异影响显著不同，自然因素（高程、坡度和河流）是晋江市耕地细碎化的主要原因，且居民点与自然要素共同作用会加剧耕地细碎化程度.关键词：就地城镇化；耕地；细碎化；影响因素；晋江市中图分类号：F301.24；S341.1文献标志码：A DOI:10.15886/ki.hdxbzkb.2020.0054耕地资源作为人类从事农业生产活动的物质基础，是土地资源中的重要组成部分,更是人类生存发展的基础资源和必要条件•随着城市城镇化空间的逐渐饱和，人地矛盾日益尖锐，耕地资源功能也从满足基本生活需求逐渐转变为满足城镇化的多元需求，耕地破碎现象在城镇化进程中越来越严重•当前及未来一段时间城镇化发展主要为就地城镇化模式,乡村就地城镇化模式是以农村和农户为对象,在原居住地实现农民就地非农化就业和市民化的过程,而耕地与农村农民的关系最为密切，在就地城镇化的推进过程中不可避免地涉及占用耕地,其细碎程度也因此不断加剧•在新型城镇化的大背景下，有限的耕地资源呈数量下降和细碎化程度上升趋势,而就地城镇化发展模式只是耕地细碎化的重要原因之一•因此,加强就地城镇化地区耕地细碎化及成因的研究，对缓解耕地细碎化程度、协调城镇化与耕地之间的矛盾、提高现有耕地的资源产出效率以及国土空间规划等工作具有重要的指导意义.耕地细碎化是由于自然或人文因素的干扰所导致的耕地景观由简单趋向于复杂的过程，是耕地的地块大小、距离、分布不协调的综合反映⑴.目前,城镇化与耕地之间的研究多集中在受城镇化影响下的耕地保护方面研究S3〕，针对国内耕地细碎化存在的现状问题，大部分学者从耕地细碎化对粮食生产效率“"I、规模经济、生产成本和农户生计卫］的影响等方面就耕地细碎化带来的负面效应展开了定量研究;针对其负面影响，在缓解耕地细碎化程度的问题上的研究主要是分析农用地流转途径山-⑷与农村土地整治［15-17］.在细碎化研究的方法上主要是采用生产函数囲、基础景观指数和主成分分析「仞收稿日期：2020-09-29基金项目：国家自然科学基金青年项目（41601562）作者简介：曾金伟（1995-），男，福建三明人，福州大学环境与资源学院2018级硕士研究生，研究方向:遥感与地理信息系统,E-mail:923782797@通信作者：刘辉（1981男，安徽淮南人，博士，讲师，硕导，研究方向：土地利用规划与土地信息技术研究,E-mail:38667477@398海南大学学报自然科学版2020年等方法分析耕地细碎化的分布特征及其影响效应，并通过构建细碎化模型岚少］综合深入剖析耕地细碎化程度，同时采用回归分析⑸、空间自相关凶和地理加权回归曲等方法分析不同因素的影响.综上所述,当前对于耕地细碎化的研究主要集中在耕地细碎化的评价及其对农业生产带来的影响效应，以及降低细碎化程度有效措施等方面的研究•研究区域多为平原「却、山区「如和流域％］等典型地貌类型区以及以农业为主的贫困山区农区⑵］,而鲜有对就地城镇化地区的耕地细碎化进行研究.在影响因素方面的研究主要集中在景观破碎化（不同土地利用类型）与不同因素之间的研究，对单一地类（如耕地）的细碎化特征与影响因素之间关系的深入研究较少，且多为对影响因子的单独分析,较少利用地理空间分析方法对不同影响因子进行综合比较分析.改革开放以来，晋江市经济持续快速发展,其独具特色的就地城镇化道路被称为“晋江模式”，在其独特的“晋江模式”推动下,晋江市通过乡镇企业的发展促进当地乡村产值和就业结构以及乡村聚落的转变，在乡镇产业集群、工业园区建设以及侨胞外资等因素的影响下，以农民联户经营为特色发展模式，促进了经济的发展和农村劳动力的非农化,就地城镇化发展迅速,2016年城镇化率达65%.在就地城镇化进程中，形成大量“超级村庄”,耕地与建设用地矛盾逐渐突出，耕地细碎程度加剧•因此，以晋江市为例,在对晋江市2016年耕地细碎化空间分布特征的基础上,分析自然因素和人类干扰因子对耕地细碎化的影响,摸清晋江市各乡镇耕地细碎化成因，以期为晋江市的耕地保护、就地城镇化路径选择和国土空间规划提供理论参考和指导建议.1研究区概况晋江市是福建省泉州市下辖的县级市,地处福建省东南沿海,县境地理坐标为24°30，~24。

