环境科学类中文核心期刊目录第四编自然科学N/Q,T/X 综合性科学技术 1.科学通报 2. 清华大学学报.自然科学版 3. 哈尔滨工业大学学报4. 西安交通大学学报5.上海交通大学学报6华中科技大学学报. 自然科学版7. 东北大学学报.自然科学版8. 北京大学学报. 自然科学版.9.同济大学学报.自然科学版10. 浙江大学学报.工学版11. 中国科学.E辑12. 大连理工大学学报13. 中山大学学报.自然科学版14. 东南大学学报.自然科学版15.中国海洋大学学报.自然科学版16.自然科学进展17.北京理工大学学报18.北京科技大学学报19. 武汉大学学报.理学版20.高技术通讯21.南京大学学报.自然科学22.厦门大学学报.自然科学版23.华南理工大学学报. 自然科学版24.中南大学学报.自然科学版25. 吉林大学学报.理学版26.东北师大学报.自然科学版27.河海大学学报. 自然科学版28.武汉理工大学学报29. 北京师范大学学报.自然科学版30.重庆大学学报.自然科学版（改名为：重庆大学学报）31.天津大学学报. 32.四川大学学报. 自然科学版33.西南交通大学学报34.国防科技大学学报35.兰州大学学报.自然科学版36.四川师范大学学报. 自然科学版37.成都理工大学学报. 自然科学版38.西北大学学报. 自然科学版39. 兰州理工大学学报40.湖南大学学报. 自然科学版41中国科学技术大学学报42.合肥工业大学学报. 自然科学版43.四川大学学报.工程科学版44复旦学报.自然科学版45.吉林大学学报. 工学版46.陕西师范大学学报.自然科学版47.云南大学学报.自然科学版48.浙江大学学报.理学版49.西北工业大学学报50.福州大学学报.自然科学版51.北京工业大学学报52.郑州大学学报. 工学版53.华中师范大学学报.自然科学版54.北京化工大学学报.自然科学版55.北京交通大学学报56.内蒙古大学学报.自然科学版57.南京工业大学学报.自然科学版58.江苏大学学报.自然科学版59.应用科学学报60.哈尔滨工程大学学报61. 中国科学.G辑，物理学、力学、天文学62.扬州大学学报.自然科学版63.福建师范大学学报.自然科学版64.西南师范大学学报.自然科学版65.华东理工大学学报.自然科学版66.华东师范大学学报.自然科学版67.武汉大学学报,工学版68.上海大学学报.自然科学版69.湘潭大学自然科学学报70. 湖南师范大学自然科学学报71.南开大学学报.自然科学版72.桂林工学院学报73.空军工程大学学报.自然科学版74.山西大学学报.自然科学版75.广西师范大学学报.自然科学版76.黑龙江大学自然科学学报77.南京师大学报.自然科学版78.太原理工大学学报79.山东大学学报.理学版80.安徽大学学报.自然科学版81.辽宁工程技术大学学报(改名为:辽宁工程技术大学学报.自然科学版) 82.河北师范大学学报. 自然科学版83.华侨大学学报.自然科学版84.深圳大学学报.理工版85.中国科学院研究生院学报86.华南师范大学学报.自然科学版87.河南师范大学学报.自然科学版88.河北大学学报. 自然科学版89.自然杂志90.河南大学学报.自然科学版91.河北工业大学学报92.宁夏大学学报.自然科学版93.科技通报94.西北师范大学学报.自然科学版95.河南科技大学学报.自然科学版96.郑州大学学报.理学版97.昆明理工大学学报.理工版98.南京理工大学学报.自然科学版99.江西师范大学学报.自然科学报100.中北大学学报.自然科学版101.安徽师范大学学报.自然科学版102.广西大学学报.自然科学版103.山东大学学报.工学版104.东华大学学报.自然科学版105.西南农业大学学报.自然科学版(改名为:西南大学学报.自然科学版)106.天津师范大学学报.自然科学版107.湖北大学学报.自然科学版108.浙江工业大学学报109.西安理工大学学报110.解放军理工大学学报.自然科学版111.南昌大学学报.理科版112.上海理工大学学报113.暨南大学学报.自然科学与医学版114.烟台大学学报.自然科学与工程版115.湖南科技大学学报.自然科学版116.济南大学学报.自然科学版117.海军工程大学学报118.江苏科技大学学报.自然科学版119.河北科技大学学报120.哈尔滨理工大学学报N 自然科学总论 1.系统工程理论与实践 2. 中国科学基金3. 自然辩证法研究4.科学5.实验室研究与探究6. 系统工程学报7. 科学技术与辩证法8. 系统工程9. 系统辩证学学报(改名为:系统科学学报)10.自然辩证法通讯11.实验技术与治理12. 中国科技史杂志13.系统工程理论方法应用(改名为:系统治理学报)14. 自然科学史研究15.中国高校科技与产业化O1 数学 1.数学学报 2.数学年刊.A辑 3.应用数学学报 4.中国科学.A辑, 数学5. 运算数学 6. 数学物理学报7. 模糊系统与数学8. 系统科学与数学9. 数学进展10. 应用数学11. 高等学校运算数学学报12. 工程数学学报13. 应用概率统计14. 高校应用数学学报.A辑15. 数学杂志16.数学运算与运算机应用17.数学的实践与认识O3 力学1．力学学报 2. 力学进展3. 应用数学和力学4. 固体力学学报 5. 爆炸与冲击6. 运算力学学报7. 力学与实践8. 实验力学9. 应用力学学报10. 力学季刊11. 水动力学研究与进展.A辑12.机械强度13.振动与冲击O4 物理学 1.物理学报 2.光学学报 3.发光学报 4.光子学报 5. 低温物理学报6. 中国激光7.原子与分子物理学报8. 声学学报9. 物理学进展10.原子核物理评论11. 物理12. 量子电子学报13. 高压物理学报14. 光谱学与光谱分析15. 量子光学学报16. 大学物理17. 核聚变与等离子体物理18. 运算物理19. 波谱学杂志20.低温与超导21.物理实验22.光散射学报23.当代学术进展研究24.教育科学博览25.人文社科O6 化学1．高等学校化学学报 2.分析化学 3.化学学报 4. 催化学报5. 无机化学学报 6.物理化学学报7. 有机化学8. 分析实验室9. 色谱10. 分析测试学报11. 化学通报12.分子科学学报13. 分析科学学报14. 中国科学.B辑,化学15. 化学进展16. 理化检验.化学分册17.分子催化18. 化学研究与应用19. 化学试剂20.功能高分子学报21.光谱实验室22.合成化学23. 人工晶体学报24.感光科学与光化学(改名为:影像科学与光化学)25.运算机与应用化学26.