人文因素对中国灰水经济生产率的影响

促进水资源环境与经济的可持续发展,已成为当前我国亟待解决的问题。以灰水经济生产率为研究主体,将其定义为GDP与灰水足迹之比,基于对我国31个省市(香港、澳门特别行政区和台湾省数据尚未统计)2000—2014年灰水经济生产率区域特征和空间相关性的分析,利用空间Durbin模型对人文因素与灰水经济生产率的关系进行了研究。结果显示:(1)我国灰水经济生产率整体呈现上升趋势,东部地区显著高于中、西部,西部地区最低;(2)各省区灰水经济生产率在空间分布上存在显著正自相关性且空间集聚程度较高,近年来区域间的分化加剧;(3)从全国范围来看,提升产业结构优化度、城镇化水平及社会福利有利于本地灰水经济生产率增长,提高受教育程度和社会福利对邻近地区灰水经济生产率具有正向影响;(4)从各分区情况来看,提升民众受教育程度、产业结构优化度、城镇化水平和社会福利都对东部地区灰水经济生产率具有显著积极效用,城镇化建设的发展和社会福利水平的提高有利于西部地区灰水经济生产率增加;在间接效应结果中,东部民众受教育程度的提高,中部社区服务机构的减少,西部社会福利的改善都对相应邻近地区灰水经济生产率产生了显著正向影响;此外,各地需缩小城乡差距,提高农村地区GDP,促进经济与环境健康发展。提出了推动我国水环境与经济协调发展的建议。     

环境影响评价中人文因素作用的空间计量

辨明人文因素对环境影响作用的大小,并依此找寻发展的对策是当前可持续发展研究的核心问题之一.采用中国2000年各省(区、市)的水足迹作为环境影响测算指标,运用空间自相关模型,分析了中国2000年水足迹的空间分布特征,结果表明:中国各省市的水足迹具有明显的空间相关性,在地理上存在集聚现象.进而在传统的人文驱动因素的随机回归影响模型--STIRPAT模型的基础上,通过加入空间项构建空间滞后模型和空间误差模型,定量地检验了中国的人口数量和富裕程度等人文因素对环境的影响,结果表明:人口数量对环境影响显著,而富裕程度对其影响较小;转变传统的经济增长方式,走新型工业化道路对环境影响显著,城市化率对环境没有显著影响;在控制人口变量的基础上,现有样本数据支持倒U形的环境Kuznets曲线假说,其拐点值为10560.92元;在技术水效率方面,海南的技术水效率最高,而青海和内蒙古的技术水效率最低.     

旅游产业集聚对旅游业碳排放效率的空间溢出效应

在碳中和、碳达峰的时代背景下,提高旅游业碳排放效率对实现旅游产业高质量发展具有重要的实践价值。基于2001—2018年中国省际(自治区、直辖市)面板数据,首先利用区位熵和Super-SBM模型分别测算中国省际旅游产业集聚水平和旅游业碳排放效率,并探究二者空间演变趋势和关联特征;其次,运用空间杜宾模型分析旅游产业集聚对旅游业碳排放效率的影响及其空间溢出效应。结果表明：(1)研究期内,中西部地区的旅游产业集聚水平明显提高,东部地区则无明显变化;除河北省、山西省、内蒙古自治区等地区外,其他省份的旅游业碳排放效率均无显著变化。整体上看,二者高水平地区的空间分布变化大致均呈现出以现有集聚区为中心向周边扩散的趋势。(2)旅游产业集聚能显著提高旅游业碳排放效率,并且具有正向空间溢出效应,而旅游业碳排放效率的负向空间溢出效应则会抑制其他地区旅游业碳排放效率的提高。(3)经济发展、产业结构、城镇化、对外开放、技术进步和环境规制均能不同程度促进旅游业碳排放效率,但城镇化作用效果不显著,旅游业产权结构则显著抑制旅游业碳排放效率,经济发展和城镇化均具有正向空间溢出效应,产业结构呈现出较强的负向空间溢出作用,技...     