第 36 卷第 2 期上海工程技术大学学报Vol. 36 No. 2 2022 年 6 月JOURNAL OF SHANGHAI UNIVERSITY OF ENGINEERING SCIENCE Jun. 2022文章编号： 1009 − 444X（2022）02 − 0224 − 07基于GIS的长三角城市群生态环境脆弱性综合评价刘惠敏，郑中团，李文雯（上海工程技术大学数理与统计学院，上海 201620）摘要：以长三角城市群为例，考虑该地区地表、气候、社会经济发展等特征，从人为因素和自然因素出发构建长三角城市群生态环境脆弱性水平评价指标体系. 同时，基于地学信息系统(Geographic Information System, GIS)技术，综合运用主成分分析、熵权法、空间自相关分析等方法，对长三角城市群2010、2015和2018年生态环境脆弱性水平进行综合测度与时空特征分析，并识别其驱动因素. 结果表明：1）时序分布上，长三角城市群生态环境脆弱性水平升高，且由中度脆弱向重度脆弱过渡；2）空间分布上，生态环境脆弱性存在空间自相关性，且为显著正相关；3）2010—2018年，土地利用程度、人均GDP、工业二氧化硫排放量和建成区绿化覆盖率等是长三角城市群生态环境脆弱性的核心驱动力.关键词：长三角城市群；地学信息系统；综合评价；核心驱动力；主成分分析法中图分类号：X32 文献标志码：AComprehensive evaluation of ecological environment vulnerability of Yangtze River Delta urban agglomeration based on GISLIU Huimin，ZHENG Zhongtuan，LI Wenwen（ School of Mathematics, Physics and Statistics, Shanghai University of Engineering Science, Shanghai 201620, China）Abstract：Taking the Yangtze River Delta urban agglomeration as an example, the characteristics of the area's surface, climate, and social and economic development were considered, and an evaluation index system for the ecological environment vulnerability of the Yangtze River Delta urban agglomeration from human factors and natural factors was built. At the same time, based on geographic information system (GIS) technology, principal component analysis, entropy weight method, spatial autocorrelation analysis and other methods were used to comprehensively measure and analyze the spatial and temporal characteristics of ecological environmental vulnerability level in the Yangtze River Delta urban agglomeration in 2010, 2015 and 2018, and identify its driving factors. The results show that: 1) in terms of time series distribution, the ecological environment fragility level of the Yangtze River Delta urban agglomeration has increased, and the transition from moderate fragility to severe fragility; 2) in terms of spatial distribution, the vulnerability of ecological environment has spatial autocorrelation, and it is