Processing math: 12%
  • Scopus收录期刊
  • CSCD(核心库)来源期刊
  • 中文核心期刊
  • 中国科技核心期刊
  • F5000顶尖学术来源期刊
  • RCCSE中国核心学术期刊
高级检索

上海大都市圈城镇化与生态环境耦合协调关系基于2011—2020年面板数据的实证分析

王敏, 郭广钰

王敏, 郭广钰. 上海大都市圈城镇化与生态环境耦合协调关系——基于2011—2020年面板数据的实证分析[J]. 北京林业大学学报, 2024, 46(7): 101-111. DOI: 10.12171/j.1000-1522.20230216
引用本文: 王敏, 郭广钰. 上海大都市圈城镇化与生态环境耦合协调关系——基于2011—2020年面板数据的实证分析[J]. 北京林业大学学报, 2024, 46(7): 101-111. DOI: 10.12171/j.1000-1522.20230216
Wang Min, Guo Guangyu. Coupling and coordination relationship between urbanization and eco-environment in Shanghai metropolitan area: empirical analysis based on panel data from 2011 to 2020[J]. Journal of Beijing Forestry University, 2024, 46(7): 101-111. DOI: 10.12171/j.1000-1522.20230216
Citation: Wang Min, Guo Guangyu. Coupling and coordination relationship between urbanization and eco-environment in Shanghai metropolitan area: empirical analysis based on panel data from 2011 to 2020[J]. Journal of Beijing Forestry University, 2024, 46(7): 101-111. DOI: 10.12171/j.1000-1522.20230216

上海大都市圈城镇化与生态环境耦合协调关系——基于2011—2020年面板数据的实证分析

基金项目: 国家自然科学基金项目(52178053),上海市住房和城乡建设管理委员会2023年度重点科研项目(沪建科2023-Z02-005)。
详细信息
    作者简介:

    王敏,副教授,博士生导师。主要研究方向:蓝绿空间生态系统服务、城市绿地与生态规划设计、韧性景观与城市可持续。Email:wmin@tongji.edu.cn 地址:200092 上海市杨浦区四平路1239号

  • 中图分类号: TU984

Coupling and coordination relationship between urbanization and eco-environment in Shanghai metropolitan area: empirical analysis based on panel data from 2011 to 2020

  • 摘要:
    目的 

    研究都市圈城镇化与生态环境耦合协调的交互关系,旨在探索区域经济、社会与生态的高质量发展路径,为区域协同规划和可持续发展提供新视角。

    方法 

    从“人口–社会–经济–空间”和“规模–压力–治理–效率”8个维度构建城镇化与生态环境评价指标体系,以上海大都市圈为研究对象,以其涵盖的9个城市及上海市16个区为基本研究单元,基于2011—2020年的面板数据,运用耦合协调度模型,从城市和上海市辖区两个层面,在时间和空间两个维度,定量揭示上海大都市圈城镇化与生态环境耦合协调发展的时空分异特征。

    结果 

    (1)2011—2020年,上海大都市圈城镇化与生态环境耦合协调发展度呈现出从“基本协调”向“优化协调”演进的积极态势,但各地区发展水平和步调不均衡,在空间分布上呈现差异性。(2)城市层面,以上海中心城区、苏州–无锡–南通以及舟山3个片区为中心辐射同步发展,呈现多片区发展的空间格局。(3)上海市辖区层面,上海市中心城区耦合协调度水平整体优于上海市郊区,呈两极分化格局。

    结论 

    2011—2020年,上海大都市圈城镇化与生态环境耦合协调度稳步上升,但各地区差异较大,且空间分布不均衡。面对城镇化发展与生态环境建设错位的问题,本研究提出基于系统耦合协调视角的差异化国土空间规划和区域协同发展策略,为都市圈的高质量健康发展提供参考。

    Abstract:
    Objective 

    This study on the interaction between metropolitan urbanization and coupling and coordination of ecological environment aims to explore the high-quality development path of regional economy, society and ecology and provide a new perspective for regional collaborative planning and sustainable development.

    Method 

    Urbanization and ecological environment evaluation index system was constructed from the eight dimensions of “population-social-economy-space” and “scale-pressure-governance-efficiency”. With the Shanghai metropolitan area as the research object and 9 cities and 16 districts of Shanghai as the basic research unit, the coupling coordination degree model was applied based on panel data from 2011 to 2020. This paper quantitatively reveals the spatio-temporal differentiation characteristics of the coupling and coordinated development of urbanization and ecological environment in Shanghai metropolitan area from the two dimensions of city and Shanghai jurisdiction.

    Result 

    (1) From 2011 to 2020, the degree of coordinated development of coupling urbanization and ecological environment in Shanghai metropolitan area showed a positive trend of evolution from “basic coordination” to “optimized coordination”, but the development level and pace of different regions were uneven, and the spatial distribution showed differences. (2) At the urban level, the three districts of Shanghai Central City, Suzhou-Wuxi-Nantong and Zhoushan were developing simultaneously, showing a spatial pattern of multi-district development. (3) At the jurisdiction level of Shanghai, the coupling coordination degree in the downtown area of Shanghai was better than that in the suburbs of Shanghai, showing a polarization pattern.

    Conclusion 

    From 2011 to 2020, the coupling coordination degree of urbanization and ecological environment in Shanghai metropolitan area increased steadily, but there were great differences among different regions and their spatial distribution was unbalanced. In the face of mismatch between urbanization development and ecological environment construction, this study proposes differentiated territorial spatial planning and regional coordinated development strategies based on the perspective of system coupling and coordination, so as to provide references for the high-quality and healthy development of metropolitan areas.

  • 光能利用效率(LUE)是指植被通过光合作用将吸收的单位光合有效辐射转换成干物质的效率[1-2]。它不仅是植物光合作用的重要生态学概念,也是利用遥感参数模型在区域尺度监测植被生产力的关键参数。光能利用率的变化能够对植被有机物的积累过程产生直接影响。光能资源与水肥等资源相比,具有无限制性、瞬时性、不可存储性等特点,因此,在一定时空范围内,植被对光能的截获吸收和利用能力的高低直接决定了生态系统的生产潜力[2]。当前,LUE广泛应用于不同尺度陆地生态系统总初级生产力(GPP)或净初级生产力(NPP)模型估算,和全球碳循环的研究中[3-6]。一些模型的比较研究表明,基于LUE的遥感模型模拟的全球净初级生产力(NPP)的平均值与其他参考模型的平均值有很大差异[7]。模型模拟结果的不确定性主要来自植被光合作用吸收的光合有效辐射和LUE[7]两个方面。此外,由于参数本身的观测和尺度变化带来的不确定性,以及模型的建立和运用范围的扩大,对结果的认识将有很大的不确定性。因此,了解LUE的生理生态基础,对于优化LUE模型和评价模型的可靠性具有重要的意义[8]。目前,对光能利用效率的研究大多集中在农田、草地和森林生态系统中[9-11],对荒漠生态系统LUE的变化特征以及影响因子的调节机理的认识非常有限[9]。因此,不同的时间尺度上环境因子对荒漠生态系统光能利用率的作用强度还需要根据实际的观测数据进一步研究探索。

