人文因素对省域环境污染影响的空间异质性估计

利用2013年全国31个省级行政区的截面数据,采用环境污染货币化方法估算了2013年中国省域环境污染损失,利用基于地理加权回归技术的STIRPAT模型,对人口规模、富裕程度、产业结构、城镇化和对外开放等人文因素对省域环境污染的影响进行了空间异质性估计,同时验证了EKC假说。主要结论如下:(1)2013年中国环境污染引起的经济损失为2812.48亿元。(2)各省域环境污染存在空间相关性和空间异质性,省域环境污染空间分布上呈现东高西低的格局。(3)人文因素对省域环境污染具有显著影响,人口和经济的增长及推进城镇化将加剧省域环境污染,而产业结构升级和扩大对外开放将有助于缓解省域环境污染。(4)人文因素对省域环境污染影响存在空间异质性。人口数量对省域环境污染的影响程度由西北向东南渐次增大;富裕程度对省域环境污染的影响由西向东梯次增大;产业结构对省域环境污染的影响由东向西逐渐增大;城镇化对省域环境污染的影响由西向东逐渐降低;对外开放对省域环境污染的影响由东向西逐渐增大。(5)基于现有样本的计算结果有条件地支持EKC假说。     

基于微粒群-马尔科夫复合模型的生态空间预测模拟——以长株潭城市群为例

生态空间具有重要的生态功能,对生态空间进行科学预测模拟可为保护国土空间生态安全提供决策依据。利用Arc GIS及MATLAB软件,在生态空间风险评价的基础上构建了微粒群-马尔科夫复合模型,并以长株潭城市群为研究区,基于2013年土地利用现状数据,对2020年的生态空间进行了预测模拟,最后在此基础上提出了生态空间重构的基本思路。结果表明:1)微粒群-马尔科夫复合模型(PSO-Markov)构建的基本步骤为:第一步:粒子的选择与设计,以2000 m×2000 m的正方形单元作为基本粒子。第二步:粒子的初始化设定,根据生态空间风险由低到高的原则进行选择。第三步:适应度函数的建立,用生态空间的风险值来确定生态空间的空间格局。第四步:空间位置的更新,根据自身的历史最优值及粒子群的全局最优值进行速度和位置更新。2)微粒群-马尔科夫复合模型(PSO-Markov)是一种土地利用格局预测的新途径,生态空间的数量规模可以通过改进后的马尔科夫模型进行预测,生态空间的格局可以通过微粒群模型进行预测。3)微粒群-马尔科夫复合模型具有4个特点:第一、数量预测较为合理。第二、搜索范围大、较好地考虑到局部对全局的影响。第三、受问题维数变化影响小,在求解多目标问题时具有明显优势。第四、收敛时间短、运算速度快、易于实现。4)2020年,长株潭城市群的生态空间总体数量减少,其中林地和未利用地面积变化最明显,空间变化主要集中分布在西南部地区。生态空间总面积减小的主要原因是建设用地的扩张。因此,要控制城市群的人口密度,优化城市群生产—生活—生态的数量结构及空间布局,尤其要合理规划与利用城市建设用地,充分发挥水体与未利用地的生态价值,重点保护好生态源地、廊道及关键结点,构建结构合理、功能齐全的生态网络系统,提高系统的生态服务价值功能,要在规划的指导下合理调整城市群的城乡局部空间结构,保护生态环境,提高生境质量和景观多样性。这是今后一段时期面临的主要任务。