基于水足迹的山东省农业水土资源匹配特征及短缺压力分析

高强度农业开发引起的农业水土资源生态问题日益增多,探究粮食及蔬菜（粮蔬）生产中水土资源空间配置及短缺压力对农业资源的可持续利用具有重要意义。从水足迹视角出发,分析了山东省3种主要粮食作物（冬小麦、玉米及大豆）和两种不同种植模式蔬菜（设施蔬菜和露地蔬菜）的生产水足迹空间特征;同时将资源数量及资源质量的概念纳入研究框架,分析了农业水土资源数量及质量匹配格局差异,并进一步探究了农业水土资源短缺压力及其影响因素。研究结果表明：（1）2019年,山东省粮食和蔬菜的生产总水足迹为811亿m³,其中粮食生产总水足迹占比78.50%,蔬菜生产总水足迹占比21.50%;粮蔬生产水足迹受地势影响明显,鲁西北及鲁西南平原地区的粮蔬生产水足迹占比较大。（2）考虑资源数量的水土资源匹配系数均值为0.622×10⁴ m³/hm²,考虑资源质量的匹配系数均值为0.416×10⁴ m³/hm²;水土资源数量及质量匹配系数在空间上呈现出一致性,表明山东省农业生产水土资源空间配置水平高的地区同时面临着较大的农业面源污染压力。（3）整体上,土地资源短缺压力略高于水资源短缺压力;基于生产视角的水土资源短缺压力受生产环境因素制约显著,受经济发展因素的影响具有差异性,社会因素对水土资源短缺压力无显著影响。研究可为农业资源可持续管理提供数据基础,为全面理解粮蔬生产所产生的水土资源短缺提供案例参考。     

中国高耗能产业碳排放强度的时空差异及其影响因素

高耗能产业是当前中国CO_2排放的重要来源,降低高耗能产业碳排放强度是实现中国2030年减排目标的主要抓手之一。本文利用中国30个省区2000—2015年的面板数据,在刻画高耗能产业碳排放强度的时空特征基础上,运用空间计量模型对其影响因素进行分析。研究结果显示:2000—2015年,中国高耗能产业碳排放强度下降趋势极为显著,空间上表现出"西高东低"与"北高南低"并存的分异格局以及明显的空间自相关特征;本地高耗能产业碳强度明显受到周边省份的影响,技术创新、对外贸易、产业集聚不仅对本地高耗能产业碳强度产生影响,而且还能通过空间溢出效应作用于周边地区,能源结构、产业结构、企业规模仅能作用于本地高耗能产业碳强度,环境管制的空间溢出效应显著,而经济发展水平和城镇化水平则对高耗能产业碳强度的影响不显著。从空间溢出效应、主导因素、区域差异化、应对产业转移四个方面提出了降低高耗能产业碳强度的政策建议。     

黄河流域旅游生态效率时空演变及空间溢出效应——基于73个城市数据的分析

黄河流域旅游生态效率时空演变及空间溢出效应研究，有利于优化旅游资源要素投入，推动黄河流域生态保护及高质量发展。基于超效率SBM模型测算2010-2019年黄河流域73个城市旅游生态效率，借助ArcGIS软件描绘时空演化轨迹，并构建空间杜宾模型揭示空间溢出效应。结果表明：（1）黄河流域旅游生态效率时序上呈现先上升后下降的阶段性特征，空间上呈现"下游-中游-上游"阶梯式递减的异质性特征；（2）旅游生态效率分布具有明显的空间集聚与依赖特征，低水平同质化现象显著；（3）空间溢出效应显著，政府干预、市场规模对邻近城市旅游生态效率具有正向溢出效应，经济发展、产业结构、交通可达性对邻近城市旅游生态效率具有负向溢出效应。基于实证分析结果，提出制定差异化、互补性旅游发展策略，加强区域旅游战略合作，发挥邻近区域辐射带动作用，优化城市空间溢出效应的建议。     

中国省际水足迹强度收敛的空间计量分析

计算了1997—2010年中国31个省市的水足迹强度,整体呈现明显下降趋势;运用全局Moran's I指数探讨中国各省市水足迹强度空间自相关模式,发现1997—2010年水足迹强度显示出全局正的自相关,自相关程度逐年增大。基于省际水足迹强度的面板数据,空间计量收敛分析结果表明中国各省市水足迹强度存在绝对β收敛,空间因素在水足迹强度收敛过程中起到重要作用。在考虑了空间效应情况下,收敛时间明显延长。通过条件β收敛检验,人均GDP、人均水足迹、工业水足迹强度、教育经费比重、外商直接投资、市场化程度均在不同程度上影响着水足迹强度收敛。在标准条件β收敛模型中人均GDP和工业水足迹强度分别正向和负向显著影响水足迹强度的收敛,而在空间滞后模型和空间误差模型中的条件β收敛中只有人均水足迹负向显著影响水足迹强度的收敛。最后对中国水资源利用效率健康发展提出了相应的政策建议。     