    已有学者研究了不同尺度(叶片、个体、种群)碳循环过程的时间动态及其调控机理,其中LUE作为量化辐射能在群落尺度上的行为参数,已受到广泛关注。研究表明在生长季保证养分充足且没有水分胁迫的条件下,LUE是一个常数[12],同时也有研究证明LUE随着植被生长发育而改变[4,9],不同植被类型的光能利用效率具有明显的时空差异[5,9]。不同时间尺度上,影响LUE的主要环境因子也有差异在不同时间尺度上其环境影响因子也变现的各不相同。在昼夜尺度上,LUE主要受到辐射、温度等[13-14]影响;季节时间尺度上,LUE主要受到LAI、温度、养分元素等[15-16]影响。

    由于观测尺度的不同,光能利用效率的计算方法也各不相同。包括叶片尺度上常采用叶片光合作用仪观测法[17-18],群落尺度上常采用生物量收获发和涡度协方差方法[3],生态系统尺度上采用遥感观测法和模型反演法等[5,19]。叶片观测法一般用于控制实验,用于探究植物叶片光合作用光响应的机理过程,LUE用表观量子速率表示。生物量收获法破坏性大且耗费大量的人力物力,一般多用于农作物的研究,其缺点是不能反应短时期(小时或者日尺度)LUE的变化。遥感观测法和模型反演多用于长时间序列的大尺度研究。涡度协方差方法被许多科研工作者用来直接测量大面积生态系统物质和能量通量,而不扰动下垫面。同时,也为研究区域生态系统尺度的光合特征参数提供了途径,为估算GPP提供了一种方法,为提高区域尺度光能利用效率的准确度提供参考。涡度协方差法在时空尺度上可以与卫星遥感尺度转换相关联,使得从冠层尺度到景观水平估算LUE成为可能。

    油蒿(Artemisia ordosica)广泛分布于中国西北干旱与半干旱地区,是荒漠灌木生态系统的建群种。现已有大量关于油蒿的光合作用和灌木生态系统碳水耦合的研究[20-21],但是关于油蒿灌木荒漠LUE的季节动态变化及其对环境因子响应的研究相对较少。本文运用涡度协方差方法对宁夏盐池毛乌素沙地油蒿灌木荒漠进行了全年的连续性监测,结合同步观测的气象因子,分析油蒿灌木荒漠光能利用效率在日尺度和季节尺度的变化特征及其对环境因子的响应,了解油蒿灌木荒漠光能资源利用机理,为荒漠生态系统的永续管理和沙区植被恢复提供科学参考依据。

    该研究区于宁夏盐池毛乌素沙地生态系统国家定位观测研究站(37°42′31″ N、107°13′47″ E,海拔1 560 m)。位于毛乌素沙地南缘,是黄土高原向鄂尔多斯台地、半干旱区向干旱区、干草原区向荒漠草原区、农区向牧区过渡的重要生态交错带,属于典型中温带大陆性季风气候[22-23]。多年平均空气温度8.1 ℃(1954—2004年),全年无霜期165 d。年均降雨量287 mm,其中62%集中在7—10月之间[20],年平均潜在蒸发散为2 024 mm。该区主要由活动沙丘、半固定沙丘和固定沙丘组成。主要土壤类型为灰钙土,土壤有机质含量在0.5% ~ 0.8%之间,土壤pH值在7.5 ~ 8.5之间,在土壤层1 m深度范围内的土壤总氮含量为0.15 g/kg[21]。研究区主要植被为油蒿灌木。

    涡度相关观测系统以高度为4.2 m的观测塔为载体,主要观测仪器包括三维超声风速仪(WindMasterTM Pro,Gill Instruments Ltd,Lymington,England)和CO2/H2O闭路红外气体分析仪(IGRA;model LI-7200,LI-COR Biosciences,Lincoln,NE,USA)。

    微气象数据测量仪器均设立在4.2 m的通量塔上,辐射数据由净辐射仪(CNR-4,Kipp and Zonen,Delft,the Netherlands)测量,空气温度由空气温湿度传感器(HMP45C,Campbell Scientific Ltd,USA)测量。土壤温度由安装在通量观测塔周围的土壤温度传感器(Campbell-109,Campbell Scientific Ltd,USA)测量,土壤热通量由分布在通量塔周围的5块10 cm深的土壤热通量板(HFP01,Campbell Scientific Ltd,USA)测量,土壤体积含水量分别用10、30、70和120 cm深的土壤温湿度探头(ECH2O-5TE,Decagon Devices,USA)测量,降雨量由翻斗式雨量筒(TE525MM,Campbell Scientific Inc.,USA)测量。涡度协方差系统的数据和微气象数据用CR3000(Campbell Scientific Ltd,USA)数据采集器以10 Hz频率记录,并生成30 min的平均值。

    在通量塔贡献区内设置100 m × 100 m的样地,沿样地东西方向和南北方向每隔20 m设置1条样线,样地内共设置12条样线。每两条样线相交点为叶面积指数测量点,共36个点。2014年4—10月,用LAI-2000冠层分析仪每隔1周对油蒿灌木荒漠的LAI进行一次测定。样地叶面积指数计算公式为LAI = ΣLAIi/36,式中:i为第i个测量点[22]

    2014年4月,选取10个10 m × 10 m小样方,每个小样方分别选取油蒿5株,每隔一周从每株植物上取10片叶子,带回实验室,杀青并烘至恒量,将每株油蒿的取样叶子充分混合研磨,制成供试品。每隔15 d在小样方中用土钻取0 ~ 30 cm层土样,共3次重复,将每层土壤样品均匀混合并带回实验室。自然风干后,用2 mm筛过筛,制成土样进行试验。叶氮含量和土壤全氮含量均采用凯氏定氮法测定[23]

    生态系统净碳交换(NEE)被定义为公式(1)[24]

    NEE=Fc+Fs+Vc (1)

    式中:Fc是通量观测塔测得的植被上部CO2交换量,Fs是测得的冠层内部储存通量,Vc是指垂直和水平平流效应的通量。该研究区域有着均匀分布的植被下垫面,因此Vc可忽略不计。对于低矮的冠层Fs接近于0,因此Fs可忽略不计[20]。因此,

    NEE=Fc (2)