a significant positive correlation; 3) from 2010 to 2018, the degree of land use, GDP per capita, industrial sulfur dioxide emissions, and green coverage of built-up areas收稿日期： 2021 − 09 − 27作者简介：刘惠敏（1995 − ），女，在读硕士，研究方向为可持续发展与数据挖掘. E-mail：*************************通信作者：郑中团（1979 − ），男，副教授，博士，研究方向为应用随机过程与复杂网络、可持续发展中的数据挖掘、统计机器学习与数据分析. E-mail：**********************are the core driving forces for the fragility of the ecological environment of the Yangtze River Delta urban agglomeration.Key words：Yangtze River Delta urban agglomeration；geographic information system (GIS)；comprehensive evaluation；core driving force；principal component analysis生态环境系统的稳定是人类进行社会生产活动的前提，而生态环境脆弱会破坏人与自然和谐相处的模式. 随着经济的发展以及人为活动对生态环境的干扰，生态环境问题日益严重. 这一现状迫切地要求人类去探索人与自然更加和谐的相处之道，以便于维持生态系统稳定，同时也有利于社会和经济的发展. 长三角是我国经济最发达的区域之一，经济的快速发展会对生态系统带来一定的压力. 当生态系统遭受的压力过高，其就会表现出生态脆弱. 因此对长三角城市群生态环境脆弱性水平进行综合评价分析成为研究热点. 它对提升长三角生态系统稳定性、改善长三角生态环境质量，进而实现协同治理、达到更高质量的长三角一体化具有深远的意义.国内外学者对生态环境脆弱性做了深入广泛的研究[1 − 3]. 目前，关于生态环境脆弱性综合评价的方法有很多，包括主成分分析法、德尔菲法、熵权法、层次分析法、综合指数法、基于遥感和地学信息系统（Geographic Information System, GIS）评价法等. 其中，遥感和GIS技术在生态环境脆弱性水平综合评价当中运用日益广泛[4 − 6]. GIS具有强大的输入、空间分析及制图功能，可对脆弱的生态环境进行评价和分区[7]；而主成分分析（PCA）可以将最初的指标转化为少数几个不相关的综合指标，并且尽可能多的反映原有指标的信息[8]. 高越等[9]基于主成分分析法对赤峰市生态环境质量进行综合评价. 马骏等[10]运用主成分分析法对2001—2010年三峡库区生态脆弱性进行定量综合评价. 陈星霖[11]运用熵权法对广西农业生态脆弱性进行综合评价. 李路等[12]运用空间主成分方法分析喀什地区的额时空变化并对其进行驱动力分析. 杨志辉等[13]运用莫兰指数对洋河流域进行空间相关性分析.目前. 关于生态环境脆弱性综合评价的研究颇多，但对于导致生态环境脆弱的驱动力分析和空间相关性分析较少. 本研究针对长三角城市群地理位置、环境气候、经济发展等特征，从自然因素和人为因素两个方面选择评价指标，基于GIS技术，运用主成分分析、熵权法对长三角城市群生态环境脆弱性水平进行综合评价分析.1 生态环境脆弱性水平评价指标体系构建1.1 研究地区概况长江三角洲城市群以上海为中心，位于长江入海之前的冲积平原，包括上海、南京、无锡、宣城、池州等27个城市. 其地处江海交汇之地，沿海港口众多，地理位置十分优越，是我国经济发展最强的区域之一. 长江三角洲主要为亚热带季风性气候，年均温17 ℃左右，降雨量较多，再加上地势低洼等因素，该地区的洪涝灾害非常严重. 此外，长江三角洲区域的生态系统类型复杂，地表覆盖多样，河川纵横、农业发达、人口稠密，是外来人口最大的集聚地. 截至2019年底，长江三角洲地区的人口达到2.27亿人. 人口数量大幅度增长以及经济的快速发展给该地区的生态系统带来严重的威胁. 因此，对长三角城市群生态环境脆弱性水平进行综合评价分析迫在眉睫.1.2 评价指标体系的构建生态系统本身具有一定的恢复能力，而外界干扰会导致生态敏感，从而导致生态脆弱. 生态脆弱性是生态系统的固有属性，是生态敏感性和生态系统自我恢复能力叠加的结果. 生态脆弱由自然本身的脆弱和人为干扰导致的脆弱两部分构成.