-
生态城市建设是实施生态文明战略,实现城市可持续发展与高质量发展目标的重要举措。自20世纪初霍华德提出了田园城市理论后,现代生态城市思想开始启蒙[1],在随后的两次城市生态学研究浪潮推动下,国内外学者对生态城市研究产生了浓厚兴趣,形成了较为丰富的研究成果[2]。国外研究成果主要包括:环境治理与可持续发展[3]、案例分析与经验总结[4]、人文生态与绿色设施[5]、指标体系与研究方法[6]、自然景观与生物系统等[7];国内成果主要包括:学科属性与概念内涵[8]、建设策略与城市规划[9]、指标体系与生态评价[10]和可持续发展研究等[11]。国外研究呈现明显的阶段化特征,而国内研究则呈现明显的模块化特征。整体上生态城市的研究目标已从弱可持续发展转向强可持续发展,其研究内容已从空间形态与交通出行转向社会生态环境,但其研究仍存在一些局限性。一方面,生态城市的理论构建需要加强跨学科融合研究和实践应用研究;另一方面,城市生态系统的非线性、复杂性特征仍需进一步研究。此外,生态城市建设不仅要关注当前的城市生态化水平,还应该关注未来的收敛趋势、长期预测与规划工作,而已有文献较少涉及上述内容。作为关中城市群的核心城市、西北五省(区)唯一的特大城市以及黄河经济带的重要节点城市,西安城市生态化水平不仅影响了关中城市群的可持续发展与人民的生活质量,还会对西北五省(区)及黄河经济带的生态保护与高质量发展产生重大影响。文章选取西安市及其13个区县2010—2020年的面板数据,定量测度了城市生态化水平及其变动趋势,以期为西安当前生态城市建设、后续精准治理与未来中长期规划提供科学依据。
-
西安地处关中平原中部,是陕西省省会和关中城市群的核心城市,也是西北五省(区)中唯一的特大城市和副省级城市。2018年,西安在“第五届绿色发展峰会”上获得“首批生态型城市”和“绿色发展示范城市”荣誉称号,浐灞生态区获得“生态文明建设典范开发区”荣誉称号,成为西北地区首个国家绿色生态示范城区和国家级生态区。2020年西安GDP为10 020.39亿元,常住人口1 296万人,城镇化率79.2%,土地面积10 108 km2,下辖11个区、2个县以及代管1个国家级新区。具体管辖的11个区为碑林区、灞桥区、雁塔区、临潼区、高陵区、新城区、莲湖区、未央区、阎良区、长安区和鄠邑区,2个县为周至县和蓝田县,1个国家级新区为西咸新区。鉴于西安市从2017年才代管西咸新区,相关数据大量缺失,故研究范围仅限于西安市及其所管辖的13个区县。
-
参考已有文献成果,分别从社会文化、生态环境与经济发展3个一级指标,人均GDP、三产比重等18个二级指标构建西安生态城市评价指标体系。所选指标的数据来源于《西安统计年鉴》《陕西区域统计年鉴》以及13个区县的年度统计公报和政府工作报告,数据区间为2010—2020年,少量缺失值采用插值法补充,见表1。
-
采用熵值权重与AHP权重相结合的组合平均权重(表1),结合TOPSIS模型分析西安城市生态化水平。TOPSIS模型是一种常用的多目标决策评价方法,它通过对原始数据归一化处理得到规范化矩阵,在此基础上找出各指标的正负理想解,并计算各方案与正负理想解的距离(即贴近度),最后根据贴近度的大小关系进行方案优劣排序,计算方法见文献[18]。
-
收敛分析是一种常用的衡量指标变动趋势的检验方法,一般可以分为σ收敛和β收敛,σ收敛主要衡量指标差异是否会随时间推演而出现下降态势。当出现σt+1<σt时,表明存在σ收敛,反之,则存在发散现象。β收敛包括条件β收敛与绝对β收敛,其中条件β收敛主要衡量指标是否收敛于自身的稳态,而绝对β收敛主要衡量低值区是否拥有比高值区更快的增长速度,采用双向固定效应模型进行条件β收敛检验,相关计算方法见文献[19]。
-
定量预测是一种使用数学工具预测事物发展趋势的科学方法,常用的定量预测方法有回归分析法、系统分析法、模糊数学法、时间序列法等。分别选取线性回归模型、半参数模型、GM(1,1)模型和ARMA模型,探究城市生态化水平与社会文化、生态环境、经济发展的函数关系,并对西安市及其13个区县2021—2035年的城市生态化水平进行长期预测,相关预测模型的计算方法见文献[20]。
-
运用综合权重-TOPSIS模型计算2010—2020年西安及其13个区县的城市生态化水平,见表2。
从时间序列的变化趋势看,西安的城市生态水平呈现明显的提升趋势,其生态水平值由2010年的0.257增到2020年的0.327,年均增速为2.44%。13个区县的测度结果显示,新城和莲湖的城市生态水平较高,2020年其生态水平值分别为0.552和0.508,远高于其他区县;紧随其后的是雁塔和碑林,其生态水平值均接近0.45;城市生态化水平较低的区县主要是鄠邑、长安、阎良和临潼,2020年其生态水平值均低于全市测度值0.327。13个区县2020年城市生态化水平排名与11年间排名均值差异不大,表明各区县的生态水平排名相对稳定。从各区县生态水平的年均增速看,13个区县都出现了不同幅度的增长,且大部分区县的年均增速超过2.5%;除个别年度发生了一定的降幅外,整体上鄠邑、临潼、未央和高陵的城市生态水平发生了较大幅度的增长,年均增速均超过3%;尽管新城、碑林和莲湖的年均增速分别仅有1.55%、0.52%和0.01%,但3个城区的生态水平基数较大,同时上述城区在2017或2018年之前也呈现明显的增长趋势。
依据TOPSIS模型测算出的贴近度数值,将西安生态城市的建设水平划分为低、较低、中等、较高和高5个等级,对应贴近度的区间范围分别为:<0.25、[0.25,0.35)、[0.35,0.5)、[0.5,0.75)、≥0.75。选择2010、2015和2020年作为典型年份,借助ArcGIS10.2绘制西安生态城市空间格局的变化趋势,见图1。
图1可知,西安未出现高生态等级区县,其贴近度均小于0.75,各区县生态水平呈现一定的空间依赖性和空间集聚性,总体特征“中心城区优于外围区县”趋势明显。生态水平较高等级区县主要为主城区的新城和莲湖,中等等级区县仍然主要为主城区的碑林、未央、雁塔和灞桥,较低及以下等级区县主要为城市外围的鄠邑、蓝田、长安和临潼。2010年,形成以“莲湖为单中心、新城和碑林为两翼”的主城中高等级生态区,以及以“鄠邑—临潼—长安—蓝田”为中心的外围低等级生态区,雁塔、未央、灞桥、高陵、阎良和周至为较低等级生态区,总体上13个区县的平均贴近度只有0.297,处于较低等级生态区;2015年,形成以“莲湖和新城为双中心,碑林、雁塔、灞桥和未央协调发展”的主城中高等级生态区,以及以“鄠邑和蓝田为双中心”的外围低等级生态区,高陵、阎良、周至、长安和临潼为较低等级生态区,总体上13个区县的城市生态水平提升明显,其平均贴近度由2010年的0.297增至2015年的0.360,其生态等级由较低等级上升到中等等级;2020年形成以“莲湖和新城为双中心,碑林、未央、雁塔和高陵协调发展”的主城中高等级生态区,其他区县均为较低等级生态区,无低等级和高等级生态区,总体上13个区县的平均贴近度由2015年的0.360缓慢提升到2020年的0.373,仍然处于中等等级生态区。3个典型年份的空间演变过程表明,西安生态城市建设由典型的空间集聚模式逐渐向空间均衡模式和空间溢出模式转变,各区县城市生态水平差距呈缩小化趋势。
从各区县常住人口与生态水平的相关系数看,蓝田和周至两个县城的相关系数显著为负,表明常住人口与生态水平之间呈反向变动关系,见图2。
出现反向变动关系可能是因为蓝田和周至等外围区县具有GDP规模小、经济增长缓慢、社会资源相对较少等特征,近年来常住人口出现了下降趋势,而人均GDP、人均财政收入、人均消费品零售总额、人口密度等指标增长,导致城市生态水平的显著上升。雁塔、碑林等其余11个城区的相关系数为正,表明常住人口与生态水平之间存在正向变动关系,尤其是未央、临潼、雁塔、长安、阎良和高陵,相关系数均通过5%的检验水平,灞桥通过10%的检验水平,表明这些区县的城市规模等级与生态水平之间成正比关系,即人口规模扩张有利于提升城市生态水平。尽管新城、鄠邑、莲湖和碑林的相关系数为正,但没有通过10%的检验水平,表明这些城区的人口规模扩张并不能显著提升本地的城市生态水平。