    本研究所用数据从2014年1月1日至2014年12月31日,期间由于仪器故障等造成36.12%数据缺失。通过剔除异常值[25]、旋转二次坐标轴[26]、消除传感器延时影响[27]、频率响应校正[28]等方法来对10 Hz数据进行了校正和质量控制。由于在夜间稳定条件下涡流不明显,导致计算出的NEE值低于夜间实际CO2通量值,因此夜间NEE(NEEnight)数据应通过摩擦风速(u*)控制和筛选,剔除掉u* < 0.18 m/s的数据[22]。经筛选后得到47.7%的有效数据,然后用5倍标准差方法剔除掉异常值。缺失数据按照时长进行插补:不足2 h的数据间隙一般采用线性插值,对于2 h ~ 7 d的数据间隔,使用邻近7 d相同时段的观测平均值,对于大于7 d的数据缺口,采用Michaelis-Menten(3)和Lloyd-Taylor方程(4)通过区分白天和晚上的NEE和Re进行插值[29-30],通过公式(5)计算出生态系统的NEP和GEP:

    NEPnight=Re10Q10(Ts10)/10 (3)
    NEEday=αPARAmax (4)
    {\rm{NEP}} = - {\rm{NEE}},\;{\rm{GEP}} = {\rm{NEP}} + {R_{\rm{e}}} (5)

    式中:NEPnight为夜间生态系统净交换量,等于夜间生态系统的呼吸值Re(μmol/(m2·s)),Ts为10 cm 深的土壤温度(℃),Re10Ts = 10 ℃时生态系统的呼吸值(μmol/(m2·s)),Q10是生态系统的呼吸敏感因子(μmol/(m2·s))。NEEday是白天生态系统净交换量(μmol/(m2·s)),α是表观量子效率(μmol/μmol),PAR是光合有效辐射,Amax是最大光合同化速率(μmol/(m2·s)),Rd是白天生态系统平均呼吸速率(μmol/(m2·s))。因为夜间测量出的NEE值就是生态系统夜间的呼吸值(自养呼吸和异养呼吸),因此通过公式(3)将ReQ10的参数确定出来,根据白天的土壤温度计算出白天的生态系统呼吸值,考虑到植物的光合参数会受到物候和季节变化影响,因此在进行拟合和插补工作时应分别按月进行。gs运用彭曼公式计算得到:

    g_{\rm{s}} = \frac{{\lambda E {\text{γ}} {g_{\rm{a}}}}}{{{\rm{\Delta }}\left( {{R_{\rm{n}}} - G} \right) - \lambda E\left( {{\rm{\Delta }} + {\text{γ}} } \right) + \rho {C_{\rm{p}}}{\rm{VPD}}{g_{\rm{a}}}}} (6)

    式中:λ为汽化潜热(J/ kg);E为测量的ET值(kg/(m2· s));γ为干湿度常数(kPa/K,通常用0.066 5 kPa/℃表示);∆为饱和蒸气压差和温度之间的斜率关系(kPa/K);ga为空气动力学导度(mm/s);Cp为空气的比热容(J/(kg·K));ρ为干空气密度(kg/m3);VPD是大气饱和水汽压差(kPa);Rn是净辐射(W/m2);G是土壤热通量(W/m2)。

    \frac{1}{{{g_a}}} = \frac{u}{{{u^{*2}}}} + 6.2{u^{* - 0.67}} (7)

    式中:u为冠层风度;u*为测量风速。

    归一化植被指数(NDVI)的计算公式[31]

    {\rm{NDVI}} = \frac{{{{{R}}_{{\rm{NIR}}}} - {R_{{\rm{VIS}}}}}}{{{R_{{\rm{NIR}}}} + {R_{{\rm{VIS}}}}}} (8)

    式中:RNIR表示近红外辐射(700 ~ 3 000 nm),RVIS表示可见光辐射(380 ~ 780 nm),本文分别用太阳辐射和光合有效辐射表示RNIRRVIS。NDVI选用了每天11:00—14:00的辐射数据计算而得[32]

    LUE的估算结果很大程度上取决于GEP和PAR间的线性或非线性(例如直角双曲线方程)关系[33-34]。目前广泛使用的光能利用效率是指太阳辐射利用400 ~ 700 nm波长(PAR,μmol/(m2·s))范围内的光合有效辐射和植物通过吸收光合有效辐射将光能转化成生物量的速率。目前LUE的估算方法很多,但是在生态系统尺度上LUE的定义为:

    {\rm{LUE}} = \frac{{{\rm{GEP}}}}{{{\rm{APAR}}}} (9)

    式中:GEP为总生态系统生产力(g/(m2·d)),APAR为吸收光合有效辐射(MJ/(m2·d)),本文用散射PAR(PARdif)来代替吸收光合有效辐射[35-37]

    为研究生长季内(5—10月)不同时期LUE的主要影响因子,本文分析了GEP和LUE与环境因子之间的相关性。数据统计与分析使用Matlab2014(Version 7.12.0.,The Math Works,Natick,MA,USA),作图使用OriginPro-2015完成。

    环境因子与LUE的日变化特征如图1所示。生长季内每日平均Ta的变化范围为11.0 ~ 28.4 ℃,每日平均Ts变化范围为8 ~ 29 ℃,VPD变化范围为0.8 ~ 2.1 kPa。VPD和Ta的最低值出现在08:00,最高值出现在16:00;Ts出现明显滞后现象,最低值出现在上午10:00左右,最高值出现在下午18:00左右;gs有一个单峰,峰值稳定在14:00左右,昼夜平均变化范围为0 ~ 4.2 mm/s。PAR呈现出明显的单峰,其中峰值稳定在14:00左右。GEP呈现出单峰趋势,其中7、8月峰值在12:00左右稳定,其余月份的峰值在10:00—16:00之间稳定,中午11:00的时候达到每日最大值,总体变化趋势表现为7月 > 8月 > 6月 > 9月 > 10月 > 5月;LUE在06:00—14:00逐渐减小,14:00—19:00逐渐增大,在14:00的时候达到每日最低值(0.000 8 ~ 0.002 4 μmol/μmol),整体的变化趋势表现为9月 > 8月 > 7月 > 6月 > 5月 > 10月。

    图  1  环境因子、GEP和LUE昼夜变化趋势
    Ta.空气温度;Ts.10 cm深土壤温度;VPD.饱和水汽压差;gs.气孔导度;PARtot.总入射光合有效辐射;PARdif.散射光合有效辐射;GEP.生态系统总生产力;LUE.光能利用效率。下同。Ta, air temperature; Ts, soil temperature of 10 cm depth; VPD, vapor pressure deficit; gs, stomatal conductance; PARtot, total incident photosynthetically active radiation; PARdif, diffuset photosynthetically active radiation; GEP, gross ecosystem productivity; LUE, light use efficiency. The same below.
    Figure  1.  Mean diurnal variation in environmental factors and gross ecosystem production(GEP)and light use efficiency