因此，生态环境脆弱性受人为因素和自然因素两个方面的影响[14]. 本研究从人为因素和自然因素两个方面来选取长三角城市群生态环境脆弱性水平的评价指标，共11个指标，如图1所示.长三角城市群经济发达、人口密集，上海、苏州等地都是以工业化为主导的城市，人类活动频繁多样. 因此人为因素对于生态环境的影响愈发严重，生态脆弱性问题日益严峻. 人为因素方面，本研究选取人均GDP、人口密度、土地利用程度、第 2 期刘惠敏等：基于GIS的长三角城市群生态环境脆弱性综合评价· 225 ·工业二氧化硫排放量、建成区绿化覆盖率等5个指标. 其中，前4项指标代表经济和社会发展对生态环境的胁迫，为正向指标，指标越高，生态环境脆弱性水平越高；后1项指标为负向指标.自然因素方面，考虑长三角城市群所处地理位置，选取高程、坡度、归一化植被指数（NDVI ）平均值、年均温、年降水量、年日照小时数等6个指标. 高程、坡度为正向指标. 高程越高、坡度越大、该地区越容易遭受暴雨侵蚀，生态越脆弱. NDVI 平均值、年均温为负向指标. NDVI 平均值越大，植被覆盖度越高，水土保持能力越好；年均温越高，越有利于植被生长，生态系统越稳定[15]. 年降水量、年日照小时数为正向指标. 降水量越大，水土越容易流失；日照时间越长，土地越容易干裂，生态系统越脆弱.2 数据来源与数据处理2.1 数据来源本研究分别选取2010、2015、2018年的土地利用数据、数字高程模型（Digital Elevation Model,DEM ）数据、气象数据和社会经济发展数据. 其中，DEM 数据来自美国太空总署（NASA ），分辨率为12.5 m ，由ArcGIS 提取出高程和坡度数据. 土地利用类型数据来源于Landsat 系列遥感影像进行遥感目视解译，分辨率为30 m ，将土地利用分为耕地、林地、草地、水域、建设用地和未利用土地等6种类型. NDVI 数据来源于中国科学院资源环境科学与数据中心（/），分辨率为1 km ，并由ArcGIS 提取出每个城市的NDVI 区域均值. 其他指标数据分别来源于2010、2015、2018年长三角城市群27个城市的《统计年鉴》《国民经济与社会发展统计公报》及各省市统计局、生态环境局和国家统计局提供的相关资料.2.2 数据处理对于缺失数据，在ArcGIS10.2平台上采用克里金插值法完成补全. 首先对指标进行标准化处理，本研究采用分级赋值法和极差法两种处理方式.对于高程和土地利用程度两个指标，采用分级赋值法进行标准化处理[16 − 17]. 土地利用程度综合指数由每种土地所占面积比例乘以对应的标准化赋值得到，见表1.表 1 评价指标的赋值和标准化Table 1 Assignment and standardization of evaluation indicators指标标准化赋值246810高程<300300～<600600～<900900～<1 200≥1 200土地利用程度林地、水域草地耕地建设用地未利用土地对生态环境脆弱性水平起积极作用的指标为正向指标，对生态环境脆弱性水平起消极作用的指标为负向指标. 对于其他9个指标采用极差法进行标准化处理. 公式为x i j x ′i j式中：为指标体系中各指标数据的原始值；为极差化后的指标数值.3 生态环境脆弱性指数时空特征分析3.1 基于PCA 的生态环境脆弱性指数的时序特征分析主成分分析法主要采用降维的思想，将原来长三角城市群生态环境脆弱性水平人为因素自然因素年日照小时数年均温年降水量坡度高程工业二氧化硫排放量建成区绿化覆盖率土地利用程度人口密度人均GDP平均值NDVI图 1 生态环境脆弱性水平评价指标体系Fig. 1 Evaluation index system of ecological environmentvulnerability level· 226 ·上 海 工 程 技 术 大 学 学 报第 36 卷众多具有一定相关性的指标重新组合成一组互不相关、尽可能少的综合指标来代替原来的指标. 这些新的综合指标保留了原始变量的主要信息，同时彼此之间又互不相关，比原始变量具有更优越的性质[18]. 采用主成分分析法对11个评价指标进行分析，结果见表2. 根据主成分累计贡献率达到85%以上的限制，确定2010、2015、2018年5个主成分，并进一步计算生态脆弱性指数（Eco-Environment Vulnerability Index, EVI）为式中：Y i为第i个空间主成分的数值；r i为第i个空间主成分对应的贡献率.