绘制13个区县2010—2020年城市生态水平与常住人口的散点图,根据散点图将常住人口分为(25,45]、(45,100]和(100,205)3个数据区间,见图3。
图3可知,人口介于25万到45万的区县较少,但该区间的常住人口与生态水平呈明显的正向变动关系;介于45万到100万的区县较多,该区间的常住人口与城市生态水平之间呈现明显的空间异质性,大部分区县仍然存在明显的正相关性,少数区县的正相关性不明显,甚至出现负向变动关系;人口超过100万的区县也较多,尽管该区间也存在明显的正向变动关系,但人口增长所导致的边际生态水平增量出现明显的放缓趋势,即人口增长所引发的城市生态改善红利逐渐减弱。
选择2010、2015和2020年作为典型年份,从3个一级指标分析13个区县的城市生态水平,见表3。
表3可知,3个一级指标得分增长趋势明显,经济发展水平均值由0.266增加到0.345,生态环境水平均值由0.369增加到0.464,社会文化水平均值由0.255增加到0.325。各区县在3个一级指标方面的得分值存在明显差异,总体上城市主城区在经济发展和社会文化方面表现出色,在生态环境方面表现稍差,为典型的生态环境滞后型区域,而城市外围区县则刚好相反,在生态环境方面表现出色,在经济发展和社会文化方面表现稍差,为典型的社会经济滞后型区域。经济发展方面,主城区新城、雁塔、莲湖和碑林得分较高,而城市外围区县蓝田、临潼、鄠邑、周至则得分较低;生态环境方面,各区县得分出现了一定的波动,总体上城市外围区县周至、蓝田、鄠邑和临潼的得分较高,主城区碑林、莲湖、灞桥、未央在部分年度得分较低;社会文化方面,主城区碑林、新城、莲湖和雁塔得分较高,城市外围区县临潼、长安、鄠邑、高陵则得分较低。
-
计算2010—2020年西安城市生态水平及3个一级指标的σ收敛值,见图4。
整个研究期间,尽管在部分年度西安城市生态化水平的变异系数出现小幅上升,但总体下降趋势明显,其σ值从2010年的0.367降到2020年的0.239,降幅34.9%,呈现明显的σ收敛趋势。与西安生态城市的变动趋势类似,社会文化水平也经历了2012—2014年及2016—2017年的短暂提升,总体上仍然呈现明显的σ收敛趋势。经济发展水平的σ值变动幅度不大,自2011年开始呈现典型的持续下降态势,σ收敛趋势明显。生态环境水平则发生了频繁的上下波动,收敛与发散交替出现的趋势明显,说明西安13个区县的生态环境差异具有明显的不稳定性,环境整治工作任重道远。
以2015年为分界线,分别计算2010—2020年、2010—2015年和2016—2020年城市生态水平的β收敛值,见表4。
表4可知,绝对β收敛的回归系数β始终显著为负,说明13个区县的城市生态水平在3个时间段均存在绝对β收敛。随着时间的推移,低水平生态城市具有明显的“追赶效应”,并逐渐向高生态城市靠拢,最终13个区县的城市生态水平趋于同一稳态,并实现均衡发展。此外,3个时间段的收敛系数β始终显著为负,且收敛系数与收敛速度在不同的时间段测度结果差异较小,说明13个区县的城市生态水平相对平稳,回归结果具有良好的稳健性。条件β收敛的测度结果表明,3个时间段的系数估计值β均显著为负,说明13个区县的城市生态水平存在条件β收敛,各个区县都收敛于自身的稳态。3个时间段的测度结果表明,整体时段与2010—2015年的收敛趋势十分类似,且收敛速度均慢于2016—2020年。3个时间段的条件β收敛系数始终显著为负,表明回归结果也具有良好的稳健性。
-
分别运用GM(1,1)模型、线性回归模型、半参数模型和ARMA模型模拟西安2010—2020年的生态水平Y,自变量为社会文化X3、生态环境X2、经济发展X1等一级指标得分,见表5。
GM(1,1)模型的拟合结果为Y(1)(k+1)=15.372×e0.0185k−15.115,拟合度为0.973;线性回归的拟合结果为Y=0.499X1+0.203X2+0.258X3+0.020,拟合度为0.998;半参数模型中将社会文化X3和经济发展X1作为线性部分,生态环境X2为非线性部分,最终拟合结果为Y=0.223X1+0.249X3+0.1,拟合度为0.986;ARMA模型中通过查看偏自相关图和自相关图确定模型形式为ARMA(1,1),回归的拟合结果为Yt=0.112+0.661Yt−1+εt−0.984εt−1,拟合度为0.979。单位根ADF检验后发现,生态水平Y和经济发展X1均为平稳序列,社会文化X3和生态环境X2分别为一阶差分和二阶差分平稳序列。4个模型的模拟结果表明,各模型都具有非常高的拟合度,其数值均大于0.97,尤其是线性回归模型的拟合度最优,预测差异率均值仅为0.19%,说明线性回归模型更适合做进一步的预测分析。
运用线性回归模型预测2021—2035年西安及其13个区县的城市生态水平,见表6。
预测期间,西安的城市生态水平保持了平稳增长趋势,其生态水平值由2021年的0.328提高到2035年的0.358,增长9%。依据前述生态城市的等级划分标准可知,西安的生态城市建设发生了从“较低等级”到“中等等级”的演变。纵向比较13个区县,预测期间各区县的生态水平介于0.275到0.641,无“低等级”和“高等级”生态区县。2035年,主城区新城、雁塔和未央的生态水平值超过0.5,处于“较高等级”;莲湖、灞桥、临潼、高陵、鄠邑、周至和蓝田的生态水平值介于0.35到0.50,处于“中等等级”;碑林、阎良和长安的生态水平值介于0.25~0.35,处于“较低等级”;13个区县中排名前3的是新城、雁塔和未央,排名后3的是碑林、阎良和长安。横向比较13个区县,尽管碑林和莲湖的生态水平较高,但两者都出现了明显下降趋势,其余11个区县的生态水平均呈现不同幅度的增长,比较典型的区县有未央、雁塔、临潼和鄠邑,其增幅均超过28%。从预测期间各区县的生态城市等级来看,灞桥、临潼、蓝田、鄠邑和周至的生态城市类型由“较低等级”提升到“中等等级”,雁塔和未央由“中等等级”提升到“较高等级”,而莲湖则由“较高等级”下降到“中等等级”,碑林由“中等等级”下降到“较低等级”,其余区县的生态城市类型在预测期间保持不变。
-
西安的城市生态水平呈明显的空间依赖性、空间集聚性以及稳步提升趋势,总体特征“中心主城”优于“外围区县”趋势明显,但并未出现高生态等级区县。研究期间,西安的生态城市建设发生了由“以莲湖为单中心”到“以莲湖和新城为双中心”城市格局演变,其生态城市发展模式由典型的空间集聚模式逐渐向空间均衡模式和空间溢出模式转变,各区县城市生态水平差距呈缩小化趋势;常住人口与城市生态水平之间存在明显的空间异质性,蓝田和周至为显著的反向变动关系,未央、临潼、雁塔、长安、阎良、高陵和灞桥为显著的正向变动关系。总体上,各区县常住人口增长有利于城市生态水平的提升,当常住人口超过100万时,其生态改善红利将逐渐减弱;西安的城市生态水平、社会文化水平与经济发展水平总体呈σ收敛趋势,13个区县的城市生态水平存在绝对β收敛和条件β收敛,低水平生态城市具有明显的“追赶效应”,并逐渐向高生态城市靠拢。总体上,中心城区在经济发展和社会文化方面表现出色,体现为生态环境滞后型区域,而城市外围区县则刚好相反,在生态环境方面表现出色,体现为社会经济滞后型区域;2021—2035年期间,西安的城市生态水平将保持平稳增长趋势,2035年达到中等等级。新城、雁塔和未央的生态水平处于较高等级,碑林、阎良和长安的生态水平为较低等级。
上述分析可知,西安的城市生态水平并不高,未来的生态城市建设任务仍然十分艰巨。要提高西安的城市生态水平,一方面应加快莲湖、新城、碑林、未央、雁塔等中心城区的生态环境水平,大力提升其生态水平的同时,充分发挥这些中心城区的空间溢出效应;另一方面,应加快推动鄠邑、长安、蓝田、阎良等外围区县的社会经济水平提升,以维持较高的生态水平增速和较强的“追赶效应”,以此推动西安生态城市建设的空间均衡模式演变和提高西安整体的城市生态水平;另外,鉴于各区县常住人口与生态水平之间的空间异质性关系,我们认为,各区县应制订差异化的常住人口吸引政策。对于蓝田、周至等人口出现小幅下降的外围区县,应在提升社会经济水平的同时,提供更多的工作岗位和更优的人才激励政策,以抑制常住人口逐渐下降的不利态势;对于未央、临潼、雁塔、长安、阎良、高陵、灞桥等具有显著人口增长红利的区县,应在改善生态环境的同时,完善人才吸引政策,进一步适度扩大常住人口规模;对于新城、莲湖、碑林和鄠邑等人口增长而生态水平提升不显著的区县而言,要重点提高上述城区的生态环境水平,同时适度增加常住人口规模,提升人力资源的综合素质和人才技能结构,以促使生态水平的显著提升。