    图2为2014年生长季环境因子和生物因子的季节变化。油蒿灌木的日平均气温变化范围为3.4 ~ 27.6 ℃,日平均土壤温度变化范围为8.5 ~ 28.6 ℃。NDVI的变化范围为0.2 ~ 0.4。PAR从春季到夏季逐渐增加,随后降低,峰值出现在6月9日(56.6 mol/(m2·d))。年降雨总量341.9 mm,观测期降雨具有明显的季节变异,月累计降雨量9月(76.2 mm) > 7月(74.9 mm) > 8月(67.1 mm) > 6月(43.5 mm) > 10月(26.8 mm) > 5月(5.3 mm),在5月前的累计降雨量仅36.6 mm,降雨集中在7、8、9这3个月。VPD季节变化明显,在6月达到最大值,总体表现为夏季高、冬季低,变化范围为0.05 ~ 2.8 kPa。

    图  2  环境和生物因子季节动态变化图
    NDVI. 归一化植被指数;LAI. 叶面积指数;leaf_N. 叶片N含量;soil_N. 土壤N含量;SWC10、SWC30、SWC70分别表示10、30、70 cm土壤含水量。下同。NDVI, normalized differential vegetation index; LAI, leaf area index. leaf_N, leaf N content; soil_N, soil N content. SWC10, SWC30, SWC70, represent 10, 30, 70 cm soil water content, respectively. The same below.
    Figure  2.  Seasonal dynamics of environmental factors and biological factors

    GEP在7月达到最大值(图3),此时油蒿进入完全展叶期,叶面积指数达到最大,光合速率增加并达到最大,因此在7月生态系统总初级生产力达到最大值。PAR在5月达到最大值,此时油蒿处于展叶期,LAI迅速增大(图2)并随着生长季呈现递增的趋势,由于7月份以后PAR的下降速率比GEP的下降速率大,从而导致LUE在9月份达到最大值0.002 5 g/MJ,月平均LUE介于0.000 9 ~ 0.002 5 g/MJ之间,平均值为0.002 g/MJ(图3)。8月份的总生态系统生产力总值达到最大23.19 g/(m2·d)(图4),对应的LUE月总值在9月份达到最大值0.179 g/MJ,出现这种不对等增长趋势的原因主要是由于辐射的变化所导致的(图4)。

    图  3  光合有效辐射、GEP和LUE季节动态变化图
    Figure  3.  Seasonal dynamics of photosynthetically active radiation, gross ecosystem production (GEP) and light use efficiency (LUE)
    图  4  GEP、LUE月变化
    Figure  4.  Monthly sum dynamics of gross ecosystem production (GEP) and light use efficiency (LUE)

    GEP与TaTs和降雨量之间呈现出较好的正相关关系(图5),随着温度的增加,GEP呈现明显的递增趋势,降雨量的增加也会提高GEP的大小,SWC对GEP的变化有着72%的贡献率。随着Nsoil含量的增大,LUE表现出先减小后增大的趋势,在Nsoil达到0.24 g/kg时达到最低,Nsoil对LUE的变化有着90%的贡献率,LUE的变化还随着gs的增大呈现先减小后增大的趋势,gs对LUE的变化有着64%的贡献率,LUE的季节变化主要受到Nsoilgs的影响。

    图  5  环境因子对GEP与LUE的影响
    Figure  5.  Relationship between light use efficiency and environmental factors at seasonal scale

    生长季(5—10月)LUE昼夜变化基本保持一致,呈现出先减小后增大的趋势,在14:00达到最小值,这与呼伦贝尔贝加针茅草甸草原生态系统中的光能利用效率的昼夜变化趋势基本一致[34]。LUE的昼夜变化一般受GEP和PAR昼夜变化的驱动,其中GEP的昼夜变化趋势为先增大后趋于稳定最后变小,而PAR的昼夜变化是先增大后减小的单峰趋势,并在14:00点时PAR达到最大值。光合作用是植物生长和物质积累的基础,其中光是光合作用的主导因子[38],午后高PAR常常限制植物光合作用,从而导致在昼夜尺度上LUE的变化与GEP的变化趋势正好相反。此外,夏季LUE的昼夜变化也受生态系统冠层导度(gs)的影响,夏季植物在中午时遭受高温、高辐射胁迫,此时gs达到最小,引起气孔关闭,空气阻力增加,光合作用受阻导致叶片光合速率降低[39-40],从而降低了生态系统LUE。

    研究区油蒿灌木荒漠光能利用效率动态随着环境变化和植被本身的生理特征的变化而变得复杂,但是LUE有着显著的季节动态特征。LUE的季节变化呈现出先增加后下降的单峰趋势,在9月份达到最大值0.002 5 g/MJ,10月份达到最低值0.000 9 g/MJ。这与内蒙古荒漠草原的光能利用效率的变化趋势一致,在8月份达到最大值0.355 g/MJ,同时最低值出现在4月份0.219 g/MJ[41]。卫亚星等[42]对青海省稀疏灌木的研究发现LUE介于0.026 ~ 0.049 g/MJ之间,最大值出现在7月份。由于7、8月份是植被的生长旺季,水热条件充足,植被覆盖率最大,此时植被的累积光物质质量也较多,吸收光合有效辐射量最大,LUE达到最大值。

    植物冠层光合作用主要受冠层吸收的太阳辐射控制,植被叶片在截获入射太阳光合有效辐射进行光合作用时也具有光保护机制。植被在环境胁迫条件下(如极端高温、水分或养分亏缺、高光强等)通过降低光合作用效率[43]实现光保护过程。氮元素不仅参与植物光合作用而且是维持植物生长的重要元素,与生物圈的演替和发展紧密相关[37],Green等[15]证实了冠层总氮含量与光能利用效率之间存在显著正相关性。在低覆盖率的地表,降雨会增加土壤含水量,改变Ts,通过影响PAR[24,41]从而改变LUE的大小。VPD会通过影响植被叶片的伸展、改变叶片气孔导度从而改变光合速率来影响LUE的变化。在本研究区域内已经被证实VPD会通过影响该生态系统的碳交换过程[44],同时土壤水分的补给不足会限制半干旱草原和灌木生态系统的生产力[44-45],从而导致LUE降低。苏培玺等[46]对荒漠植物梭梭(Haloxylon ammodendron)和沙拐枣(Calligonum mongolicum)的光合作用过程研究发现,在水分条件好时光合速率明显增大,LUE明显提高。