表 2 各主成分特征值、贡献率与累计贡献率Table 2 Characteristic value, contribution rate and cumulative contribution rate of each principal component年份主成分系数主成分PC1PC2PC3PC4PC52010特征值 4.587 3.193 1.3100.5310.451贡献率41.69829.02311.905 4.830 4.096累计贡献率41.69870.72182.62687.45791.5522015特征值 4.422 2.945 1.1700.7260.574贡献率40.19726.77410.640 6.598 5.215累计贡献率40.19766.97177.61084.20889.4232018特征值 4.395 2.693 1.2250.7840.551贡献率39.95624.48211.1397.130 5.010累计贡献率39.95664.43875.57782.70687.717计算生态环境脆弱性指数空间分布，如图2所示. 参考国内外生态环境的相关划分标准[19]，考虑长三角城市群生态环境脆弱性特征，并根据自然断点法将2010年生态环境脆弱性指数分为5个等级：微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱. 为保证评价结果具有对比性，2015和2018年的等级划分与2010年保持一致. 将脆弱性指数小于−1.65归为微度脆弱，在[−1.65, −0.25) 归为轻度脆弱，在[−0.25, 1.38) 归为中度脆弱，[1.38, 4.73) 归为重度脆弱，大于等于4.73归为极度脆弱.N N N 201020152018微度脆弱轻度脆弱中度脆弱重度脆弱极度脆弱图 2 生态环境脆弱性指数空间分布图Fig. 2 Spatial distribution of ecological environment vulnerability index由图2可知，2010—2018年，长三角城市群生态环境脆弱性水平程度升高，整体从中度脆弱向重度脆弱过渡. 上海市生态环境脆弱性水平一直处于极度脆弱区，这与上海市作为我国一线城市，第 2 期刘惠敏等：基于GIS的长三角城市群生态环境脆弱性综合评价· 227 ·人口密度远高于其他城市有关. 2010—2015年，金华、安庆、温州等地区从微度脆弱区过渡到轻度脆弱区；盐城、扬州、泰州等地区从中度脆弱过渡到重度脆弱，并有向极度脆弱过渡的趋势. 杭州、绍兴等地区从中度脆弱区过渡到重度脆弱区. 2015—2018年，长三角城市群整体变化幅度不大.滁州市由中度脆弱转化到重度脆弱. 微度和轻度脆弱区集中在西南部，主要是安徽池州、宣城、安庆，浙江湖州、温州、金华，江苏泰州等. 重度和极度脆弱区集中在东北部，主要是上海市、江苏南通、苏州、无锡、南京以及浙江嘉兴等. 安徽和浙江部分城市从轻度脆弱转化到中度脆弱. 可见，长三角城市群生态环境质量在降低，生态系统逐渐不稳定.3.2 基于莫兰指数的生态环境脆弱性指数的空间特征分析3.2.1 莫兰指数简介莫兰指数（Moran's I）是由澳大利亚统计学家帕克·莫兰在1950年提出. 该指数分为全局莫兰指数和局部莫兰指数. 莫兰指数是一个有理数，经过方差归一化之后，它的值会被归一化到−1.0与+1.0之间. 莫兰指数大于0时，表示数据呈现空间正相关，其值越大空间相关性越明显；莫兰指数小于0时，表示数据呈现空间负相关，其值越小空间差异越大；莫兰指数为0时，空间呈随机性.全局莫兰指数计算公式[20]为局部Moran′I指数计算公式[21]为X式中：I为Moran′I指数；X i、X j为第i个、第j个评价单元内的脆弱性指数均值；为全部评价单元的脆弱性均值；W ij为空间权重矩阵；S为空间权重矩阵各元素之和.3.2.2 全局莫兰指数本研究基于2010、2015和2018年长三角27个城市的生态环境脆弱性综合指数，运用空间自相关工具计算生态环境脆弱性的全局Moran′I.结果显示：2010、2015、2018年的全局莫兰指数分别为0.466 042、0.443 682、0.583 470. 全局莫兰指数在0至1之间取值，表示正相关；全局莫兰指数在0至−1之间取值，表示负相关[15]. 因此，可以明显看出2010、2015和2018年长三角城市群生态环境脆弱性在空间上具有显著正相关性，并且相关性增强.3.2.3 局部莫兰指数在全局莫兰指数的计算基础上，进一步计算局部莫兰指数，得到LISA聚类图，如图3所示.N N N 201020152018不显著高−高低−低低−高高−低图 3 生态环境脆弱性LISA聚类图Fig. 3 LISA cluster diagram of ecological environment vulnerabilityLISA聚类图主要有4种聚集类型，高高聚集（H−H）、低低聚集（L−L）、低高聚集（L−H）和高低聚集（H−L）. 