西安生态城市的水平测度、收敛趋势与长期预测
The level measurement, convergence trend and long term prediction of Xi'an's eco-city
-
摘要: 生态城市建设是实现城市可持续发展目标的重要举措。选取西安市及其13个区县的面板数据,实证分析结果表明:西安城市生态化水平呈现明显的空间依赖性、集聚性与稳步提升趋势,中心城区优于外围区县趋势明显,其生态城市建设逐渐由空间集聚模式转向空间溢出模式和空间均衡模式;各区县常住人口增长有利于城市生态水平的提升 ,当常住人口超过100万时,其生态改善红利将逐渐减弱;13个区县的城市生态化水平存在σ收敛、绝对β收敛和条件β收敛。中心城区表现为生态环境滞后型区域,而外围区县表现为社会经济滞后型区域;2021—2035年,西安城市生态化水平将保持平稳增长趋势,2035年达到中等等级,新城、雁塔和未央的生态水平处于“较高等级”。Abstract: Eco-city construction is an important measure to achieve sustainable urban development goals. Panel data from Xi'an City and its 13 districts were selected for empirical analysis. The results indicated that the ecological level of Xi'an city showed an obvious trend of spatial dependence, agglomeration and steady improvement. The trend of "central urban area" was obviously better than that of "peripheral districts and counties", and its eco-city construction had gradually shifted from spatial agglomeration mode to spatial overflow mode and spatial equilibrium mode. The growth of resident population in all districts and counties was conducive to the improvement of urban ecological level. However, the ecological benefits derived from population growth gradually diminish when the resident population exceeds one million. The urban ecological level of the 13 districts shows σ convergence, absolute β convergence, and conditional β convergence. The central urban area exhibited characteristics of an ecological environment lagging, while the peripheral districts showed characteristics of a socio-economic lagging. From 2021 to 2035, the ecological level of Xi'an city is expected to maintain a stable growth trend and reach a moderate level by 2035, with the ecological levels of the Xin Cheng, Yan Ta, and Wei Yang districts being at a relatively high level.
-
Key words:
- eco-city /
- comprehensive evaluation /
- convergence model /
- TOPSIS model /
- long term forecast
-
溶解性有机质(dissolved organic matter, DOM)是具有不同官能团和分子结构的芳香族和脂肪族有机化合物的复杂多相混合物[1],富含碳、氮、磷等多种生物需要的有机物质,在各种水体中具有多种地球化学和生态功能[2],DOM的形成、转化和命运及其伴随的养分再生过程是水生生态系统生物地球化学循环的关键环节,此外DOM作为能量和营养的重要来源,对水生生态系统中浮游植物和细菌的生物活性具有重大影响,在内陆湖泊爆发藻华过程中也起重要作用[3]。三维荧光光谱技术(EEMs)用于DOM来源及动力学的研究,具有灵敏度高、样品用量少、重复性好且不易损坏样品的特点[4],近年来被用于追踪其在自然水域中的变化,如河流、湖泊、水库[5]等,已经成为地球化学、环境化学和海洋化学等领域关注的热点。
银川市是西北干旱半干旱区典型的绿洲区域,受其地貌类型、气候、土壤等自然条件影响,形成了全球范围内荒漠半荒漠地区少见的高原湿地,是西北干旱半干旱区人工绿洲生态系统的有机组成部分,是黄河中上游重要的保水、蓄水和调水基地,也是银川市具水源保持、水质净化、蓄洪防旱、气候调节等重要功能的生态资源[6]。自20世纪以来,银川湿地大规模的农垦开发,开创了湖泊湿地的多重利用、全面利用的局面,从湿地垦殖到水利工程建设、渔业养殖再到旅游休闲和城镇建设,湿地利用方式具有越来越多样性、深度化的特征,产生了良好的经济、生态和社会效益的同时也对湿地生态环境造成了一定的不利影响[7]。而对于银川市DOM的研究还未见报道。
了解银川市湿地表层水体DOM的组成分布,探明DOM在银川市湿地中的组分信号及来源,以期为银川市湿地资源的综合管理与水资源的健康评价提供基础依据,为当地有关部门对湿地资源的开发利用提供参考依据,同时为湿地的可持续利用发展与实施湿地修复治理工程提供科学依据。
1. 材料与方法(Materials and methods)
1.1 研究区域
银川市(38°08′—38°53′N,105°49′—106°35′E)位于宁夏回族自治区境内,地处中温带干旱区,属大陆性气候,日照充足,蒸发强。全市湿地总面积达5.31万公顷,市内沟渠纵横,湖泊棋布,自然湖泊近200处,市区湿地率达到10.65%[8],荣获全球首批“国际湿地城市”的称号。
1.2 样品的采集
共采集186个湿地表层水样品,包括20个采样点。H1:燕鸽湖、H2:孔雀湖1、H2.1:孔雀湖2、H3:章子湖、H4:七十二连湖、H5:宝湖、H6:三沙源、H7:西部水系、H8:海子湖、H9:典农河、H10:小西湖、H11:阅海、H12:阅海万家、H13:北塔湖、H14:碱湖、H15:赵家湖、H16:银子湖、H17:雁湖、H18:莲湖、H19:银湖。湿地采样点如图1所示。