核化学与放射化学P1 天文学 1.天文学报 2.天文学进展P2 测绘学 1.测绘学报 2.武汉大学学报.信息科学版 3.测绘通报 4. .测绘科学5.地球信息科学6.大地测量与地球动力学7.遥感学报8.测绘学院学报(改名为:测绘科学技术学报)Q95/96 动物学/人类学 1.动物学报 2.昆虫学报 3.动物学研究 4. 动物分类学报5.兽类学报 6. 动物学杂志7. 昆虫知识8.昆虫分类学报9.人类学学报10. 四川动物6.材料科学与工程学报师7.材料工程.TB4工业通用技术与设备 1.中国粉体技术2.包装工程TB5声学工程 1.噪声与振动操纵 2.应用声学TB6制冷工程 1.低温工程 2.制冷学报TB7真空技术 1.真空科学与技术学报 2.真空TB9计量学 1.计量学报TD(除TD82)矿业工程(除煤矿开采) 1．岩矿测试 2.中国矿业大学学报 3.爆破4.金属矿山 5. 矿山压力与顶板治理(改名为:采矿与安全工程学报) 6.中国矿业7.矿冶工程8. 非金属矿9. 矿业研究与开发10. 矿业安全与环保11.工程爆破12. 矿山机械13. 化工矿物与加工14. 西安科技大学学报TD82煤矿开采1．煤炭学报2. 煤炭科学技术3.煤矿安全4. 煤田地质与勘探5. 选煤技术6.煤炭工程7.煤炭技术8. 中国煤炭9. 煤矿机械10..煤矿开采TE 石油,天然气 1. 石油勘探与开发2. 石油学报3. 天然气工业 4. 石油与天然气地质 5. 石油化工 6. 石油实验地质7. 石油大学学报.自然科学版(中国石油大学学报.自然科学版)8. 石油钻采工艺9. 油田化学10. 新疆石油地质11. 西南石油学院学报(改名为:西南石油大学学报) 12.石油机械13.钻采工艺14. 石油炼制与化工15. 大庆石油地质与开发16.西安石油大学学报.自然科学版17. 石油地球物理勘探18. 油气地质与采收率19. 油气储运20. 石油天然气学报21.中国海上油气22. 石油钻探技术23. 大庆石油学院学报24. 石油物探25. 油气田地面工程26.天然气地球科学27. 石油学报.石油加工28.测井技术29.断块油气田TF 冶金工业 1.冶金分析 2. 钢铁 3. 粉末冶金技术 4.钢铁研究学报 5. 有色金属.冶炼部分6. 轻金属7. 炼钢8.中国稀土学报9. 稀有金属10.有色金属11.专门钢12. 炼铁13. 粉末冶金工业14.稀有金属与硬质合金15. 稀土16. 烧结球团17. 硬质合金18.贵金属19.中国有色冶金20.湿法冶金21.冶金自动化22.钢铁钡钛23.黄金TG 金属学与金属工艺 1.金属学报 2.中国有色金属学报 3. 特种铸造及有色合金4. 稀有金属材料与工程5. 金属热处理6. 铸造7. 焊接学报8. 中国腐蚀与防护学报9. 材料爱护10. 腐蚀科学与防护技术11. 热加工工艺12 . 塑性工程学报13. 材料热处理学报14.中国表面工程15. .机械工程材料16. 铸造技术17. 锻压技术18. 材料科学与工艺19. 表面技术20.轻合金加工技术21. 焊接22. 腐蚀与防护23. 焊接技术24. 电焊机25.轧钢26. 金刚石与模料模具工程TH 机械、外表工业 1.机械工程工程2.中国机械学报3.摩擦学学报 4.机械科学与技术 5.机械设计 6.光学周密工程7. 机械设计与研究8.润滑与密封9.仪器外表学报10.机床与液压11. 机械传动12. 液压与气动13. 流体机械14.自动化与外表15. 现代制造工程16.工程设计学报17.振动、测试与诊断18.光学技术19. 机械设计与制造20. 制造业自动化21. 水泵技术22. 制造技术与机床23. 轴承24。
第４０卷第２３期２０２０年１２月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．２３Ｄｅｃ．，２０２０基金项目：国家自然科学青年科学基金项目（７１８０４１８０）收稿日期：２０２０⁃０４⁃３０；㊀㊀网络出版日期：２０２０⁃１０⁃２９∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｚｙｏｕｙａｎｇ＠ｒｃｅｅｓ．ａｃ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０２００４３０１０６２蔡文博，韩宝龙，逯非，冼超凡，欧阳志云．全球四大湾区生态环境综合评价研究．生态学报，２０２０，４０（２３）：８３９２⁃８４０２．ＣａｉＷＢ，ＨａｎＢＬ，ＬｕＦ，ＸｉａｎＣＦ，ＯｕｙａｎｇＺＹ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（２３）：８３９２⁃８４０２．全球四大湾区生态环境综合评价研究蔡文博，韩宝龙，逯㊀非，冼超凡，欧阳志云∗中国科学院生态环境研究中心，城市与区域生态国家重点实验室，北京㊀１０００８５摘要：全球四大湾区既是经济发达区，也是生态环境脆弱区，对全球可持续发展至关重要㊂粤港澳大湾区的生态环境问题正在限制其可持续发展，有碍于全面建成国际一流湾区目标的实现㊂然而，过去的研究对生态环境方面关注较少，缺少湾区生态环境综合评价体系的构建㊂通过综合国内外统计和遥感多源数据，建立四大湾区生态环境评价数据库；围绕生态质量，环境质量和资源利用效率建立指标体系，构建湾区生态环境综合评价指数㊂结果表明：２０１５年，生态环境综合评价，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区；生态质量，纽约湾区＞旧金山湾区＞粤港澳大湾区＞东京湾区；环境质量，旧金山湾区＞东京湾区＞纽约湾区＞粤港澳大湾区；资源利用效率，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区㊂２００５ ２０１５年，粤港澳大湾区环境质量增速缓慢，在生态质量和资源利用效率增幅排名首位㊂旧金山湾区和纽约湾区优势在生态和环境质量，短板在资源利用效率；东京湾区在资源利用效率方面优势明显，短板在生态质量；综合来看，粤港澳大湾区与其他湾区都存在差距㊂研究建议粤港澳大湾区从生态空间㊁生态环境治理和资源利用方面，吸取发达国家湾区的经验㊂关键词：粤港澳大湾区；东京湾区；旧金山湾区；纽约湾区；生态环境评价Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓＣＡＩＷｅｎｂｏ，ＨＡＮＢａｏｌｏｎｇ，ＬＵＦｅｉ，ＸＩＡＮＣｈａｏｆａｎ，ＯＵＹＡＮＧＺｈｉｙｕｎ∗ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｒｂａｎａｎｄＲｅｇｉｏｎａｌＥｃｏｌｏｇｙ，ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＥｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔＳｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８５，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ（Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ，ＴｏｋｙｏＢａｙＡｒｅａ，ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ，ａｎｄＮｅｗＹｏｒｋＢａｙＡｒｅａ）ａｒｅｈｉｇｈｌｙｅｃｏｎｏｍｉｃａｌｌｙｄｅｖｅｌｏｐｅｄｙｅｔｅｃｏｌｏｇｉｃａｌｌｙｖｕｌｎｅｒａｂｌｅ，ｗｈｏｓｅｄｅｖｅｌｏｐｍｅｎｔａｒｅｃｒｕｃｉａｌｔｏｇｌｏｂａｌｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔ．Ｄｅｓｐｉｔｅｔｈｅｒａｐｉｄｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ，ｔｈｅｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｂｌｅｍｓｌｉｍｉｔｔｈｅｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ，ａｎｄｔｈｕｓｈｉｎｄｅｒｉｔｓｇｏａｌｔｏｂｕｉｌｄａｆｉｒｓｔ⁃ｃｌａｓｓｉｎｔｅｒｎａｔｉｏｎａｌｂａｙａｒｅａ．ＦｅｗｐｒｅｖｉｏｕｓｓｔｕｄｉｅｓａｄｄｒｅｓｓｅｄｔｈｅｉｓｓｕｅｏｆｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ，ｎｏｒｄｉｄｔｈｅｙｅｓｔａｂｌｉｓｈａｃｏｍｐｒｅｈｅｎｓｉｖｅｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌａｓｓｅｓｓｍｅｎｔｓｙｓｔｅｍｆｏｒｂａｙａｒｅａｓ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｗｅｂｕｉｌｔａｎｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｅｖａｌｕａｔｉｏｎｄａｔａｂａｓｅｆｏｒｔｈｅｆｏｕｒｂａｙａｒｅａｓｂｙｉｎｔｅｇｒａｔｉｎｇｍｕｌｔｉｓｏｕｒｃｅｄｏｍｅｓｔｉｃａｎｄｆｏｒｅｉｇｎｓｔａｔｉｓｔｉｃｓａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ．Ｔｈｅｅｃｏｌｏｇｉｃａｌｌｙａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｌｙｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｉｎｄｅｘｓｙｓｔｅｍｗａｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙ，ａｓｗｅｌｌａｓｔｈｅｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｉｎ２０１５，ＴｏｋｙｏＢａｙＡｒｅａｈａｄｔｈｅｈｉｇｈｅｓｔｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｉｎｄｅｘ，ｆｏｌｌｏｗｅｄｂｙＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ，ＮｅｗＹｏｒｋＢａｙＡｒｅａ，ａｎｄＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ；ｆｏｒｔｈｅｅｃｏｌｏｇｉｃａｌｑｕａｌｉｔｙ，ＮｅｗＹｏｒｋＢａｙＡｒｅａｈａｄｔｈｅｈｉｇｈｅｓｔｓｃｏｒｅａｎｄＴｏｋｙｏＢａｙＡｒｅａｈａｓｔｈｅｌｏｗｅｓｔ，ｗｉｔｈＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ，ａｎｄＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａｒａｎｋｉｎｇｓｅｃｏｎｄａｎｄｔｈｉｒｄ；ａｓｔｏｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａｒａｎｋｅｄｆｉｒｓｔ，ｆｏｌｌｏｗｅｄｂｙＴｏｋｙｏＢａｙＡｒｅａ，ＮｅｗＹｏｒｋＢａｙＡｒｅａ，ａｎｄＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ；ｉｎｔｅｒｍｓｏｆｔｈｅｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ＴｏｋｙｏＢａｙＡｒｅａｐｅｒｆｏｒｍｅｄｔｈｅｂｅｓｔ，ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ，ＮｅｗＹｏｒｋＢａｙＡｒｅａ，Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａｆｏｌｌｏｗｅｄａｃｃｏｒｄｉｎｇｌｙ．Ｆｒｏｍ２００５ｔｏ２０１５，Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａｇｒｅｗｓｌｏｗｌｙｉｎｔｈｅａｒｅａｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙ．Ｈｏｗｅｖｅｒ，ｉｔｒａｎｋｅｄｆｉｒｓｔｉｎｅｃｏｌｏｇｉｃａｌｑｕａｌｉｔｙａｎｄｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ．Ｂａｓｅｄｏｎｔｈｅａｂｏｖｅａｎａｌｙｓｉｓ，ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａａｎｄＮｅｗＹｏｒｋＢａｙＡｒｅａｅｘｃｅｌｌｅｄｉｎｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙ，ｂｕｔｄｉｄｎｏｔｐｅｒｆｏｒｍａｓｇｏｏｄｉｎｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ．Ｂｙｃｏｍｐａｒｉｓｏｎ，ＴｏｋｙｏＢａｙＡｒｅａｈａｄｇｒｅａｔａｄｖａｎｔａｇｅｉｎｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ｂｕｔｉｔｓｄｉｓａｄｖａｎｔａｇｅｓｗｅｒｅｉｎｅｃｏｌｏｇｉｃａｌｑｕａｌｉｔｙ．Ｉｎｇｅｎｅｒａｌ，ｔｈｅｒｅｗａｓｓｔｉｌｌａｇａｐｂｅｔｗｅｅｎＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａａｎｄｔｈｅｏｔｈｅｒｔｈｒｅｅｂａｙａｒｅａｓｉｎｔｅｒｍｓｏｆｅｃｏｌｏｇｉｃａｌａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｄｅｖｅｌｏｐｍｅｎｔ，ａｎｄｗｅｓｕｇｇｅｓｔｅｄｔｈａｔＧｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙａｒｅａｓｈｏｕｌｄｌｅａｒｎｆｒｏｍｔｈｅｄｅｖｅｌｏｐｅｄｃｏｕｎｔｒｉｅｓｗｉｔｈｒｅｇａｒｄｔｏｔｈｅｍａｎａｇｅｍｅｎｔｏｆｅｃｏｌｏｇｉｃａｌｓｐａｃｅ，ｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔａｌｇｏｖｅｒｎａｎｃｅ，ａｎｄｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ．ＫｅｙＷｏｒｄｓ：Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ；ＴｏｋｙｏＢａｙＡｒｅａ；ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ；ＮｅｗＹｏｒｋＢａｙＡｒｅａ；Ｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｅｖａｌｕａｔｉｏｎ粤港澳大湾区与东京湾区㊁旧金山湾区和纽约湾区并称为世界四大湾区［１⁃２］，其中粤港澳大湾区是我国城镇化水平最高的城市群区域，也是四大湾区中最 年轻 的地区㊂粤港澳大湾区作为我国国家区域发展战略地，是我国建设世界级城市群和参与全球竞争的重要空间载体［３⁃４］㊂粤港澳大湾区城镇化速度快㊁人口集聚水平高，人与自然的矛盾也十分突出［５⁃８］，尤其是近年来，粤港澳大湾区快速发展带来的生境破碎㊁大气污染等生态环境问题逐步暴露［９⁃１３］㊂随着生态文明建设的深入推进，生态修复亟待开展［１４⁃１５］，处理好 发展 与 保护 的关系成为粤港澳大湾区高质量发展的关键，需要科学地评价湾区的生态㊁环境质量与资源利用效率㊂旧金山湾区㊁纽约湾区和东京湾区发展较早，在生态环境治理取得了相对成熟的经验［１４，１６⁃１７］㊂通过对比世界四大湾区在生态环境治理㊁资源利用等方面的现状和趋势，研究这些发达湾区的发展经验，对于引导粤港澳大湾区可持续发展至关重要㊂目前全球湾区的比较研究，以社会经济领域居多［３⁃４，１８⁃２１］，包括经济发展［２０］㊁科技创新［２２］和人才培养［４］等多个方面；而生态环境方面的比较较少［２，１４］，部分学者从生态系统格局变化［２］㊁环境保护政策［２３］方面进行了定性分析，但缺乏定量指标的评价㊂主要原因是由于国内外生态与环境数据统计口径不一㊁收集难度较大，难以建立统一的定量评价体系㊂为了建立适合全球湾区比较的生态环境综合评价体系，本研究遍历国内外主要统计数据，利用美国宇航局全球卫星产品和欧洲宇航局全球土地利用产品等数据，建立２００５ ２０１５四大湾区生态与环境综合数据评价数据库；围绕生态质量㊁环境质量和资源利用效率三方面建立指标体系，构建湾区生态环境综合评价指数㊂通过对比，识别粤港澳大湾区相较其他发达湾区的优势和和短板，为粤港澳大湾区可持续发展提供科学支持㊂１㊀研究方法１．１㊀研究区概况粤港澳大湾区位于珠三角地区，由我国香港㊁澳门两个特别行政区和广东省广州㊁深圳㊁珠海㊁佛山㊁惠州㊁东莞㊁中山㊁江门㊁肇庆（珠三角）九个地级市组成㊂中部是平原，四周是山地㊁丘陵和岛屿；属于亚热带气候，气候温和，雨量充沛，日照时间长㊂旧金山湾区是美国西海岸加利福尼亚州北部的一个大都会区，主要包括旧金山半岛上的旧金山㊁东部的奥克兰和南部的圣何塞；可分为东湾㊁北湾㊁半岛和南湾四大片区；大多是丘陵地带；位于地中海式气候带上，有湿润温和的冬季和干旱的夏季；降雨方面，有着分明的干湿季［１３，２０］㊂纽约湾区是美国东海岸地跨纽约州和新泽西州的大都会区，位于美国东北部太平洋沿岸平原，平地比较多，海拔比较低，属于北温带，四季分明，雨水充沛，气候宜人；夏季平均气温２３ħ，冬季１ħ㊂水资源丰富，湾区周围有哈德逊河㊁东河㊁哈林河等河流分布［２５⁃２７］㊂东京湾区位于日本本州岛中部太平洋海岸，主要包括东京都㊁崎玉县㊁千叶县㊁神奈川县；地形主要有河岸平原和海岸平原，还有少量的台地㊁低地㊁湿地和丘陵的分布；发源于北方３９３８㊀２３期㊀㊀㊀蔡文博㊀等：全球四大湾区生态环境综合评价研究㊀的西方河川广泛分布在湾区各地；气候温和，降水丰沛，初夏有雨，夏秋多台风［２８］㊂粤港澳大湾区范围采用广东９市与香港㊁澳门；纽约湾区的范围采用美国国家统计局的统计范围（ＭｅｔｒｏｐｏｌｉｔａｎＳｔａｔｉｓｔｉｃａｌＡｒｅａ）；旧金山湾区采用湾区美国官方统计范围；东京湾区采用一都三县的边界范围㊂四大湾区的面积根据欧洲宇航局２０１５年土地利用遥感影像解译得（表１）㊂表１㊀全球四大湾区概况Ｔａｂｌｅ１㊀Ｏｖｅｒｖｉｅｗｏｆｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ湾区Ｂａｙａｒｅａｓ２０１５年人口Ｐｏｐｕｌａｔｉｏｎ／万人２００５ ２０１５年人口变化率Ｐｏｐｕｌａｔｉｏｎｃｈａｎｇｅｒａｔｅ／％２０１５年ＧＤＰ／（亿元人民币）２００５ ２０１５年ＧＤＰ变化率ＧＤＰｃｈａｎｇｅｒａｔｅ／％面积Ａｒｅａ／ｋｍ２气候带Ｃｌｉｍａｔｉｃｚｏｎｅ粤港澳大湾区Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ５８７４．２８１１．３５８８４１６．７１１６９．７８５８４４３．３３亚热带季风旧金山湾区ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ７４５．