由上图可知，2010、2015和2018年的长三角生态环境脆弱性呈现出显著的空间聚集性特征. 3个年份的空间具体聚集特征大体相同，主要是以高高聚集和低低聚集为主. 高高聚集的城市主要有泰州、上海、苏州、镇江和嘉兴；低低聚集的区域主要集中在浙江省和安徽省，如绍兴、杭州、金华、台州、池州、铜陵、芜湖；其他城市聚集性不够显著. 空间聚集性虽然在整体上变化不大，· 228 ·上海工程技术大学学报第 36 卷但还是呈现局部扩张的趋势. 2018年与2010年相比，镇江成为高值聚集区，表明长三角城市生态环境脆弱性在空间上存在一定程度的扩张.4 生态环境脆弱性的驱动因素分析4.1 基于PCA的生态环境脆弱性驱动力分析2010年成分矩阵见表3. 本研究采用各指标的贡献率表示驱动作用的大小. 由表可知，第1主成分中，自然因素为主要驱动力；第2主至第5主成分中，人为因素为主要驱动力.表 3 2010年成分矩阵Table 3 Composition matrix in 2010指标主成分PC1PC2PC3PC4PC5高程−0.8930.236−0.2010.1900.114土地利用程度0.870−0.1440.2950.124−0.057年降水量−0.8380.2820.184−0.030−0.323坡度−0.6970.447−0.3750.2920.207人均GDP0.5650.544−0.484−0.2400.070工业二氧化硫排放量0.5070.7660.0340.1720.156年日照小时数0.265−0.747−0.408−0.0830.272年均温0.521−0.7050.0890.3470.049人口密度0.5460.6780.2910.2810.029NDVI平均值0.6180.661−0.048−0.2200.005建成区绿化覆盖率−0.4960.0480.715−0.2270.425 2018年成分矩阵见表4. 由表可知，第1主成分中，土地利用程度仍然是主要驱动因子；第2主成分中，人均GDP和年均温是主要驱动因子；第3主成分中，建成区绿化覆盖率是主要驱动因子；第4主成分中，年均温是主要驱动因子；第五主成分中，年降雨量是主要驱动因子. 研究表明，2010—2018年土地利用程度、人均GDP、工业二氧化硫排放量和建成区绿化覆盖率等是长三角城市群生态环境脆弱性的核心驱动力，而其他指标的驱动力较小. 经济的发展必然导致人类对土地的开发利用程度提高，从而促使生态系统向不稳定的方向发展，长三角城市群的生态环境脆弱性水平程度也向更严重的趋势转化.表 4 2018年成分矩阵Table 4 Composition matrix in 2018指标主成分PC1PC2PC3PC4PC5高程−0.9430.010−0.130−0.0570.135土地利用程度0.8750.0420.167−0.122−0.206坡度−0.8050.253−0.218−0.2780.259降水量−0.6650.3860.2700.220−0.079年均温0.660−0.610−0.085−0.014−0.045人均GDP0.4360.757−0.215−0.0140.139NDVI平均值0.6100.7050.0670.0690.062工业二氧化硫排放量0.2290.635−0.4430.493−0.019人口密度0.4300.5780.449−0.4290.214建成区绿化覆盖率−0.4240.1480.7610.323−0.057年日照小时数0.486−0.5260.1550.3220.5855 结　语本研究考虑长江三角洲的地理特征、气候环境特征以及社会经济发展特征，从人为因素和自然因素两方面构建长三角城市群的生态环境脆弱性水平评价指标体系，计算长三角27个城市2010、2015、和2018年的EVI值并进行空间相关性分析.长三角城市群生态环境脆弱性水平综合评价结果表明，长三角城市的生态环境质量水平呈现下降趋势，生态系统愈发脆弱. 时序分布上，长三角城市群脆弱性程度升高，且由中度脆弱向重度脆弱过渡；空间分布上，长三角城市群生态环境脆弱性存在空间自相关性，且为显著正相关. 2010—2018年，土地利用程度、人均GDP、工业二氧化硫排放量和建成区绿化覆盖率等一直是长三角城市群生态环境脆弱性的核心驱动力. 从整体生态环境脆弱性指数分布水平看，上海市脆弱性水平遥遥领先于其他城市. 外来人口过多导致人口密度一直居高不下，因此人口密度成为上海市生态环境脆弱性的核心驱动因子. 长江三角洲工业化为主导城市居多，一直面临工业二氧化硫排放量过高的问题. 因此要降低长三角生态环境脆弱性程度，提升生态系统的稳定性，每个城市都应该针对自己的短板问题进行解决. 