    朱文泉等[39]结合遥感数据、气象数据和实测NPP数据,系统的模拟了中国典型植被的最大光能利用效率LUEmax,得到中国灌木类型的最大光能利用效率为0.429 g/MJ。本文估算出的光能利用效率值远远低于前人的研究,可能与荒漠生态系统较小的生产力、较大的辐射值紧密相关。实际光能利用效率与环境条件的关系非常复杂,植被类型、地理位置、气候条件、植被营养状况(叶氮含量)和植被生长阶段都会影响光能利用效率的变化。

    本文通过研究油蒿灌木荒漠光能利用效率的昼夜和季节动态变化,明确了在不同时间尺度上LUE的主要影响因子。

    (1) 在日尺度上,LUE呈现出先降低后增加的趋势,在14:00时达到最低值;LUE的日变化主要受gs和PAR的影响。

    (2) 在季节尺度上,LUE呈现出先增加后降低的趋势,在9月份达到最大值,LUE的季节变化主要受土壤N含量和gs的影响。

    研究还发现,LUE的大小主要取决于GEP与PAR的比值关系,在长时间尺度上通过增加土壤的养分元素,可以提高植被的光合生产能力,从而提高光能利用效率。此外,本研究主要集中在季节和生态系统尺度上,对于毛乌素沙地油蒿灌木荒漠的最大光能利用效率的定量研究还应结合卫星遥感数据与当地多年的地面实测数据相结合进行多时空多尺度的研究。

  • 图  1   2011—2020年上海大都市圈城及上海市各区城镇化水平发展趋势

    Figure  1.   Development trend of comprehensive levels of urbanization in Shanghai metropolitan area and various districts in Shanghai during 2011−2020

    图  2   2011—2020年上海大都市圈城镇化综合发展水平演变

    Figure  2.   Evolution of comprehensive level of urbanization in Shanghai metropolitan area during 2011−2020

    图  3   2011—2020年上海大都市圈及上海市各区生态环境水平发展趋势

    Figure  3.   Development trend of comprehensive levels of eco-environment in Shanghai metropolitan area and various districts in Shanghai during 2011−2020

    图  4   2011—2020年上海大都市圈生态环境综合发展水平演变

    Figure  4.   Evolution of comprehensive level of eco-environment in Shanghai metropolitan area during 2011−2020

    图  5   2011—2020年上海大都市圈及上海市各区城镇化与生态环境耦合协调度发展趋势

    Figure  5.   Development trend of coupling coordination degree between urbanization and eco-environment in Shanghai metropolitan area and various districts in Shanghai during 2011−2020

    图  6   2011—2020年上海大都市圈城镇化与生态环境耦合协调度演变格局

    Figure  6.   Evolution pattern of coupling coordination degree between urbanization and eco-environment in Shanghai metropolitan area during 2011−2020

    图  7   2011—2020年上海大都市圈城镇化与生态环境耦合协调度子类型演变

    Figure  7.   Coupling coordination subtype evolution of urbanization and eco-environment in Shanghai metropolitan area from 2011 to 2020

    表  1   上海大都市圈城镇化与生态环境系统指标体系及指标权重

    Table  1   Index system and index weights of urbanization and ecological environment system in Shanghai metropolitan area

    系统
    System
    子系统
    Subsystem
    具体指标
    Specific index
    属性
    Attribute
    熵值法
    Entropy
    method
    Critic权重
    Critic weight


    综合权重
    Comprehe-nsive
    weight
    参考来源
    Reference
    城镇化系统
    Urbanization
    system
    人口城镇化
    Population urbanization
    市域人口密度/(人·km−2
    Urban population density/(person·km−2
    + 0.306 9 0.121 7 0.214 3 [16]
    每万人拥有登记失业人数
    Registered unemployment per 10 000 people
    0.032 1 0.109 6 0.070 9 [17]
    社会城镇化
    Social urbanization
    每万人拥有医院床位数
    Number of hospital beds per 10 000 people
    + 0.144 7 0.087 2 0.116 0 [17]
    每万人拥有中小学生人数
    Number of primary and secondary school students
    per 10 000 people
    + 0.105 0 0.109 1 0.107 0 [16]
    科教支出占一般公共预算支出比重
    Proportion of expenditure on science and education in the general public budget/%
    + 0.032 4 0.099 5 0.066 0 [18]
    经济城镇化
    Economic urbanization
    人均固定资产投资额/元
    Per capita investment in fixed assets/CNY
    + 0.119 9 0.080 7 0.100 3 [18]
    人均地区生产总值/元
    Per capita regional GDP/CNY
    + 0.091 8 0.068 5 0.080 2 [16]
    第三产业增加值占地区生产总值比重
    Proportion of added value of the tertiary industry to regional GDP/%
    + 0.104 6 0.1376 0.1210 [19]
    空间城镇化
    Spatial urbanization
    人均拥有居住面积 Per capita living space/m2 + 0.062 6 0.186 1 0.124 3 [18]
    生态环境系统
    Eco-environment system
    生态规模
    Ecological scale
    建成区绿化覆盖率
    Green coverage rate of built-up area/m2
    + 0.044 0 0.176 8 0.110 4 [19]
    人均公园绿地面积 Per capita green park area/m2 + 0.098 4 0.182 5 0.140 4 [19]
    环境水平
    Environmental level
    二氧化硫年日均浓度
    Annual average daily concentration of sulfur
    dioxide /(μg·m−3
    0.013 5 0.080 1 0.077 3 [20]
    可吸入颗粒物年日均浓度
    Annual average daily concentration of inhalable
    particulate matter/(μg·m−3
    0.031 3 0.074 7 0.092 0 [20]
    年空气污染指数达优良的百分率
    Percentage of excellent annual air pollution index/%
    + 0.035 0 0.091 7 0.207 7 [16]
    环境治理
    Environmental governance
    人均生活垃圾清运量
    Per capita domestic garbage removal volume/t
    + 0.055 2 0.099 4 0.077 3 [20]
    人均道路清扫面积
    Per capita road clearing area/m2
    + 0.082 4 0.101 6 0.092 0 [21]
    单位市域面积环保投入资金 /(万元·km−2
    Environmental protection investment funds per unit city area/(104 CNY·km−2)
    + 0.315 2 0.100 2 0.207 7 [22]
    效率水平
    Efficiency level
    市域单位面积GDP/(108元·km−2
    GDP per unit area of a city/(108 CNY·km−2)
    + 0.325 0 0.093 0 0.209 0 [18]
    下载: 导出CSV

    表  2   城镇化与生态环境耦合协调类型划分标准

    Table  2   Classification criteria for the coupling and coordination of urbanization and ecological environment

    类型
    Category
    耦合协调度
    Coupling and
    coordination
    degree (D)
    亚类型
    Subcategory