８２９．９４４７５４４．１４２６．３５１８２４５．９９地中海气候纽约湾区ＮｅｗＹｏｒｋＢａｙＡｒｅａ１９３２．１０２．７８９４６６３．３７４．８９３１３５３．２８温带大陆性气候东京湾区ＴｏｋｙｏＢａｙＡｒｅａ３６１３．１０４．７９１１６８０７．２７２０．９７１９７６９．４３亚热带季风㊀㊀数据来源：２００５和２０１５年，粤港澳大湾区（９＋２行政区）人口和ＧＤＰ由广东省统计年鉴［２９］和中国统计年鉴［３０］的９个地级市及２个特别行政区数据累计获得；旧金山湾区和纽约湾区人口和ＧＤＰ获自美国国家统计局［３１］㊁美国经济分析部［３２］和旧金山湾区统计局［３３］；东京湾区人口和ＧＤＰ数据获自日本国家统计局［３４］㊂其中，人民币兑美元汇率和人民币兑日元汇率，使用２００５和２０１５年央行汇率中间价㊂湾区面积由２０１５年欧洲宇航局全球卫星产品数据［３５］获得在气候带上，四大湾区处于两个梯度，旧金山湾区（地中海气候）和纽约湾区（温带大陆性气候）位于温带，东京湾区和粤港澳大湾区北部地区（温带季风气候）位于亚热带㊂由于区位的不同，导致从北到南，四大湾区的温度和降雨量大致呈现随纬度的降低逐步升高的趋势㊂其中，大湾区跨亚热带和热带，雨量充足，温度常年较高㊂在经济发展水平上，全球主要的湾区也处于不同的发展水平㊂从２０１５年人均ＧＤＰ来看，旧金山湾区和纽约湾区分别为６３．７５万元（人民币）和４９．００万元（人民币），东京湾区和粤港澳大湾区分别为３２．３３万元（人民币）和１５．０５万元（人民币）㊂１．２㊀数据库构建从社会经济㊁自然遥感和资源利用三方面，综合美国㊁日本和我国统计与全球卫星遥感产品多源数据，建立全球四大湾区社会 经济 自然数据库（表１和表２）㊂由于数据获得性年份不一，为保证数据年份统一和比较的代表性，根据数据可获得性（如美国用水县级调查五年一次，最新为２０１５年）和湾区的社会经济发展阶段（２００５ ２０１５年为大湾区快速高速发展期），选取２００５和２０１５年两个时间节点进行对比㊂其中，全球土地利用数据获取自欧洲宇航局全球卫星产品，分辨率为３００ｍ，时间为２００５和２０１５年㊂总初级生产力（ＧＰＰ）和ＰＭ２．５数据由美国宇航局全球卫星产品获得，分辨率为５００ｍ㊂粤港澳大湾区的土地利用数据及其环境遥感数据与其他湾区一致㊂１．３㊀指标体系建立本研究的全球湾区生态与环境综合评价指标体系包含３个方面（表３）：生态质量㊁环境质量和资源利用效率㊂其中，生态质量和环境质量指标可反映湾区的生态系统健康，资源利用效率指标可反映湾区的资源利用可持续性，以上三方面指标均反映了湾区可持续发展的重要基础㊂在此三方面指标分指标确立和计算方面，研究克服了阻碍四大湾区国际生态环境综合比较中的多项问题：一方面，寻找四大湾区生态㊁环境和资源利用共同监测或统计的指标有难度，有些国内常用指标国外并不４９３８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀使用，需要通过指标计算和单位换算，例如，资源利用的三项分指标；另一方面，共同监测或统计指标的统计年限不一，某些指标国内监测晚于国外，需要重新选取或统一数据充分的年份比较㊂表２㊀全球四大湾区自然⁃社会⁃经济综合数据库Ｔａｂｌｅ２㊀Ｓｏｃｉｏ⁃ｅｃｏｎｏｍｉｃ⁃ｎａｔｕｒａｌｄａｔａｂａｓｅｏｆｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ指标类Ｉｎｄｉｃａｔｏｒｔｙｐｅｓ指标Ｉｎｄｉｃａｔｏｒｓ数据来源Ｄａｔａｓｏｕｒｃｅｓ粤港澳大湾区旧金山湾区和纽约湾区东京湾区社会经济Ｓｏｃｉｏ⁃ｅｃｏｎｏｍｉｃ人口广东省统计年鉴［２９］，中国统计年鉴［３０］美国国家统计局［３１］，旧金山湾区统计局［３３］日本国家统计局［３４］ＧＤＰ广东省统计年鉴［２９］，中国统计年鉴［３０］美国经济分析部［３２］，旧金山湾区统计局［３３］日本国家统计局［３４］自然遥感土地利用欧洲宇航局全球土地利用产品数据［３５］Ｎａｔｕｒａｌｅｃｏｓｙｓｔｅｍａｎｄ总初级生产力（ＧＰＰ）美国宇航局全球卫星产品数据［３６］ＲｅｍｏｔｅｓｅｎｓｉｎｇＰＭ２．５美国宇航局全球卫星产品数据［３６］环境报告ＥｎｖｉｒｏｎｍｅｎｔａｌｒｅｐｏｒｔＮＯ２／（μｇ／ｍ３）广州市环境质量状况公报［３７］，深圳市生态环境状况公报［３８］，香港环境保护署［３９］美国环保部［４０］东京都环境局［４１］海湾水质／（ｍｇ／Ｌ）中国近岸海域生态环境质量公报［４２］，广东省环境质量状况报告［４３］纽约港水质报告［４４］，旧金山湾环境报告［４５］日本环境年报［４６］资源利用Ｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎ用水量广东省水资源公报［４７］，中国统计年鉴［３０］美国用水县级调查［４８］日本国家统计局［３４］总能源消耗广东省统计年鉴［２９］，中国统计年鉴［３０］美国能源信息部日本国家统计局［３４］表３㊀湾区生态与环境综合评价指标体系Ｔａｂｌｅ３㊀Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ类型Ｃａｔｅｇｏｒｉｅｓ指标Ｉｎｄｉｃａｔｏｒｓ定义Ｄｅｆｉｎｉｔｉｏｎ方向Ｔｒｅｎｄｓ定义参照Ｄｅｆｉｎｉｔｉｏｎｒｅｆｅｒｅｎｃｅｓ获取和计算方法Ｄａｔａｃｏｌｌｅｃｔｉｏｎａｎｄｃａｌｃｕｌａｔｉｏｎ生态质量Ｅｃｏｓｙｓｔｅｍｑｕａｌｉｔｙ绿林地比例／％森林㊁灌木和草地面积总和占湾区总面积的比例正（林地＋灌木林＋草地）／湾区总面积绿林地总初级生产力（ＧＰＰ）相对量ＧＰＰ是指单位时间和单位面积上，绿色植被通过光合作用所产生的有机碳总量㊂湾区绿林地ＧＰＰ相对量定义为 湾区绿林地ＧＰＰ均值 与 前１０％的绿林地ＧＰＰ高值 的比值㊂正［３９］使用ＡｒｃＧＩＳ的ＺｏｎａｌＳｔａｔｉｓｔｉｃｓ计算绿林地ＧＰＰ均值和标准差；绿林地ＧＰＰ相对量的计算法见公式（１）环境质量ＥｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙＰＭ２．５／（μｇ／ｍ３）指大气中空气动力学直径小于或等于２．