例如，上海市第 2 期刘惠敏等：基于GIS的长三角城市群生态环境脆弱性综合评价· 229 ·应该疏散人群从而降低人口密度. 无锡、苏州等城市应降低工业二氧化硫排放量，退耕还林，提高绿化覆盖率；合肥、芜湖、滁州等城市应该降低土地利用率. 要实现长江三角洲区域一体化发展，就要实现生态环境的协同治理，生态环境脆弱性评价以及驱动力分析可为长三角城市群找到自身环境中存在的问题.本研究主要基于GIS 技术，获取生态环境脆弱性水平评价的部分指标，在指标的选择上还可以更加客观科学. 在空间相关性分析上，未对单独的指标做相关性分析，因此进一步探讨更加科学并且符合长三角城市群实际情况的生态环境脆弱性评价指标体系以及更微观的空间相关性分析是下一步研究的方向.参考文献：屈志强, 沈婷婷, 徐胜利, 等. 生态脆弱性评价概述［J ］.草原与草业，2020，32（3）：1 − 4,42.［ 1 ］张学玲, 余文波, 蔡海生, 等. 区域生态环境脆弱性评价方法研究综述［J ］ . 生态学报，2018，38（16）：5970 −5981.［ 2 ］邓伟, 袁兴中, 孙荣, 等. 基于遥感的北方农牧交错带生态脆弱性评价［J ］ . 环境科学与技术，2016，39（11）：174 − 181.［ 3 ］张德君, 高航, 杨俊, 等. 基于GIS 的南四湖湿地生态脆弱性评价［J ］ . 资源科学，2014，36（4）：874 − 882.［ 4 ］姚昆, 张存杰, 何磊, 等. 川西北高原区生态环境脆弱性评价［J ］ . 水土保持研究，2020，27（0）：349 − 355,362.［ 5 ］姚昆, 周兵, 李小菊, 等. 基于AHP−PCA 熵权模型的大渡河流域中上游地区生态环境脆弱性评价［J ］ . 水土保持研究，2019，26（5）：265 − 271.［ 6 ］何云玲. GIS 支持下生态环境脆弱性评价研究概况［J ］.农业与技术，2008（3）：65 − 68.［ 7 ］钟晓娟, 孙保平, 赵岩, 等. 基于主成分分析的云南省生态脆弱性评价［J ］ . 生态环境学报，2011，20（1）：109 −113.［ 8 ］高越, 赵秀清, 朝格吉胡楞, 等. 基于主成分分析法的赤峰市生态环境质量评价［J ］ . 内蒙古科技与经济，2017（14）：58 − 59,61.［ 9 ］马骏, 李昌晓, 魏虹, 等. 三峡库区生态脆弱性评价［J ］.生态学报，2015，35（21）：7117 − 7129.［10］陈星霖. 广西农业生态脆弱性评价及区划研究［J ］ . 中国农业资源与区划，2020，41（3）：212 − 219.［11］李路, 孙桂丽, 陆海燕, 等. 喀什地区生态脆弱性时空变化及驱动力分析［J ］ . 干旱区地理，2021（1）：277 − 288.［12］杨志辉, 赵军, 朱国锋, 等. 含植被覆盖影响的石羊河流域土壤水分遥感估算及空间格局分析［J ］ . 生态学报，2020，40（23）：8826 − 8837.［13］刘木生, 张其海, 林联盛, 等. 基于GIS 的江西省脆弱生态环境时空评价［J ］ . 江西科学，2008（5）：803 − 807,811.［14］林金煌, 胡国建, 祁新华, 等. 闽三角城市群生态环境脆弱性及其驱动力［J ］ . 生态学报，2018，38（12）：4155 −4166.［15］南颖, 吉喆, 冯恒栋, 等. 基于遥感和地理信息系统的图们江地区生态安全评价［J ］ . 生态学报，2013，33（15）：4790 − 4798.［16］杜悦悦, 彭建, 赵士权, 等. 西南山地滑坡灾害生态风险评价：以大理白族自治州为例［J ］ . 地理学报，2016，71（9）：1544 − 1561.［17］杨宇. 多指标综合评价中赋权方法评析［J ］ . 统计与决策，2006（13）：17 − 19.［18］胡庆芳, 杨大文, 王银堂, 等. 利用全局与局部相关函数分析流域降水空间变异性［J ］ . 清华大学学报(自然科学版)，2012，52（6）：778 − 784.［19］李慧, 王云鹏, 李岩, 等. 珠江三角洲土地利用变化空间自相关分析［J ］ . 生态环境学报，2011，20（12）：1879 −1885.［20］朱子明 , 祁新华. 基于 Moran'I 的闽南三角洲空间发展研究［J ］ . 经济地理，2009（2）：1977 − 1980.［21］钱敏蕾, 李响, 徐艺扬, 等. 特大型城市生态文明建设评价指标体系构建：以上海市为例［J ］ . 复旦学报(自然科学版)，2015，54（4）：389 − 397.［22］（编辑：韩琳）· 230 ·上 海 工 程 技 术 大 学 学 报第 36 卷。