本研究将银川市湿地分为3个区域A(H1、H2、H2.1、H6、H14、H15)、B(H4、H5、H10、H11、H12、H13、H16、H17、H18、H19)、C(H3、H7、H8、H9),其中A区靠近老式居民区,湖泊内挺水植物数量较多,开发利用程度较低;B区湿地开发程度较高,主要为休闲娱乐及城镇建设,例如湿地公园、沿湖房地产的开发,受到人为因素干扰严重;C区为自然湿地,水源补给主要为农田灌溉水,周边土地主要为农田及林地。根据采样原则合理布设采样点,采样日期为2019年9月—10月,采样前后无降雨的发生,排除降雨对结果的影响,采集的各表层水样放入经酸泡过的棕色玻璃瓶中运回实验室冷藏,所有采集水样均经0.45 µm的聚醚砜(PES)滤膜过滤,滤后水样放置于−4 ℃保存并于1周内进行相关指标的测定。
1.3 研究方法
1.3.1 三维荧光光谱法(EEMs)
实验室水样温度与室温一致后,使用装有150 W氙灯的日立F-4600荧光广谱仪进行EEM光谱的测定,光谱的激发波长(Ex) 220—450 nm,扫描间隔为5 nm,发射波(Em) 260—600 nm,扫描间隔为1 nm,扫描速度为1200 nm·min−1,光电倍增管电压为700 V,响应时间为0.05 s,激发与发射波长的狭缝宽度均为5 nm。荧光相关参数描述如表1所示。利用Milli-Q超纯水扣除空白,所有数据以超纯水EEM中350 nm下的荧光强度定标为拉曼单位(R.U.),并结合Delaunnay三角形内差值法修正去除拉曼散射和瑞利散射[4],为了最小化内滤效应,DOC浓度高于10 mg·L−1的样品同等倍数的稀释处理,确保样品的DOC浓度低于10 mg·L−1,以下各项光谱特征参数均以矫正过的数据计算。
表 1 三维荧光光谱相关参数描述Table 1. Description of fluorescence spectrum parameters光谱参数Fluorescence parameter 参数定义Parameter definition 参数相关描述Parameter description 荧光指数(FI) Ex=370 nm时,Em=470 nm与520 nm处的荧光强度比值; 作为物质来源的指示指标,对荧光组分及指标的生态定义中指出FI>1.8以自生源为主,FI<1.2以陆源输入为主[9]。 腐殖化指数(HIX) Ex=254 nm时,435—480 nm间的荧光峰值与300—345 nm之间的荧光峰值积分之商 反映水体DOM的腐殖化程度,其值小于3表明DOM呈微弱腐殖化特征且有重要的近期自生源,3—6则表示DOM呈强腐殖质特征,具有微弱的新进自生源,大于6表明DOM呈强腐殖质特征和重要的陆源贡献[9]。 自生源指数(BIX) Ex=310 nm时,Em在380 nm和430 nm处荧光强度的比值; 反映水体DOM自生源贡献,其值在0.6—0.8表明自生源贡献较少主要为陆源输入,大于1时主要为生物或细菌等来源,0.8—1.0则表明DOM来源介于两者之间[10]。 Fn280 Ex=280 nm时,Em在340—360 nm间最大的荧光强度; 代表类蛋白质物质相对浓度水平[10]。 Fn355 Ex=355 nm时,Em在440—470 nm间最大的荧光强度; 代表类腐殖质物质相对浓度水平[10]。 1.3.2 区域积分法(FRI)
区域积分法(FRI)是基于一致的激发波长(Ex)和发射波长(Em)将每个EEM数据划分为五个区域,通过计算指定区域的标准体积(
)与荧光响应百分比(Φi,n )来表示特定结构荧光物质的含量与相对含量,相应的计算公式如下:Pi,n Φi,n=MFiΦi=MFi∫Ex∫EmI(λExλEm)dλExdλEm (1) ΦT,n=5∑i=1Φi,n (2) Pi,n=Φi,nΦT,n×100% (3) 式中,
是激发波长间隔,dλEx 是发射波长间隔,dλEm 是每个激发发射波长对的荧光强度;MFi是倍乘系数,为总的荧光区域积分面积与某一荧光区域i的积分面积的比值。I(λExλEm) 1.3.3 平行因子法(PARAFAC)
尽管可以使用区域积分分析来定量分析EEM谱图并确定DOM的组分及水平,但因为各种荧光峰的重叠,传统的“峰值采摘”技术在解释EEM数据集的多维性质方面存在问题,而EEM与PARAFAC相结合,可提供比传统的峰提取技术更高的EEM荧光成分的分辨率[11]。
PARAFAC是适用于三或高阶矩阵中排列的数据的多路方法,采用交替最小二乘原理的迭代型三维数阵分解算法,将数据信号降维成唯一荧光合适的荧光组分集和一个残差矩阵[12],在本次研究中将三维荧光信号解析为若干个具有唯一对应发射波长极值的荧光组分。通过Matlab2012a软件,采用N-way和drEEM工具箱,对研究区域内湖泊表层水体的186个EEMs矩阵进行平行因子分析,识别的荧光组分访问荧光在线光谱数据库(http://www.openfluor.org)进行匹配,用Fmax (单位R.U.)值评估EEM-PARAFAC分析确定的荧光组分强度和组分最大荧光强度的相对百分比在空间上的分布[13]。
1.4 统计分析
使用SPSS进行主成分分析、非参数检验以及相关统计指标的描述,使用Origin进行相关图表的绘制,使用ArcGIS绘制采样点布设图的绘制,使用MATLB 2012a进行EEMs的平行因子、区域积分的分析和相关指标的计算。
2. 结果与讨论(Results and discussion)
2.1 银川市湿地水体中DOM的荧光组分特征
2.1.1 EEM-FRI法
对于来自银川湿地表层水体的DOM的EEM进行了区域荧光法(FRI)解析,每个DOM的EEM被分为5个区域:区域I(Ex/Em=(220—250)/(260—330)nm)为酪氨酸样蛋白;区域Ⅱ(Ex/Em=(220—250)/(330—380) nm)为色氨酸样蛋白;区域Ⅲ(Ex/Em=(220—250)/(380—600) nm)为黄腐酸;区域Ⅳ(Ex/Em=(250—450)/(260—380) nm)为溶解性微生物代谢产物;区域Ⅴ(Ex/Em=(250—450)/(380—600) nm)为腐殖质样物质;使用EEM-FRI分析计算各激发发射区域的荧光百分比
值,各区域之间存在显著差异,结果如图2;区域Ⅰ—Ⅴ的荧光百分比范围分别为11.73%—67.56%、4.06%—34.25%、4.06%—33.40%、8.97%—38.19%、1.68%—25.55%,均值表示本次研究的DOM的区域荧光百分比最大的是区域Ⅰ,超过30%,其次是区域Ⅳ、Ⅱ、Ⅲ、Ⅴ,分别为19.64%、19.17%、18.55%和9.83%,这些结果表明,银川市湿地水体DOM的主要成分为酪氨酸样蛋白。Pi,n 2.1.2 EEM-PARAFAC法
通过平行因子法(Parallel factor analysis, PARAFAC)对银川市湿地表层水体样品进行三维荧光数据解析,分析DOM的组分构成。银川市湿地表层水体DOM主要解析出6个荧光组分,水体中DOM荧光组分的荧光组分(C1、C2、C3、C4、C5、C6)及最大激发、发射波长分布如图3、4,与同类研究结果对比见表2。