５μｇ的颗粒物负［４０］使用ＡｒｃＧＩＳ的ＺｏｎａｌＳｔａｔｉｓｔｉｃｓ计算遥感数据均值和标准差ＮＯ２／（μｇ／ｍ３）是一种重要的大气污染物，主要来自高温燃烧过程的释放负［４０］核心城市ＮＯ２浓度平均海湾水质／（ｍｇ／Ｌ）以无机氮为指标，参照我国海水水质标准ＧＢ ３０９７ １９９７负［４１］海湾无机氮浓度资源利用效率Ｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ万元ＧＤＰ用水量／ｍ３总用水量（单位：ｍ３）除以总ＧＤＰ（单位万元）负［４２］湾区用水总量／ＧＤＰ单位ＧＤＰ建设用地／ｋｍ２指在一定时期内，每生产单位ＧＤＰ（亿元）所占用的建设用地面积负［４３］建设用面积／ＧＤＰ万元ＧＤＰ能耗（吨标准煤／万元）每产生万元ＧＤＰ（国内生产总值）所消耗掉的能源负［１３］湾区总能耗／ＧＤＰ５９３８㊀２３期㊀㊀㊀蔡文博㊀等：全球四大湾区生态环境综合评价研究㊀６９３８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀㊀㊀经过生态与环境方面专家的讨论与咨询，选取生态质量的２项指标㊁环境质量３项指标和资源利用的３项指标，筛选指标的原则是：（１）每项指标的分指标指示内容不同，同类指标不重复选取：生态质量两项分指标分别指示生态系统面积和质量；环境质量三项分指标分别指示空气和水的质量，其中ＰＭ２．５和ＮＯ２虽同为空气质量指标，但是ＰＭ２．５与空气颗粒物相关，而ＮＯ２与能源消耗密切相关；资源利用效率三项分指标分别指示用水㊁用地和用能三方面㊂（２）在同类指标中选取同时满足内地与港澳和国际通用的生态环境指标，例如，ＰＭ２．５是全球常用城市环境测度指标之一，对于空气质量具有代表性和通用性；（３）选取内地与港澳和其他国家湾区可获得性高或计算简易的指标，例如，单位ＧＤＰ建设用地采用易于获取的城市ＧＤＰ和全球免费卫星产品数据计算㊂生态质量的２项指标㊁环境质量３项指标和资源利用的３项指标，由以下表３中方法直接或计算获得㊂表３指标获取和计算方法中，需要指出：生态质量指标中，绿林地的ＧＰＰ，由ＡｒｃＧＩＳ平台处理的土地利用产品数据［３５］的绿林地范围，截取ＧＰＰ卫星产品数据［３６］统计获得㊂绿林地的ＧＰＰ指标计算为相对量，计算方法参见表３㊂针对生态质量指标中的绿林地ＧＰＰ指标，为了减少不同纬度带绿林地ＧＰＰ差异的影响，研究采用ＧＰＰ（均值） 四个湾区分别的绿林地ＧＰＰ平均值ᶄ与ＧＰＰ（１０％） 前１０％的绿林地ＧＰＰ高值ᶄ的比值，根据公式１计算ＧＰＰ（相对量）：ＧＰＰ（相对量）＝ＧＰＰ（均值）ＧＰＰ（１０％）（１）式中，各湾区前１０％的绿林地ＧＰＰ高值区的生态系统类型是森林；２０１５年四大湾区前１０％的绿林地ＧＰＰ值为旧金山湾区（６６６．０ｇ／ｍ２）＞粤港澳大湾区（６３０．９ｇ／ｍ２）＞东京湾区（５２７．４ｇ／ｍ２）＞纽约湾区（４６８．９ｇ／ｍ２）；２００５年四大湾区前１０％的绿林地ＧＰＰ值为旧金山湾区（７１５．５ｇ／ｍ２）＞粤港澳大湾区（５９６．７ｇ／ｍ２）＞纽约湾区（５０４．９ｇ／ｍ２）东京湾区（４５１．８ｇ／ｍ２）㊂环境质量指标中，ＮＯ２（μｇ／ｍ３）指标使用深圳㊁广州和香港指代粤港澳大湾区，纽约㊁旧金山和东京都的值分别指代纽约湾区，旧金山湾区和东京湾区㊂海湾水质使用珠江口㊁纽约湾㊁旧金山湾，东京湾无机氮浓度值指代，其中根据中国近岸海域生态环境质量公报珠江口水质主要为四类和劣四类，采用海水水质标准ＧＢ ３０９７ １９９７无机氮四类底线值（０．５ｍｇ／Ｌ），纽约湾㊁旧金山湾，东京湾无机氮浓度值来源参照表２㊂资源利用指标中，万元ＧＤＰ能耗采用美国能源信息部州级能耗数据（表３）测算金山湾区和纽约湾区㊂其中，美国加州分为以旧金山市为中心的北加州和以洛杉矶市为中心的南加州两大区域，旧金山湾区作为北加州重镇，采用加州总能耗的１／２指代旧金山湾区的总能耗㊂纽约湾区地跨纽约州和新泽西州，两个州的能耗平均值指代旧金山湾区的总能耗㊂美国能耗单位１ｂｔｕ＝１０５５．０６Ｊ［４９］，以及日本能耗单位ｋＪ，根据我国能耗标准转换为标准煤（１千克标准煤＝２９２７１ｋＪ［５０］）㊂其中，ＧＰＰ计算栅格平均量（Ｍｅａｎ）；ＰＭ２．５计算栅格平均量；为了表示结果的不确定性，栅格平均量（Ｍｅａｎ）计算标准差，显示内部差异㊂２０１５年，四大湾区绿林地ＧＰＰ标准差分别为旧金山湾区（１２０．１５）＞粤港澳大湾区（１１３．６４）＞东京湾区（７３．７９）＞纽约湾区（４６．８９）；四大湾区ＰＭ２．５标准差分别为粤港澳大湾区（３．６７）＞旧金山湾区（２．７９）＞纽约湾区（１．３８）＞东京湾区（１．５９）㊂１．４㊀生态环境综合评价指数构建首先，将表４中９个分指标方向统一调整为正向，指数越高代表正面评价越高：正向指标绿地比例和绿林地ＧＰＰ均量方向不变，负向指标ＰＭ２．５调整为 １／ＰＭ２．５ ，ＮＯ２调整为 １／ＮＯ２ ，海湾水质调整为 １／海湾水质 ，万元ＧＤＰ用水量调整为 单位用水ＧＤＰ ，单位ＧＤＰ建设用地调整为 单位用地ＧＤＰ ，单位ＧＤＰ能耗调整为 单位用能ＧＤＰ ㊂其次，并对表４中调整为正向后的生态质量的２个分指标，环境的３个分指标和和资源利用的３个分指标，进行四个湾区指标数值加总后，分别除以总值，转换值到（０ １）之间（公式２）㊂Ｅｎ＝Ｘｎ／（（Ａｎ＋Ｂｎ＋Ｃｎ＋Ｄｎ））（２）式中，Ｅｎ代表每类转换为（０ １）之间的第ｎ个分指标，Ａｎ㊁Ｂｎ㊁Ｃｎ和Ｄｎ分别代表粤港澳大湾区㊁纽约湾区㊁旧金山湾区和东京湾区的第ｎ项分指标，Ｘｎ代表Ａｎ㊁Ｂｎ㊁Ｃｎ或Ｄｎ中的一项㊂接着，使用几何平均法，对生态质量㊁环境质量和资源利用效率的三大类指标内部分指标进行等权重叠加，构建生态质量㊁环境质量和资源利用效率三大指数㊂Ｇ＝ｎＥ１ˑＥ２ˑＥ３ˑＥｎ＝ｎᵑＥｎ（３）式中，Ｇ是三类指标内部分指标的几何平均值，Ｅｎ代表每类转换值（０ １）的第ｎ个分指标㊂最后，对三大类指标进行等权重叠加，构建湾区生态与环境综合评价指数㊂Ｇ是湾区生态与环境综合评价指数，采用生态质量㊁环境质量和资源利用效率３个分指数数值的几何平均值表征㊂表４㊀湾区生态与环境综合评价指标对比Ｔａｂｌｅ４㊀Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓ类型Ｃａｔｅｇｏｒｉｅｓ指标Ｉｎｄｉｃａｔｏｒｓ粤港澳大湾区Ｇｕａｎｇｄｏｎｇ⁃ＨｏｎｇＫｏｎｇ⁃ＭａｃａｏＢａｙＡｒｅａ旧金山湾区ＳａｎＦｒａｎｃｉｓｃｏＢａｙＡｒｅａ纽约湾区ＮｅｗＹｏｒｋＢａｙＡｒｅａ东京湾区ＴｏｋｙｏＢａｙＡｒｅａ２００５２０１５２００５２０１５２００５２０１５２００５２０１５生态质量Ｅｃｏｓｙｓｔｅｍｑｕａｌｉｔｙ绿林地比例／％４０．３８４６．１７６４．３５６４．０７５６．９５５４．５４３２．１７３１．６４绿林地总初级生产力ＧＰＰ／（ｇ／ｍ２）３９９．２０４１６．６６４２５．７９３２８．８２３２６．３６３２９．２６２６４．９１３１８．２３环境质量ＥｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙＰＭ２．