高质量发展视域下区域物流与经济协同发展的动态测度研究*——以闽西南协同发展区为例厦门大学嘉庚学院邱洪全摘要：高质量发展是新常态和新形势下我国经济发展的新战略，也是我国经济从注重规模和速度向注重结构和质量转换的新阶段。

区域物流与经济协同发展是我国经济高质量发展的重要组成部分，是我国经济高质量发展的内在逻辑和必然要求。

本文以高质量发展为视角，基于复杂系统协同学理论构建区域物流与经济协同发展的动态测度模型，在采集闽西南协同发展区2010-2019年统计数据的基础上，对闽西南协同发展区物流与经济协同发展程度进行实证研究，并分析其空间分异特征与时序演化趋势，为闽西南协同发展区物流与经济协同发展和高质量发展提供政策取向及路径选择。

关键词：高质量发展区域经济物流业协同发展动态测度中图分类号：F259.27文献标识码：A文章编号：2095-3151(2020)18-0026-11一、引言党的十九大报告指出“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期”。

高质量发展是一个内涵丰富、外延宽广、动态演化的理论体系，阐释高质量发展的理论框架应该结合具体的发展实践与情境，体现其实践性、动态性和适应性。

近年来兴起的区域、省域、市域协同发展区逐渐构建起多层次、立体化、强关联的地理空间网络和区域联合体，已经成为引领我国经济发展的新增长极。

物流产业是社会经济运转的大动脉，是区域协同发展的重要支撑要素，是推动区域高质量发展的重要组成部分。

2019年3月，24部委联合发布《关于推动物流高质量发展，促进形成强大国内市场的意见》，提出通过区域物流合作与协调发展，增强物流高质量发展的内生动力。

通过促进区域物流子系统和经济子系统的有序协同和良性联动，可以推动物流高质量发展，并为经济高质量发展提供驱动力。

因此，构建一套适用于协同发展区物流与经济协同发展的系统、科学与动态的评价测度体*基金项目：福建省社会科学规划项目“闽西南协同发展区物流协同发展的动态测度、联动机制与提升路径研究”(FJ2019B103)；厦门市社会科学调研课题(重大项目)“推动闽西南协同发展区加快发展的对策研究”(厦社科研［2020: A05)。

福建省城市土地集约利用评价
闫岩
【期刊名称】《安徽农学通报》
【年(卷),期】2014(000)013
【摘要】解决城市土地空置和低效利用根本途径是内部挖潜，提高土地集约利用。

该文从福建省土地利用的现状分析入手，总结了城市土地利用的基本特征及存在问题，在此基础上通过层次分析法，综合评价福建省九个城市土地集约利用水平，并利用ARCGIS实现集约水平的空间差异展布。

研究结果表明：福建省城市土地集
约利用呈阶梯状分布，靠近沿海的南部城市厦门土地集约利用程度最高，福州市次之，漳州市、三明市、龙岩市、莆田市土地集约利用程度处于中度利用水平，南平市、宁德市土地集约利用水平低。

文章最后给出造成土地集约利用差异的原因，以期为实现城市规模有序扩张和城市可持续发展提供决策支持。

【总页数】4页(P1-3,8)
【作者】闫岩
【作者单位】东北农业大学资源与环境学院，黑龙江哈尔滨 150030
【正文语种】中文
【中图分类】F293.2
【相关文献】
1.福建省级开发区土地集约利用评价分析 [J], 孙巧燕;张莉;范胜龙;邱凌婧
2.福建省城市土地集约利用评价及动态变化 [J], 张宝英
3.基于信息熵的城市土地集约利用评价——以福建省为例 [J], 居凤云;张文开;朱懋
4.福建省城市土地集约利用评价及动态变化分析 [J], 张宝英;
5.城市土地集约利用评价——以福建省福州市为例 [J], 章牧;骆培聪;颜志森;程炯;朱鹤健
因版权原因，仅展示原文概要，查看原文内容请购买。