表 2 银川湿地水体样品DOM的荧光组分特征Table 2. Characteristics of fluorescent components in DOM of Yinchuan Wetland water组分Components Ex/nm Em/nm 类型Type OpenFluor匹配数目Matches 同类研究比较/nm Comparison of similar studies C1 275 300 类酪氨酸(类蛋白质物质) 11 270/380[18];284,270/302[23] C2 260/275/290/360 425 微生物腐殖质(类腐殖质物质) 2 260,360/422[20];355/424[21] C3 270/375 480 红移的陆地腐殖质(类腐殖质物质) 57 <275,370/475[24];260/365,476[22] C4 310 405 海洋腐殖质(类腐殖质物质) 4 315/410[21];<300/396[25] C5 275 340/355 类色氨酸(类蛋白质物质) 40 275/330[26];280/340[19] C6 255 305/400/505 酪氨酸样和陆地腐殖质 1 <250/436[27];250/30,540[26] 银川市湿地表层水体组分图谱中主要存在2个类蛋白质组分(C1、C5),3个类腐殖质组分(C2、C3、C4)和酪氨酸样与陆地腐殖质成分的混合样(C6)。其中C6组分的荧光峰位置为255/305(主)、400、505 nm(Ex/Em),其中主要发射峰处与Bridgeman等[14]研究的酪氨酸B1峰((225—237)/(309—321) nm)相似,次要发射峰处与Singh等[15]研究的土壤腐殖质(250、410/520 nm)组分相似,此外PARAFAC无法将C6中的酪氨酸样和土壤衍生的腐殖质样特征区分开,可能是由于这两种类型的荧光团之间的相互作用[16];C1组分的荧光峰位置为275/300 nm(Ex/Em),主要成分为短波(紫外区)类酪氨酸,对应传统峰B((270—280)/(300—320) nm)[17],与简单的苯酚的荧光团有关,通常表示降解程度较高的“较旧”的蛋白质,由高等植物和藻类产生,提示近期的生物活性[18];C5组分的荧光峰位置为275/340、355 nm(Ex/Em),主要成分为类色氨酸,对应传统峰T(270—280)/(330—370) nm),通常表示降解程度较低的“新鲜蛋白”,来源于水体自生过程[19],提示近期卫生污水的污染;C2在260、275、290、300 nm处分别有明显的激发峰,最大发射波长为425 nm,主要成分为微生物腐殖质,与微生物的活性呈正相关[20-21];C3组分的荧光峰位置为270、375/480 nm(Ex/Em),对应传统峰C((320—360) /(400—460) nm),但峰值明显向长波长移动,表现为结构的疏水性增加,主要成分为红移的陆地腐殖质[22];C4组分的荧光峰位置为310/405 nm(Ex/Em),主要成分为海洋腐殖质,对应传统峰M((290—320)/(370—420) nm),由新产生的荧光类腐殖酸材料组成,是近期生物活性的一个标志[21]。
2.2 DOM的组分信号分析
2.2.1 DOM的荧光各组分的分布特征
湿地水体6种DOM荧光组分荧光强度如图5(a)所示。结果表明,表层水体中C1、C2、C3、C4、C5、C6组分荧光强度的变化范围分别为:0.035—1.291、0.024—0.521、0.028—0.317、0.037—0.492、−0.024—0.468、−0.027—0.187,平均值分别为0.400、0.132、0.088、0.129、0.101、0.066。各荧光组分强度明显不同,组分1(酪氨酸样蛋白)明显高与其他组分,表明整体来看银川湿地水体DOM的主要成分为酪氨酸样蛋白,与FRI分析结果相符。
图5(b)为6种荧光组分的荧光相对丰度。结果表明,表层水体中C1、C2、C3、C4、C5、C6荧光组分占比的变化范围分别为9.48%—75.48%、2.76%—27.73%、3.24%—20.04%、5.37%—27.00%、−4.80%—23.71%、−3.25%—20.35%,平均值分别为41.21%、15.54%、10.69%、15.10%、10.30%和7.20%,各组分荧光丰度明显不同,其中C1组分相对含量最大,超过40%(41.21%),其次为C2(15.54%)、C4(15.10%)、C3(10.30%)、C5(10.69%),相对含最小为C6(7.20%)。上述结果一致表明银川市湿地水体DOM的主要成分为C1(酪氨酸样蛋白)。蛋白质成分在DOM组成占较高比例表现为水体生产力提高,受自然因素作用之外也有可能受到人为因素的影响,因此银川市湿地水体DOM的蛋白质占比较大,原因有可能是受到人类活动产生的各种污染物的输入;同时由于废水输入对水生植物和藻类产生影响,导致微生物活性的增加,使得水体生产力的提高,内源负荷也相应提高。
2.2.2 PCA识别湿地水体的组分信号
对EEM-PARAFAC分量(C1—C6)的Fmax百分比结果进一步进行了PCA分析,可以有效的识别出表层水体DOM组分信号特征。为确保提取的主成分有足够的影响,其根据特征值>1与碎石图最终确定保留前两个主成分,结果如图6所示,因子载荷矩阵提取的PC1解释了总体方差的68.27%,PC2解释了总体方差的19.74%,两者共同解释了总体方差的88.00%。变量C2、C3与C4主要对PC1有所贡献;而变量C1也可以由PC1更好地表示,但呈负相关;变量C5在PC1与PC2都有贡献,但在因子1上有较高的载荷;变量C6主要对PC2有所贡献。
如图6所示,不同研究区域有不同的图标来表示,结果显示不同特征区域呈现显著差异,区域内各水样采集区差异不明显。其中A区为PC1的贡献,但为负相关,与变量C1呈显著正相关,表明该区域的DOM主要成分为C1,其区域内丰富的挺水植物起重要贡献作用;B区在PC1与PC2各占有一定比例的贡献,在PC1贡献较大,表明该区DOM的组分及来源较广,与该区域高程度的开发有关,受到人为干扰的影响较大;C区主要为PC1的贡献,且为正相关,与变量C2、C3与C4呈正相关,说明C区的DOM成分主要为类腐殖质的贡献,因为C区水源补给为农田灌溉退水,周边农田及林地的外源输入以及水生生物代谢产生等自然活动产生,受到人为干扰较小。
2.2.3 荧光组分空间分布特征
图7(a)为各研究区域的总荧光强度,结果显示,表层水体荧光总值CT荧光强度的变化范围在0.240—2.780之间,平均值为0.915,结合多个独立样本间的非参数检验结果显示,个别研究区域内部的采样点之间存在显著差异(P<0.05),但整体来看呈现A区稍微大于B区大于C区的现象,一方面与不同研究区域周边环境与土地的利用类型有关,另外一方面由受到水源补给、水体本身源的影响,当然与人类活动的干扰更密不可分,A区内采样点差异明显,H1、H2明显高与其他采样点,H2.1、H14明显低于其他采样点,其中H1靠近燕鸽湖基地,是银川最大的生活小区,受到人类活动的干扰较大,H2临近渔业养殖,对水体植物产生直接影响,而同为孔雀湖的H2.1孔雀湖后段CT明显低,说明该区域水质状况较好,H14与B区H12、H13荧光值低是因为几处相互贯通,水源补给为黄河补水,水质循环较好,荧光高值H19位于公园内部,周围为商业街区,受到高强度的人员流量的干扰,生活污水的输入量较大。
整体来说银川市湿地水体DOM的类蛋白质组分(C1+C5+C6)占比水平稍微大于类腐殖质组分(C2+C3+C4),分别为58.68%与41.32%.图7(b)为各研究区域的荧光丰度占比情况。结果表明,各组分相对含量的空间分布结果表明,C1组分呈现明显的A区>B区>C区,C6组分相当,C5、C2、C3与C4呈现出A区<B区<C区的趋势,这与各区域周边环境等因素密切有关,A区挺水植物丰富并且住宅区生活污水的排放对C1组分起到主要贡献作用,B区的开发利用程度较高,住宅建设与湿地公园等休闲娱乐项目的开发,高强度的人为干扰,同时大面积的绿化建设使得B区DOM的来源较广,既有居民商业污水的输入,又有陆源植物腐化经雨水充刷等陆源输入,导致该区域各组分含量都处于较高水平,C区属于天然湿地,以农田与林地为主,大量的陆地植物的凋零产生丰富的陆源腐殖质,由农田灌溉退水以及雨水冲刷的自然条件进入水体,造成C区类腐殖质部分(C2、C3、C4)明显高与其他区域。
2.3 银川市湿地水体中DOM的荧光光谱特征及来源解析
湿地水体DOM的来源主要分为陆源和内源两种,陆源主要由陆地生态系统微生物降解或者动植物残体残渣等腐烂产生的腐殖质物质,由地表径流、雨水冲刷等进入水体;内源主要由水体微生物、浮游生物、藻类等生物活性产生的蛋白质物质[28]。荧光光谱特性可以有效表征DOM组分,提供来源解析,因此本文对湿地水体DOM的荧光特征参数(FI、BIX、HIX、Fn280、Fn355)进行了分析,结果如图8;