５／（μｇ／ｍ３）３４．７６２７．８３７．２０７．８０１２．２４９．１３１１．３６１０．４８ＮＯ２／（μｇ／ｍ３）５６．０７４５．５１２２．９３１９．１５３８．６２２９．５３２５．００１９．００海湾水质（无机氮／（ｍｇ／Ｌ））＞＝０．５０＞＝０．５００．１４０．１５０．３００．２３０．２１０．１７资源利用效率Ｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎ万元ＧＤＰ用水量／（ｍ３／万元）７９．２５２５．７８１７０．２７５２．０９１９４．９５８４．２２８．１２６．５３ｅｆｆｉｃｉｅｎｃｙ亿元ＧＤＰ建设用地／（ｋｍ２／亿元）０．１５０．０８０．０７０．０６０．０９０．１００．０６０．０６万元ＧＤＰ能耗／（ｔ标准煤／万元）０．４８０．３７０．０４０．０３０．０１０．０１０．０１０．０１结果中，使用２００５ ２０１５年分指标和总指标的变化率：如果变化率为正，说明这项指标正增长；如果变化率为负，说明这项指标负增长；如果变化率为零，说明这项指标保持不变㊂２㊀结果２．１㊀生态质量指数对比２０１５年，四个大湾区的生态质量指数排序为：纽约湾区＞旧金山湾区＞粤港澳大湾区＞东京湾区（图１）㊂各分指标中，绿林地比例指数排序为，旧金山湾区＞粤港澳大湾区＞纽约湾区＞东京湾区（图１），说明总绿林地比例旧金山湾区和粤港澳大湾区较高㊂同时，人均绿林地面积中，旧金山湾区＞纽约湾区＞粤港澳大湾区＞东京湾区，首位旧金山湾区是粤港澳大湾区的３．４１倍㊂绿林地ＧＰＰ指数方面，纽约湾区＞东京湾区＞粤港澳大湾区＞旧金山湾区，说明粤港澳大湾区与发达国家湾区存在差距㊂其中，绿林地比例指数差距较大（图２）：粤港澳大湾区（３５．３２％）＞东京湾区（１２．７１％）＞旧金山湾区（－９．４３％）＞纽约湾区（－２１．５６％）；绿林地ＧＰＰ指数，纽约湾区（７．９８％）＞东京湾区（４．２１％）＞粤港澳大湾区（３．６５％）＞旧金山湾区（－１７．４０％）㊂２００５ ２０１５年间，四大湾区生态质量指数变化不同（图２）：港澳大湾区（８．４０％）＞纽约湾区（１．２６％）＞东７９３８㊀２３期㊀㊀㊀蔡文博㊀等：全球四大湾区生态环境综合评价研究㊀京湾区（０．８１％）＞旧金山湾区（－９．７０％）㊂图１㊀２０１５全球四大湾区生态环境评价分指标对比Ｆｉｇ．１㊀ＥｖａｌｕａｔｉｏｎＳｅｃｏｎｄａｒｙＩｎｄｅｘｅｓｏｆｔｈｅＥｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅＦｏｕｒＧｌｏｂａｌＢａｙＡｒｅａｓｉｎ２０１５图２㊀２００５和２０１５全球四大湾区生态环境评价分指标对比Ｆｉｇ．２㊀ＣｏｍｐａｒｉｓｏｎｏｆＥｖａｌｕａｔｉｏｎＳｅｃｏｎｄａｒｙＩｎｄｅｘｅｓｏｆｔｈｅＥｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅＦｏｕｒＧｌｏｂａｌＢａｙＡｒｅａｓｉｎ２００５ａｎｄ２０１５８９３８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀２．２㊀环境质量指数对比２０１５年，旧金山湾区＞东京湾区＞纽约湾区＞粤港澳大湾区（图１）㊂其中，旧金山湾区是粤港澳大湾区的３．０９倍㊂１／ＰＭ２．５指数，旧金山湾区＞纽约湾区＞东京湾区＞粤港澳大湾区（图１），粤港澳大湾区与发达国家湾区的差距较大㊂从标准差看，粤港澳大湾区的栅格平均ＰＭ２．５的变异性最大，为３．６７，是纽约湾区的２．６７倍，东京湾区的２．３１倍，旧金山湾区的１．３２倍㊂１／海湾水质指数中，旧金山湾区＞东京湾区＞纽约湾区＞粤港澳大湾区（图１）㊂珠江口水质与发达湾区差距很大，旧金山湾和东京湾分别达到我国海洋水质标准的一类，纽约湾区达到二类，而珠江口为劣四类㊂２００５ ２０１５年间，四大湾区环境质量指数变化幅度不一（图２），纽约湾区增幅最高，旧金山湾区降幅最高，纽约湾区（１５．６４％）＞东京湾区（５．９９％）＞粤港澳大湾区（１．３１％）＞旧金山湾区（－１１．３３％）㊂其中，１／ＰＭ２．５指数，纽约湾区（２２．３２％）＞粤港澳大湾区（１３．９０％）＞东京湾区（－１．１５％）＞旧金山湾区（－１５．８２％）；１／ＮＯ２指数，东京湾区（６．９１％）＞纽约湾区（６．２６％）＞粤港澳大湾区（０．１０％）＞旧金山湾区（－２．７１％）；１／海湾水质指数，纽约湾区（１８．９７％）＞东京湾区（１２．６７％）＞粤港澳大湾区（－８．７９％）＞旧金山湾区（－１４．８７％）㊂２．３㊀资源利用效率指数对比２０１５年，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区（图１），东京湾区总体指数最高，是粤港澳大湾区的５．５倍㊂单位用水ＧＤＰ，东京湾区＞粤港澳大湾区＞旧金山湾区＞纽约湾区，东京湾区用水效率最高，是粤港澳大湾区的４．０６倍㊂单位用地ＧＤＰ，旧金山湾区＞东京湾区＞粤港澳大湾区＞纽约湾区，旧金山湾区用地效率最高，是粤港澳大湾区的１．５５倍㊂单位用能ＧＤＰ，东京湾区＞纽约湾区＞旧金山湾区＞粤港澳大湾区，粤港澳大湾区与三个发达国家湾区的差距都较大㊂２００５ ２０１５年，四大湾区资源利用效率指数变化中（图２），粤港澳大湾区总体增幅最大，粤港澳大湾区（５３．１２％）＞旧金山湾区（３２．８４％）＞纽约湾区（３．５９％）＞东京湾区（－１０．５５％）㊂其中，单位用水ＧＤＰ，粤港澳大湾区增幅最大，旧金山湾区（１１５．１９％）＞粤港澳大湾区（１０２．４０％）＞纽约湾区（５２．３９％）＞东京湾区（－１８．１７％）；单位用地ＧＤＰ，粤港澳大湾区增幅最大，粤港澳大湾区（６３．１７％）＞旧金山湾区（１４．１６％）＞东京湾区（－１８．９５％）＞纽约湾区（－１９．０２％）；单位用能ＧＤＰ，旧金山湾区增幅最大，旧金山湾区（６．４１％）＞东京湾区（４．９０％）＞粤港澳大湾区（２．３７％）＞纽约湾区（－６．９２％）㊂２．４㊀综合指数对比对比可见（图１），旧金山湾区和纽约湾区的优势在生态质量和环境质量，特别是环境质量，短板在资源利用效率㊂东京湾区在资源利用效率方面优势明显，短板在生态质量㊂粤港澳大湾区与其他三个湾区相比，三个方面都有一定差距㊂２０１５年，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区，整体上粤港澳大湾区与发达国家湾区都有一定差距㊂从三大方面看，生态质量，纽约湾区＞旧金山湾区＞粤港澳大湾区＞东京湾区；环境质量，旧金山湾区＞东京湾区＞纽约湾区＞粤港澳大湾区；资源利用效率，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区㊂２００５ ２０１５年，四大湾区综合指数都有增幅，粤港澳大湾区综合指数增幅最大，粤港澳大湾区（２３．