    系统比较
    System
    comparison
    子类型
    Subtype
    协调发展
    Coordinated
    development
    [0.8 ~ 1.0) 优质协调
    High-quality coordination (Ⅰ)
    {U}_{i}{-E}_{i} > 0.1 优质协调-城镇化受阻型
    High-quality coordination-hindered urbanization type
    Ⅰ-1
    {{E}_{i}-U}_{i} > 0.1 优质协调-生态环境受阻型
    High-quality coordination-ecological environment obstruction type
    Ⅰ-2
    0\leqslant \mid {{E}_{i}-U}_{i}\mid \leqslant 0.1 优质协调-同步发展型
    High-quality coordination-synchronous development type
    Ⅰ-3
    [0.7 ~ 0.8) 优化协调
    Good coordination (Ⅱ)
    {U}_{i}{-E}_{i} > 0.1 优化协调-城镇化受阻型
    Good coordination-hindered urbanization type
    Ⅱ-1
    {{E}_{i}-U}_{i} > 0.1 优化协调-生态环境受阻型
    Good coordination-ecological environment obstruction type
    Ⅱ-2
    0\leqslant \mid {{E}_{i}-U}_{i}\mid \leqslant 0.1 优化协调-同步发展型
    Good coordination-synchronous development type
    Ⅱ-3
    转型发展
    Transformational development
    [0.5 ~ 0.7) 基本协调
    Basic coordination (Ⅲ)
    {U}_{i}{-E}_{i} > 0.1 基本协调-城镇化受阻型
    Basic coordination-hindered urbanization type
    Ⅲ-1
    {{E}_{i}-U}_{i} > 0.1 基本协调-生态环境受阻型
    Basic coordination-ecological environment obstruction type
    Ⅲ-2
    0\leqslant \mid {{E}_{i}-U}_{i}\mid \leqslant 0.1 基本协调-同步发展型
    Basic coordination-synchronous development type
    Ⅲ-3
    不协调发展
    Uncoordinated
    development
    [0.3 ~ 0.5) 轻度失调
    Mild imbalance (Ⅳ)
    {U}_{i}{-E}_{i} > 0.1 轻度失调-城镇化滞后型
    Mild imbalance-hindered urbanization type
    Ⅳ-1
    {{E}_{i}-U}_{i} > 0.1 轻度失调-生态环境受阻型
    Mild imbalance-ecological environment obstruction type
    Ⅳ-2
    0\leqslant \mid {{E}_{i}-U}_{i}\mid \leqslant 0.1 轻度失调-同步发展型
    Mild imbalance-synchronous development type
    Ⅳ-3
    (0.0 ~ 0.3) 严重失调
    Severe imbalance (Ⅴ)
    {U}_{i}{-E}_{i} > 0.1 严重失调-城镇化受阻型
    Severe imbalance-hindered urbanization type
    Ⅴ-1
    {{E}_{i}-U}_{i} > 0.1 严重失调-生态环境受阻型
    Severe imbalance-ecological environment obstruction type
    Ⅴ-2
    0\leqslant \mid {{E}_{i}-U}_{i}\mid \leqslant 0.1 严重失调-同步发展型
    Severe imbalance-synchronous development type
    Ⅴ-3
    注:Ui为第i个地区的城镇化综合指数,Ei为第i个地区的生态环境综合指数。Notes: Ui, comprehensive index of urbanization in the ith region. Ei, comprehensive index of ecological environment in the ith region.
    下载: 导出CSV

    表  3   2011—2020年上海大都市圈及上海市各区城镇化与生态环境耦合协调度测算结果与耦合协调子类型划分

    Table  3   Calculation results of the coupling coordination between urbanization and ecological environment in the Shanghai metropolitan area and various districts from 2011 to 2020 and division of coupling coordination subtypes