荧光指数(FI)可以鉴别陆源和自生源的DOM,结果如图8(a),FI值的范围在1.82—2.73之间,均值为2.23±0.17,整体来说大于1.8,表明湿地水体DOM的来源主要为本土来源,表现出较强的自生源特征。自生源指数(BIX)反映了DOM溯源及自生源的贡献比例,结果如图8(b),范围在0.83—1.36之间,均值为1.01±0.09,整体来说大于1,表明水体DOM的来源由陆源与自生源混合产生,其中新进生物或细菌引起的自生源为主,陆源贡献较少。腐殖化指数(HIX)可以区分不同腐殖化程度的DOM,结果如图8(a、b),范围在0.38—6.32之间,均值为1.85±1.07,整体来说小于3,表明湿地水体具有较弱的腐殖质化特征并且具备重要的新近自生源的贡献。
Fn280代表类蛋白质物质相对浓度水平,Fn355代表类腐殖质物质相对浓度水平,这两个指标分别用来表示内源与陆源对水体DOM组分的贡献[10]。本次研究的Fn280的范围在0.031—0.757(R.U.)之间,均值为0.25±0.14(R.U.),Fn355的范围在0.028—0.395(R.U.)之间,均值为0.10±0.05(R.U.),整体水平来看各区域内差异明显,但Fn280明显高于Fn355,都呈现处该区域的自生源明显的特征。综上荧光光谱各特征参数的分析得出,银川市湿地水体DOM,研究各区域虽有差异,但总的来说DOM的来源呈现出陆源-自生源复合状态,但内源特征占主要部分,腐殖化程度较弱,且类蛋白物质含量和占比较高,新生的DOM占比较多。
2.4 国内外湖泊湿地荧光指数的差异性分析
与已有的国内外研究结果相比较(表3),整体看来,国内高原亚高原地区的天才湖、百花湖DOM的腐殖化水平与来源相似,而位于内蒙古境内半干旱区湿地的乌梁素海的腐殖化程度较低,内源性作用更大,主要是因为该湿地作为主要灌溉工程的同时还接受了来自上游工业废水与生活污水的污染,相比较而言,国内湖泊比国外湿地沼泽(埃夫罗斯河、南卡罗来纳州沿海湿地、弗罗里达沿海大沼泽)DOM的来源相似均是混合来源,但国外湿地沼泽的陆源比重较大,且腐殖化程度更高。银川湿地DOM的FI指数、BIX指数明显较大、HIX指数明显较小,即使与用于城市污水等其他水源处理的奥兰治县湿地、受到油井影响较大的加利福尼亚南部盐沼湿地相比,DOM的内源性明显且腐殖化程度低,与富营养化程度较高的大型浅水湖泊太湖较接近,主要是因为银川市湿地的多样多重的开发利用,围湖住宅,湿地公园等休闲娱乐场所的修建,给湿地湖泊带来了较大的人为负担,提示在对湿地资源开发利用的同时要兼顾水资源的保护以及湿地资源的可持续发展。
表 3 银川市湿地DOM荧光指数与国内外其他地区湿地的比较Table 3. Comparison of characteristic parameters of fluorescent light in the wetland waters from the different regions区域Regions FI HIX BIX 文献References 银川湿地 1.82—2.73(2.23) 0.38—6.32(1.85) 0.83—1.36(1.01) 本研究 太湖(长江三角洲) 1.65—2.50(1.93) 0.20—2.66(0.56) 0.84—1.48(1.12) [3] 天才湖(云贵高原) 1.51 4.25 — [29] 百花湖(西南高原) — 2.88—5.63 0.76—0.83 [30] 乌梁素海(内蒙古) 1.594—1.746 1.514—5.012 [31] 埃夫罗斯河(保加利亚、土耳其、希腊) — 0.75—9.7 0.57—0.9 [32] 弗罗里达沿海大沼泽(弗罗里达) 1.28—1.47 4.5—16.0 0.4—0.9 [33] 南卡罗来纳州沿海湿地(美国) 1.30—1.54 4.18—16.7 — [34] 南加州奥兰治县湿地(美国) 1.47—1.56 — 0.70—0.83 [35] 加利福尼亚南部盐沼(美国) — 0.8±0.3 0.6±0.2 [36] 注:“—”表示未报道。Note: “—” unreported. 3. 结论(Conclusion)
(1)利用PARAFAC法与FRI法银川市湿地表层水体DOM三维荧光光谱矩阵进行分析,FRI法将EEM光谱数据划分为五个激发发射区域;区域Ⅰ(酪氨酸样蛋白)、区域Ⅱ(色氨酸样蛋白)、区域Ⅲ(黄腐酸)、区域Ⅳ(溶解性微生物代谢产物)、区域Ⅴ(腐殖质样物质);PARAFAC共解析出6种荧光组分:C1(类酪氨酸物质)、C2(微生物腐殖质)、C3(红移的陆地腐殖质)、C4(海洋腐殖质)、C5(类色氨酸物质)和C6(PARAFAC未能分离的酪氨酸样和陆地腐殖质物质),FRI各区域荧光百分比(
)、PARAFAC各组分Fmax与荧光相对丰度占比一致表示湿地水体DOM主要成分为酪氨酸样蛋白。Pi,n (2)各研究区域DOM组分的空间分布结合多个独立样本的非参数检验、主成分分析证实各研究区域荧光强度及组分信号存在显著差异,其差异主要受到湿地开发利用程度的高低,湖泊水源补给,周围土地利用类型的影响,但整体来说银川市湿地水体DOM污染类型为类蛋白质主导型。
(3)荧光光谱特征参数分析可得,银川市湿地表层水体DOM的来源由自生源与陆源的双重特征,但以自生源特征为主,且新生DOM占比较大。与国内外其他沼泽湖泊相比,腐殖化程度较低,内源性占比较重,处于较高水平。
-
表 1 西安城市生态水平评价指标体系
Table 1. Evaluation index system of urban ecological level in Xi'an
一级指标 AHP权重 熵值权重 综合权重 二级指标 参考文献 AHP权重 熵值权重 综合权重 经济发展 0.437 0.366 0.402 人均GDP [12] 0.093 0.045 0.069 三产比重 [13] 0.066 0.021 0.044 人均财政收入 [12] 0.079 0.050 0.065 人均消费品零售总额 [12] 0.066 0.079 0.072 地均工业总产值 [12] 0.079 0.163 0.121 GDP增长率 [14] 0.054 0.008 0.031 生态环境 0.313 0.196 0.254 工业万元产值SO2排放量 [12] 0.063 0.004 0.033 工业万元产值COD排放量 [15] 0.063 0.005 0.034 建成区绿化覆盖率 [14] 0.045 0.016 0.030 万元工业GDP能源消耗量 [13] 0.053 0.007 0.030 环保投资占GDP比重 [15] 0.036 0.159 0.098 人均二氧化硫排放量 [16] 0.053 0.005 0.029 社会文化 0.250 0.438 0.344 万人医院卫生院床位数 [15] 0.056 0.048 0.052 万人卫生技术人员数 [14] 0.042 0.070 0.056 人口密度 [13] 0.035 0.152 0.093 教育事业费占GDP比重 [17] 0.028 0.088 0.058 城市化率 [15] 0.048 0.042 0.045 城乡居民收入比 [12] 0.041 0.038 0.040 表 2 2010—2020年西安城市生态水平
Table 2. The urban ecological level in Xi'an from 2010 to 2020