９２％）＞旧金山湾区（３．５２％）＞纽约湾区（２．１５％）＞东京湾区（－２．４１％）（图３）㊂其中，生态质量指数增幅，粤港澳大湾区＞纽约湾区＞东京湾区＞旧金山湾区；环境质量指数增幅，纽约湾区＞东京湾区＞粤港澳大湾区＞旧金山湾区；资源利用效率指数增幅，粤港澳大湾区＞旧金山湾区＞纽约湾区＞东京湾区（图３）㊂粤港澳大湾区在生态质量和资源利用效率两项增幅最大㊂３㊀讨论与结论３．１㊀湾区生态环境治理与发展二战之后的美日湾区经历过类似粤港澳大湾区早期以生态环境为代价的经济发展阶段，在磨砺中积累了湾区生态环境治理与发展经验：二战之后，东京湾区生产大规模的扩张造成了较为严重的工业污染，继而引发９９３８㊀２３期㊀㊀㊀蔡文博㊀等：全球四大湾区生态环境综合评价研究㊀图３㊀２００５和２０１５年全球四大湾区生态环境综合指标对比Ｆｉｇ．３㊀Ｃｏｍｐａｒｉｓｏｎｏｆｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｏｆｔｈｅｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅｆｏｕｒｇｌｏｂａｌｂａｙａｒｅａｓｉｎ２００５ａｎｄ２０１５了大气污染㊁水污染等一系列环境问题；针对环境污染，东京湾区制定了有针对性标准体系㊁积极推动环保技术发展㊁调整产业结构等措施［５１⁃５３］㊂同一时期，伴随城市扩展和经济发展，旧金山湾区出现大气污染㊁水体污染和湿地减少等生态环境问题，为此旧金山湾区严格的环保监管以及绿色低碳发展等措施［１７，５４］㊂纽约湾也曾出现过湿地面积减少和大气污染等严重的生态环境问题，为此推出了立法㊁提高清洁能源比例和湿地保护建设等多项措施改善生态环境质量㊂现阶段，粤港澳大湾区亟需在认识差距的同时，利用后发优势取长补短，汲取发达国家湾区的经验和教训㊂３．２㊀粤港澳大湾区生态空间丧失明显，应加强生态空间保护，降低生态功能衰退风险生态质量方面，纽约湾区＞旧金山湾区＞粤港澳大湾区＞东京湾区㊂大湾区仅高于东京湾区，需要避免建设用地扩张导致对生态系统结构及其功能的负面影响，避免生态质量的下降风险［２６］㊂２００５ ２０１５年间，城镇用地增幅中，粤港澳大湾区（３４．２７％）＞东京湾区（２５．１０％）＞纽约湾区（１０．０３％）＞旧金山湾区（６．４３％），粤港澳大湾区增幅最大；同时，森林面积变化中，纽约湾区（－４．５９％）＞粤港澳大湾区（－３．８４％）＞东京湾区（－１．５２％）＞旧金山湾区（－０．６８％），粤港澳大湾区降幅排第二位，需要警惕用地扩张导致对自然生态系统结构及其功能的负面影响㊂美国湾区的生态质量控制值得粤港澳大湾区借鉴：以旧金山湾区为例，旧金山湾区是国际公认的生态宜居湾区之一［５５］，完善的湿地分级保护体系和公园保护地体系是其生态质量控制良好的主因之一［２４，５６］㊂３．３㊀粤港澳大湾区生境质量较高，但环境质量偏差，污染治理应是当前主要工作环境质量方面，旧金山湾区＞东京湾区＞纽约湾区＞粤港澳大湾区，粤港澳大湾区与发达国家湾区都有一定差距，需要吸取发达国家湾区环境质量控制经验和技术㊂例如，旧金山湾区重视科研对环境治理的支持［２１，５５］：在大气治理方面，加利福尼亚州空气资源委员会，积极研发了较为成熟的各种污染源减排技术，先进的机动车排放控制技术等；同时，委员会设有专门的科研部门和健康风险评估小组，负责对污染物质可能造成的风险进行评估，为进一步研究并降低湾区污染暴露提供重要支撑㊂此外，东京湾区的先进环保技术值得借鉴：大力发展液化天然气海运，推广无铅汽油和三元催化器的使用，都对东京湾区空气质量控制起到良好作用；另外，东京湾区的地表水监测项目众多，并根据情况变化及时调整更新污染物质控制标准，对水污染控制行之有效［４６］㊂３．４㊀粤港澳大湾区资源利用效率低，应多管齐下，提升用水用能效率资源利用方面，东京湾区＞旧金山湾区＞纽约湾区＞粤港澳大湾区，同时２００５ ２０１５年间，粤港澳大湾区的人口和ＧＤＰ增长在四大湾区中都占据首位（表１），随之带来的资源的需求也迅速增长㊂然而，资源利用效００４８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀。
BIANJI CHUBAN［作者简介］颜明（1977—），男，四川内江人，中国科学院地理科学与资源研究所《资源科学》编辑部编辑；（通讯作者）刘春凤（1961—），女，山东招远人，中国科学院地理科学与资源研究所《资源科学》编辑部副编审；耿艳辉（1977—），女，山东济宁人，中国科学院地理科学与资源研究所 《地球信息科学学报》编辑部副编审；何春娥（1978—），女，湖南邵阳人，中国科学院地理科学与资源研究所《自然资源学报》编辑部编辑；宝乐（1983—），女，内蒙古赤峰人，中国科学院地理科学与资源研究所《资源科学》编辑部编辑。
21世纪初期环境-资源类科技期刊发展趋势分析◎ 颜 明，刘春凤，耿艳辉，何春娥，宝 乐［摘要］影响因子是评价学术期刊水平的重要指标，分析期刊影响因子的变化有助于我们了解期刊的发展趋势，从而提出有针对性的方针和措施来指导其发展。
本文基于2001—2018年环境资源科学技术类34种核心期刊（以下简称“环境-资源类科技期刊”）的影响因子、发文量和引用次数等数据，通过时间序列分析、相关分析、贡献度和成因分析等文献计量方法，解析环境-资源类科技期刊在21世纪初期的发展趋势。
结果显示：2001—2018年，环境-资源类科技期刊整体的影响因子呈现阶段性提升。
这得益于统计的34种核心期刊中有2/3的期刊在研究期内影响因子呈逐渐增长的趋势；34种核心期刊中有1/3的期刊贡献了学科50%的影响因子，说明环境-资源类科技期刊具有一定的同步效应，同时呈现贡献比较集中的情形；期刊影响因子增长更深层次的原因是，期刊发文量和引用次数增加促进了影响因子的提升。
因此，在未来，环境-资源类科技期刊应顺应形势，保持当前良好的发展势头，促进学科内期刊的相互联系和借鉴。
［关键词］环境科学；资源科学；影响因子；科技期刊；贡献度；发展趋势影响因子是评价学术期刊水平的重要指标，虽然其不能完全反映学术期刊的影响力，但却是人们在衡量学术期刊综合实力时最为常用和认可的指数［1-2］。
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。