    年份
    Year
    上海大
    都市圈
    Shanghai
    metropolitan
    area
    苏州市
    Suzhou
    City
    无锡市
    Wuxi
    City
    常州市
    Changzhou
    City
    南通市
    Nantong
    City
    宁波市
    Ningbo
    City
    嘉兴市
    Jiaxing
    City
    湖州市
    Huzhou
    City
    舟山市
    Zhoushan
    City
    上海市
    Shanghai
    City
    黄浦区
    Huangpu
    District
    徐汇区
    Xuhui
    District
    长宁区
    Changning
    District
    2011 0.502 0.540 0.570 0.462 0.447 0.454 0.469 0.563 0.567 0.443 0.743 0.501 0.604
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-1 Ⅳ-3 Ⅳ-1 Ⅲ-3 Ⅲ-3 Ⅳ-2 Ⅱ-1 Ⅲ-1 Ⅲ-1
    2012 0.536 0.577 0.577 0.478 0.525 0.502 0.507 0.581 0.596 0.486 0.816 0.533 0.603
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅲ-1 Ⅲ-3 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅳ-2 Ⅰ-1 Ⅲ-1 Ⅲ-1
    2013 0.560 0.615 0.585 0.509 0.595 0.515 0.533 0.587 0.608 0.498 0.845 0.536 0.606
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅳ-2 Ⅰ-1 Ⅲ-1 Ⅲ-1
    2014 0.583 0.676 0.581 0.563 0.587 0.563 0.562 0.598 0.602 0.522 0.863 0.559 0.646
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅰ-1 Ⅲ-1 Ⅲ-1
    2015 0.601 0.683 0.613 0.593 0.605 0.583 0.565 0.619 0.622 0.533 0.866 0.577 0.661
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅲ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅰ-1 Ⅲ-1 Ⅲ-1
    2016 0.631 0.675 0.633 0.639 0.670 0.610 0.597 0.637 0.649 0.571 0.924 0.616 0.701
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅰ-1 Ⅲ-1 Ⅱ-1
    2017 0.642 0.693 0.652 0.668 0.675 0.623 0.579 0.647 0.654 0.587 0.942 0.649 0.75
    Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅰ-1 Ⅲ-1 Ⅱ-3
    2018 0.662 0.711 0.663 0.656 0.695 0.642 0.602 0.671 0.695 0.624 0.944 0.675 0.819
    Ⅲ-2 Ⅱ-3 Ⅲ-3 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅰ-1 Ⅲ-1 Ⅰ-1
    2019 0.685 0.716 0.712 0.67 0.721 0.668 0.613 0.684 0.712 0.667 0.982 0.705 0.857
    Ⅲ-2 Ⅱ-1 Ⅱ-3 Ⅲ-1 Ⅱ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅱ-3 Ⅲ-2 Ⅰ-1 Ⅱ-1 Ⅰ-1
    2020 0.700 0.717 0.726 0.705 0.730 0.675 0.632 0.694 0.727 0.687 0.995 0.735 0.812
    Ⅱ-2 Ⅱ-3 Ⅱ-3 Ⅱ-3 Ⅱ-3 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅱ-3 Ⅲ-2 Ⅰ-1 Ⅱ-1 Ⅰ-1
    年份
    Year
    静安区
    Jing’an
    District
    普陀区
    Putuo
    District
    虹口区
    Hongkou
    District
    杨浦区
    Yangpu
    District
    浦东新区
    Pudong
    New Area
    闵行区
    Minhang
    District
    宝山区
    Baoshan
    District
    嘉定区
    Jiading
    District
    金山区
    Jinshan
    District
    松江区
    Songjiang
    District
    青浦区
    Qingpu
    District
    奉贤区
    Fengxian
    District
    崇明区
    Chongming
    District
    2011 0.618 0.452 0.287 0.437 0.546 0.444 0.471 0.312 0.395 0.343 0.307 0.349 0.286
    Ⅲ-1 Ⅳ-1 Ⅴ-1 Ⅳ-1 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅴ-3
    2012 0.642 0.530 0.409 0.476 0.577 0.513 0.497 0.349 0.435 0.364 0.374 0.405 0.259
    Ⅲ-1 Ⅲ-1 Ⅳ-1 Ⅳ-1 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅴ-3
    2013 0.617 0.580 0.447 0.502 0.617 0.515 0.537 0.370 0.393 0.396 0.368 0.379 0.277
    Ⅲ-1 Ⅲ-1 Ⅳ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅴ-2
    2014 0.655 0.645 0.48 0.547 0.615 0.533 0.582 0.4 0.432 0.382 0.394 0.402 0.223
    Ⅲ-1 Ⅲ-3 Ⅳ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅴ-2
    2015 0.662 0.613 0.528 0.55 0.626 0.519 0.582 0.395 0.417 0.417 0.395 0.392 0.343
    Ⅲ-1 Ⅲ-1 Ⅲ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-2
    2016 0.688 0.674 0.596 0.603 0.651 0.588 0.589 0.456 0.442 0.418 0.414 0.409 0.362
    Ⅲ-1 Ⅲ-3 Ⅲ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-2 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-2
    2017 0.699 0.675 0.601 0.611 0.666 0.572 0.616 0.494 0.436 0.436 0.425 0.418 0.384
    Ⅲ-1 Ⅲ-3 Ⅲ-1 Ⅲ-1 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅳ-2 Ⅳ-2 Ⅳ-3 Ⅳ-3 Ⅳ-3 Ⅳ-2
    2018 0.696 0.730 0.637 0.654 0.708 0.607 0.639 0.509 0.511 0.502 0.475 0.464 0.418
    Ⅲ-1 Ⅱ-3 Ⅲ-1 Ⅲ-1 Ⅱ-2 Ⅲ-3 Ⅲ-2 Ⅲ-2 Ⅲ-3 Ⅲ-3 Ⅳ-3 Ⅳ-3 Ⅳ-2
    2019 0.739 0.809 0.671 0.691 0.736 0.671 0.653 0.56 0.52 0.554 0.529 0.492 0.505
    Ⅱ-1 Ⅰ-1 Ⅲ-1 Ⅲ-1 Ⅱ-2 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅲ-2 Ⅲ-2 Ⅲ-2 Ⅳ-2 Ⅲ-2
    2020 0.781 0.856 0.747 0.735 0.724 0.678 0.659 0.545 0.538 0.562 0.552 0.565 0.514
    Ⅱ-1 Ⅰ-1 Ⅱ-1 Ⅱ-1 Ⅱ-3 Ⅲ-3 Ⅲ-3 Ⅲ-2 Ⅲ-2 Ⅲ-2 Ⅲ-2 Ⅲ-2 Ⅲ-2
    下载: 导出CSV
  • [1] 邵明, 李方正. 城市生态空间生态系统服务功能权衡协同及管控研究: 以成都东部新城为例[J]. 风景园林, 2019, 28(7): 114−120.

    Shao M, Li F Z. Research on trade-off and synergistic relationship of ecosystem service and space regulation in city ecological space: a case study of Chengdu eastern new city[J]. Landscape Architecture, 2019, 28(7): 114−120.

    [2] 邵明, 董宇翔, 林辰松. 基于GWR模型的成渝城市群生态系统服务时空演变及驱动因素研究[J]. 北京林业大学学报, 2019, 42(11): 118−129.

    Shao M, Dong Y X, Lin C S. Spatio-temporal evolution and driving factors of ecosystem services in Chengdu-Chongqing urban agglomeration of southwestern China based on GWR model[J]. Journal of Beijing Forestry University, 2019, 42(11): 118−129.

    [3] 黎智枫, 姚丹燕, 黄永贤,等. 城市—区域视角下的粤港澳大湾区都市圈空间组织模式[J]. 规划师, 2022, 38(5): 128−133. doi: 10.3969/j.issn.1006-0022.2022.05.019

    Li Z F, Yao D Y, Huang Y X, et al. Spatial patterns of metropolitan areas in the Guangdong-Hong Kong-Macao Greater Bay Area from city region viewpoint[J]. Planners, 2022, 38(5): 128−133. doi: 10.3969/j.issn.1006-0022.2022.05.019

    [4] 王俊霞, 王晓峰. 基于生态城市的城市化与生态文明建设协调发展评价研究: 以西安市为例[J]. 资源开发与市场, 2011, 27(8): 709−712. doi: 10.3969/j.issn.1005-8141.2011.08.011

    Wang J X, Wang X F. Research on coordinated development evaluation of urbanization and ecological civilization construction based on eco-city: taking Xi’an as an example[J]. Resource Development & Market, 2011, 27(8): 709−712. doi: 10.3969/j.issn.1005-8141.2011.08.011

    [5]

    Alberti M. The effects of urban patterns on ecosystem function[J]. International Regional Science Review, 2005, 28(2): 168−192. doi: 10.1177/0160017605275160

    [6] 岳邦瑞, 钱芝弘. 生态系统服务权衡与协同机制及其在景观规划中的应用[J]. 风景园林, 2022, 29(10): 20−25.

    Yue B R, Qian Z H. Formation mechanism of trade-offs and synergies between ecosystem services and application in landscape planning[J]. Landscape Architecture, 2022, 29(10): 20−25.

    [7] 徐海龙, 尹海伟, 孔繁花,等. 基于潜力—约束和SLEUTH模型松散耦合的南京城市扩展模拟[J]. 地理研究, 2017, 36(3): 529−540.

    Xu H L, Yin H W, Kong F H, et al. Urban sprawl simulation based on the loose coupling between potential-limitation and SLEUTH model in Nanjing City[J]. Geographical Research, 2017, 36(3): 529−540.