地区 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 年均增速/% 全市 0.257 0.269 0.288 0.303 0.312 0.319 0.324 0.317 0.329 0.331 0.327 2.44 新城 0.473 0.502 0.510 0.536 0.556 0.567 0.571 0.563 0.517 0.542 0.552 1.55 碑林 0.424 0.459 0.417 0.437 0.455 0.463 0.474 0.475 0.474 0.469 0.447 0.52 莲湖 0.507 0.519 0.531 0.530 0.532 0.542 0.542 0.559 0.578 0.549 0.508 0.01 灞桥 0.252 0.280 0.304 0.336 0.360 0.370 0.354 0.352 0.358 0.354 0.326 2.59 未央 0.284 0.321 0.334 0.348 0.362 0.369 0.376 0.404 0.413 0.426 0.394 3.33 雁塔 0.345 0.360 0.386 0.399 0.429 0.428 0.428 0.442 0.443 0.458 0.448 2.64 阎良 0.252 0.258 0.276 0.288 0.294 0.305 0.307 0.304 0.308 0.306 0.302 1.85 临潼 0.210 0.220 0.242 0.250 0.257 0.260 0.273 0.272 0.286 0.298 0.303 3.72 长安 0.220 0.246 0.253 0.264 0.267 0.278 0.281 0.285 0.292 0.294 0.286 2.67 高陵 0.256 0.273 0.295 0.310 0.319 0.319 0.320 0.335 0.353 0.348 0.351 3.19 鄠邑 0.139 0.150 0.182 0.187 0.194 0.249 0.322 0.285 0.323 0.318 0.278 7.17 蓝田 0.246 0.262 0.244 0.232 0.237 0.246 0.259 0.271 0.275 0.311 0.320 2.66 周至 0.251 0.266 0.297 0.271 0.277 0.285 0.286 0.291 0.322 0.385 0.331 2.82 表 3 西安城市生态水平一级指标得分及其排名
Table 3. Score and ranking of the first level indicators of urban ecological level in Xi'an
城市 经济发展 生态环境 社会文化 2010年 2015年 2020年 2010年 2015年 2020年 2010年 2015年 2020年 新城 0.494 0.711 0.655 0.386 0.405 0.403 0.523 0.532 0.555 碑林 0.436 0.498 0.471 0.386 0.388 0.402 0.441 0.464 0.446 莲湖 0.596 0.687 0.645 0.394 0.403 0.413 0.489 0.501 0.433 灞桥 0.237 0.372 0.310 0.285 0.481 0.390 0.249 0.296 0.290 未央 0.295 0.391 0.397 0.315 0.406 0.418 0.241 0.306 0.369 雁塔 0.307 0.470 0.481 0.395 0.401 0.418 0.349 0.402 0.434 阎良 0.187 0.278 0.253 0.390 0.407 0.430 0.170 0.234 0.232 临潼 0.140 0.161 0.193 0.365 0.431 0.553 0.099 0.197 0.215 长安 0.169 0.227 0.238 0.349 0.403 0.419 0.134 0.201 0.189 高陵 0.191 0.307 0.362 0.397 0.411 0.430 0.155 0.231 0.250 鄠邑 0.128 0.147 0.154 0.175 0.427 0.459 0.127 0.248 0.247 蓝田 0.140 0.145 0.165 0.479 0.416 0.643 0.167 0.199 0.273 周至 0.139 0.147 0.164 0.482 0.496 0.655 0.172 0.266 0.289 平均值 0.266 0.349 0.345 0.369 0.421 0.464 0.255 0.314 0.325 表 4 西安城市生态水平的β收敛检验
Table 4. β convergence test of urban ecological level in Xi'an
绝对β收敛 条件β收敛 2010—2020年 2010—2015年 2016—2020年 2010—2020年 2010—2015年 2016—2020年 β λ β λ β λ β λ β λ β λ −0.049*** 0.068 −0.048*** 0.067 −0.050** 0.069 −0.251*** 0.348 −0.250*** 0.347 −0.659*** 0.914 表 5 2010—2020年西安城市生态水平的模拟值及差异率
Table 5. Simulated values and variation rates of urban ecological level in Xi'an from 2010 to 2020
t/a 实际值 GM(1,1)模型拟合度:0.973 线性回归模型拟合度:0.998 半参数模型拟合度:0.986 ARMA模型拟合度:0.979 模拟值 差异率/% 模拟值 差异率/% 模拟值 差异率/% 模拟值 差异率/% 2010 0.257 NA NA 0.257 0.16 0.265 2.97 NA NA 2011 0.269 0.287 6.54 0.270 0.13 0.276 2.58 0.282 4.64 2012 0.288 0.292 1.30 0.288 0.05 0.289 0.14 0.290 0.47 2013 0.303 0.298 1.72 0.303 0.06 0.301 0.51 0.302 0.13 2014 0.312 0.303 2.85 0.313 0.40 0.311 0.26 0.312 0.03 2015 0.319 0.309 3.33 0.321 0.35 0.32 0.09 0.318 0.43 2016 0.324 0.315 3.02 0.323 0.28 0.322 0.81 0.323 0.43 2017 0.317 0.320 0.94 0.317 0.26 0.313 1.26 0.326 2.76 2018 0.329 0.326 0.79 0.329 0.11 0.323 1.70 0.322 2.24 2019 0.331 0.332 0.39 0.331 0.02 0.325 1.79 0.329 0.58 2020 0.327 0.339 3.55 0.326 0.28 0.323 1.19 0.331 1.12 均值 0.307 0.312 2.44 0.307 0.19 0.306 1.21 0.313 1.28 注:实际值和模拟值均保留了3位小数,差异率根据原始数据计算,差异率=︱模拟值−实际值︱÷实际值×100%。NA表示当年无预测数据,由于GM(1,1)模型和ARMA模型的计算特点,从第2年(即2011年)才有预测数据。 表 6 2021—2035年西安城市生态水平的预测值
Table 6. Prediction value of urban ecological level in Xi'an from 2021 to 2035