    [8]

    Wu P, Tan M. Challenges for sustainable urbanization: a case study of water shortage and water environment changes in Shandong, China[J]. Procedia Environmental Sciences, 2012, 13: 919−927. doi: 10.1016/j.proenv.2012.01.085

    [9]

    Kijima M, Nishide K, Ohyama A. Economic models for the environmental Kuznets curve: a survey[J]. Journal of Economic Dynamics and Control, 2010, 34(7): 1187−1201. doi: 10.1016/j.jedc.2010.03.010

    [10]

    Shafiei S, Salim R A. Non-renewable and renewable energy consumption and CO2 emissions in OECD countries: a comparative analysis[J]. Energy Policy, 2014, 66: 547−556. doi: 10.1016/j.enpol.2013.10.064

    [11] 宋学锋, 刘耀彬. 基于SD的江苏省城市化与生态环境耦合发展情景分析[J]. 系统工程理论与实践, 2006(3): 124−130. doi: 10.3321/j.issn:1000-6788.2006.03.019

    Song X F, Liu Y B. Scenarios simulation of urbanization and ecological environment coupling in Jiangsu Province by system dynamic model[J]. Systems Engineering-Theory & Practice, 2006(3): 124−130. doi: 10.3321/j.issn:1000-6788.2006.03.019

    [12] 吕越, 陈忠清. 浙江省城镇化与生态—经济—环境耦合发展与动态计量[J]. 水土保持通报, 2016, 36(5): 261−265.

    Lü Y, Chen Z Q. Coupling development of urbanization and ecological-economy-environment and dynamic quantity in Zhejiang Province[J]. Bulletin of Soil and Water Conservation, 2016, 36(5): 261−265.

    [13] 王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973−991. doi: 10.11821/dlxb202104013

    Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta[J]. Acta Geographica Sinica, 2021, 76(4): 973−991. doi: 10.11821/dlxb202104013

    [14] 马艳. 长江经济带城镇化与生态环境耦合协调效应测度与交互胁迫关系验证[J]. 长江流域资源与环境, 2020, 29(2): 275−286.

    Ma Y. Examining the coupling degree and interactive stress between urbanization and eco-environment in Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2020, 29(2): 275−286.

    [15] 方创琳, 周成虎, 顾朝林, 等. 特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径[J]. 地理学报, 2016, 71(4): 531−550. doi: 10.11821/dlxb201604001

    Fang C L, Zhou C H, Gu C L, et al. Theoretical analysis of interactive coupled effects between urbanization and eco-environment in mega-urban agglomerations[J]. Acta Geographica Sinica, 2016, 71(4): 531−550. doi: 10.11821/dlxb201604001

    [16] 任亚文, 曹卫东, 张宇, 等. 长江经济带三大城市群城镇化与生态环境时空耦合特征[J]. 长江流域资源与环境, 2019, 28(11): 2586−2600.

    Ren Y W, Cao W D, Zhang Y, et al. Temporal and spatial coupling characteristics of urbanization and ecological environment of three major urban agglomerations in the Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2019, 28(11): 2586−2600.

    [17] 赵建吉, 刘岩, 朱亚坤, 等. 黄河流域新型城镇化与生态环境耦合的时空格局及影响因素[J]. 资源科学, 2019, 42(1): 159−171.

    Zhao J J, Liu Y, Zhu Y K, et al. Spatiotemporal differentiation and influencing factors of the coupling and coordinated development of new urbanization and ecological environment in the Yellow River Basin[J]. Resources Science, 2019, 42(1): 159−171.

    [18] 王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3): 793−810. doi: 10.31497/zrzyxb.20210319

    Wang S J, Kong W, Ren L, et al. Research on misuses and modification of coupling coordination degree model in China[J]. Journal of Natural Resources, 2021, 36(3): 793−810. doi: 10.31497/zrzyxb.20210319

    [19] 崔木花. 中原城市群9市城镇化与生态环境耦合协调关系[J]. 经济地理, 2015, 35(7): 72−78.

    Cui M H. The relationship of coupling coordination between urbanization and ecological environment: a case of urban cluster in the central plains[J]. Economic Geography, 2015, 35(7): 72−78.

    [20] 王帅, 潘本锋, 张建辉, 等. 环境空气质量综合指数计算方法比选研究[J]. 中国环境监测, 2014, 30(6): 46−52. doi: 10.3969/j.issn.1002-6002.2014.06.008

    Wang S, Pan B F, Zhang J H, et al. Comparative study on calculation methods of ambient air quality comprehensive index[J]. Environmental Monitoring in China, 2014, 30(6): 46−52. doi: 10.3969/j.issn.1002-6002.2014.06.008

    [21] 刘立忠, 张承中, 李冶婷. 道路人工清扫扬尘中PM_(10)污染影响因素研究[J]. 西北大学学报(自然科学版), 2005, 35(3): 363−366.

    Liu L Z, Zhang C Z, Li Y T. A study on factors of PM10 pollution during road sweeping[J]. Journal of Northwest University (Natural Science Edition), 2005, 35(3): 363−366.

    [22] 毕国华, 杨庆媛, 刘苏. 中国省域生态文明建设与城市化的耦合协调发展[J]. 经济地理, 2017, 37(1): 50−58.

    Bi G H, Yang Q Y, Liu S. Coupling coordination development between ecological civilization construction and urbanization in China[J]. Economic Geography, 2017, 37(1): 50−58.

    [23] 刘海猛, 方创琳, 李咏红. 城镇化与生态环境“耦合魔方”的基本概念及框架[J]. 地理学报, 2019, 74(8): 1489−1507. doi: 10.11821/dlxb201908001

    Liu H M, Fang C L, Li Y H. The basic concept and framework of the “coupling Rubik’s Cube” between urbanization and ecological environment[J]. Acta Geographica Sinica, 2019, 74(8): 1489−1507. doi: 10.11821/dlxb201908001

    [24] 曹祺文, 赵丹, 王君,等. 基于系统耦合的首都生态安全格局构建与管控[J]. 规划师, 2022, 38(9): 61−65.

    Cao Q W, Zhao D, Wang J, et al. Construction and control of ecological security pattern in capital based on system coupling[J]. Planners, 2022, 38(9): 61−65.

    [25] 邵明, 李方正, 李雄. 基于多源数据的成渝城市群绿色空间生态系统服务功能供需评价[J]. 风景园林, 2021, 28(1): 60−66.

    Shao M, Li F Z, Li X. Evaluation of supply and demand of green space ecosystem service function in Chengdu-Chongqing urban agglomeration based on multi-source data[J]. Landscape Architecture, 2021, 28(1): 60−66.

图(7)  /  表(3)
计量
  • 文章访问数:  331
  • HTML全文浏览量:  76
  • PDF下载量:  50
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-09-03
  • 修回日期:  2024-04-02
  • 录用日期:  2024-05-29
  • 网络出版日期:  2024-06-03
  • 刊出日期:  2024-07-24

目录

/

返回文章
返回