t/a 西安 新城 碑林 莲湖 灞桥 未央 雁塔 阎良 临潼 长安 高陵 鄠邑 蓝田 周至 2021 0.328 0.556 0.436 0.504 0.327 0.406 0.457 0.306 0.315 0.290 0.353 0.275 0.325 0.344 2022 0.330 0.562 0.426 0.501 0.331 0.417 0.466 0.308 0.325 0.294 0.357 0.284 0.329 0.347 2023 0.332 0.568 0.417 0.498 0.335 0.429 0.476 0.311 0.335 0.299 0.362 0.292 0.333 0.351 2024 0.335 0.574 0.408 0.494 0.340 0.440 0.485 0.313 0.345 0.303 0.366 0.301 0.337 0.354 2025 0.337 0.580 0.398 0.491 0.344 0.451 0.495 0.315 0.354 0.307 0.370 0.309 0.341 0.358 2026 0.339 0.586 0.389 0.488 0.348 0.463 0.504 0.317 0.364 0.311 0.374 0.318 0.345 0.361 2027 0.341 0.592 0.379 0.485 0.353 0.474 0.513 0.320 0.374 0.316 0.378 0.326 0.349 0.365 2028 0.343 0.598 0.370 0.482 0.357 0.486 0.523 0.322 0.383 0.320 0.383 0.335 0.352 0.368 2029 0.345 0.604 0.360 0.479 0.361 0.497 0.532 0.324 0.393 0.324 0.387 0.344 0.356 0.372 2030 0.347 0.610 0.351 0.476 0.366 0.508 0.542 0.327 0.403 0.328 0.391 0.352 0.360 0.375 2031 0.349 0.616 0.341 0.473 0.370 0.520 0.551 0.329 0.413 0.333 0.395 0.361 0.364 0.379 2032 0.351 0.622 0.332 0.470 0.374 0.531 0.561 0.331 0.422 0.337 0.399 0.369 0.368 0.382 2033 0.353 0.628 0.322 0.467 0.379 0.543 0.570 0.334 0.432 0.341 0.403 0.378 0.372 0.386 2034 0.356 0.635 0.313 0.463 0.383 0.554 0.579 0.336 0.442 0.345 0.408 0.387 0.376 0.389 2035 0.358 0.641 0.303 0.460 0.387 0.565 0.589 0.338 0.451 0.349 0.412 0.395 0.379 0.393 均值 0.343 0.598 0.370 0.482 0.357 0.486 0.523 0.322 0.383 0.320 0.383 0.335 0.352 0.368 -
[1] 杨琰瑛, 郑善文, 逯非, 等. 国内外生态城市规划建设比较研究[J]. 生态学报, 2018, 38(22): 8247 − 8255. [2] 时保国, 田一聪, 赵江美, 等. 生态城市的研究进展与热点——基于文献计量和知识图谱分析[J]. 干旱区资源与环境, 2020, 34(3): 76 − 84. [3] FLYNN A, YU L, FEINDT P, et al. Eco-cities, governance and sustainable lifestyles: the case of the sino-singapore tianjin eco-city[J]. Habitat international, 2016, 53: 78 − 86. doi: 10.1016/j.habitatint.2015.11.004 [4] JOSS S, MOLELLA A P. The eco-city as urban technology: perspectives on caofeidian international eco-city(China)[J]. Journal of Urban Technology, 2013, 20(1): 115 − 137. doi: 10.1080/10630732.2012.735411 [5] SHWAYRI S T. A model korean ubiquitous eco-city? the politics of making songdo[J]. model korean ubiquitous eco-city? the politics of making songdo[J]Journal of urban technology, 2013, 20(1): 39 − 55. [6] DONG H, FUJITA T, GENG Y, et al. A review on eco-city evaluation methods and highlights for integration[J]. Ecological indicators, 2016, 60: 1184-1191. [7] WU Y, SWAIN R E, JIANG N, et al. Design with nature and eco-city design[J]Ecosystem health and sustainability, 2020, 6 (1): 1781549. [8] 范育鹏, 方创琳. 生态城市与人地关系[J]. 生态学报, 2022, 42(11): 4313 − 4323. [9] 孙江宁, 汤姚楠, 尚金玲. 2000年后中外生态城市建设比较及实施路径研究[J]. 城市发展研究, 2019, 26(1): 110 − 115. doi: 10.3969/j.issn.1006-3862.2019.01.020 [10] 吴远征, 张智光. 林业生态安全效率及其影响因素的DEA-Tobit模型分析—基于生态与产业共生关系[J]. 长江流域资源与环境, 2021, 30(1): 76 − 86. [11] 杜海龙, 李迅, 李冰. 绿色生态城市理论探索与系统模型构建[J]. 城市发展研究, 2020, 27(10): 1 − 8. doi: 10.3969/j.issn.1006-3862.2020.10.001 [12] 徐丽婷, 姚士谋, 陈爽, 等. 高质量发展下的生态城市评价——以长江三角洲城市群为例[J]. 地理科学, 2019, 39(8): 1228 − 1237. [13] 彭定洪, 黄子航. 生态城市发展质量评价方法研究[J]. 中国科技论坛, 2019(8): 95 − 104. [14] 易平涛, 李雪, 周莹, 等. 生态城市评价指标的筛选模型及应用[J]. 东北大学学报(自然科学版), 2017, 38(8): 1211 − 1216. doi: 10.12068/j.issn.1005-3026.2017.08.030 [15] 翁翎燕, 张超, 李伟霄. 基于全排列多边形图示法的生态城市评价——以上海市为例[J]. 地球与环境, 2017, 45(3): 356 − 362. [16] 付丽娜, 贺灵. 基于灰色关联分析的低碳生态城市评价研究[J]. 湘潭大学学报(哲学社会科学版), 2013, 37(3): 31 − 35. doi: 10.13715/j.cnki.jxupss.2013.03.034 [17] 钱耀军. 生态城市可持续发展综合评价研究——以海口市为例[J]. 调研世界, 2014(12): 54 − 59. doi: 10.3969/j.issn.1004-7794.2014.12.011 [18] 叶文显. 西安市科技创新能力及其绩效评价[J]. 科技管理研究, 2017, 37(11): 86 − 91. doi: 10.3969/j.issn.1000-7695.2017.11.013 [19] 李欠男, 李谷成, 尹朝静. 中国农业绿色发展水平的地区差异及收敛性——基于地级市面板数据的实证[J]. 中国农业大学学报, 2022, 27(2): 230 − 242. [20] 邹伏霞, 邹冬生. 基于五种模型比较的湖南省生态旅游需求预测研究[J]. 长江流域资源与环境, 2020, 29(11): 2406 − 2416. -