三江平原粮食作物生产水足迹时空特征及影响因素

水足迹是评价人类活动对水资源开采和水环境污染程度的重要方法,对农作物生长过程的绿水足迹、蓝水足迹和灰水足迹进行量化和分析,可以为农业用水综合评价和用水管理提供指导。以三江平原为研究区域量化粮食作物生产水足迹的时空特征,揭示粮食生产对区域水资源的占用情况,并分析水足迹的影响因素。结果表明:(1)三江平原粮食生产水足迹总量在2005-2018年间呈显著增加趋势,其中绿水足迹、蓝水足迹和灰水足迹在水足迹总量中的占比历年平均为28%、8%和64%;(2)粮食生产水足迹空间差异明显,在地市尺度,佳木斯市水足迹最高,占三江平原总量的47%,在县区尺度,富锦市、依兰县和桦南县是水足迹热点地区;(3)只考虑蓝水足迹,粮食生产给三江平原水资源造成轻度压力,而同时考虑蓝水和灰水足迹,粮食生产给三江平原水资源造成重度压力;各地市间水资源压力有较大差异,其中佳木斯市负担了该区域将近一半的粮食产量,水资源压力最高,鹤岗市则水资源压力最低;(4)降雨量、灌溉水利用效率、化肥施用量、粮食种植结构和作物单产水平等都会影响粮食作物生产水足迹,其中蓝水足迹响应种植结构的变化最敏感,灰水足迹响应化肥施用量的变化最敏感,而水足迹总量响应作物单产水平的变化最敏感。因此,建议减少化肥施用量、提高作物单产水平和优化作物种植结构纳入区域水资源可持续管理之中。     

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。     

山西省生态安全时空演变特征及影响因素

基于压力-状态-响应模型（PSR），运用综合权重法对山西省2000-2018年的生态安全水平进行综合评价并分析其时空演变特征，采用Dagum基尼系数测度生态安全水平的区域差异与来源，利用空间计量模型进行影响因素探究。研究发现：2000-2018年山西省生态安全综合指数呈逐年增长趋势，生态环境改善明显，总体生态安全水平较低，不同行政单元尺度下增幅表现为省域 > 市域 > 县域。县域生态安全在空间上呈"带状"分布，呈现由中部向南北两侧递减的非均衡化空间格局，空间上集聚程度在增强。县域生态安全水平空间上存在非均衡性特征，非均衡性程度不断下降，空间差异的主要来源是子群间差异，并呈现明显的空间溢出效应，经济规模、人口密度、城镇化率、NDVI、高程是影响县域生态安全空间演变的关键因素。生态安全水平空间特征存在尺度效应，研究尺度越大，尺度效应的作用越大，需要在更大范围内维持生态系统功能的完整与可持续性的平衡。县域生态安全水平演化存在路径依赖现象，需创新发展模式摆脱路径依赖，实现路径突破。在经济发展的基础上维持生态系统相对稳定状态与人类社会经济持续发展之间的平衡，是促进区域生态安全水平提升，维持人与自然和谐相处的关键。     

A comparison of simultaneous autoregressive and generalized least squares models for dealing with spatial autocorrelation

Aim  In their recent paper, Kissling & Carl (2008 ) recommended the spatial error simultaneous autoregressive model (SAR_err) over ordinary least squares (OLS) for modelling species distribution. We compared these models with the generalized least squares model (GLS) and a variant of SAR (SAR_vario). GLS and SAR_vario are superior to standard implementations of SAR because the spatial covariance structure is described by a semivariogram model.
Innovation  We used the complete datasets employed by Kissling & Carl (2008 ), with strong spatial autocorrelation, and two datasets in which the spatial structure was degraded by sample reduction and grid coarsening. GLS performed consistently better than OLS, SAR_err and SAR_vario in all datasets, especially in terms of goodness of fit. SAR_vario was marginally better than SAR_err in the degraded datasets.
Main conclusions  GLS was more reliable than SAR-based models, so its use is recommended when dealing with spatially autocorrelated data.     

生境破坏的模式对集合种群动态和续存的影响

构建了空间关联的集合种群模型,该模型不但包含了种群的空间结构信息,而且引入了破坏生境的全局密度和局部密度两个指标,它们描述了破坏生境的模式.模型揭示了破坏生境的空间分布格局复杂地影响了集合种群的动态和续存,破坏和未破坏生境斑块的均匀混合不利于集合种群的增长和续存,而生境类型聚集分布可以促进集合种群的快速增长和长期续存;对于两种斑块类型相对均匀混合的生境来说,均匀场假设可能会高估集合种群的续存,对于相对斑块类型高度聚集的生境,均匀场假设可能会低估集合种群的续存;物种的迁移范围也会影响集合种群的续存,迁移范围越大的物种越容易抵御生境的破坏而免遭灭绝.这意味着在生物保护中不能仅仅考虑生境的恢复和斑块质量的改善,生境结构的构建也是很重要的,加强生境斑块之间的连通性也有利于物种的长期续存.     

Efficient Bayesian analysis of occupancy models with logit link functions

Occupancy models (Ecology, 2002; 83: 2248) were developed to infer the probability that a species under investigation occupies a site. Bayesian analysis of these models can be undertaken using statistical packages such as WinBUGS, OpenBUGS, JAGS, and more recently Stan, however, since these packages were not developed specifically to fit occupancy models, one often experiences long run times when undertaking an analysis. Bayesian spatial single‐season occupancy models can also be fit using the R package stocc. The approach assumes that the detection and occupancy regression effects are modeled using probit link functions. The use of the logistic link function, however, is algebraically more tractable and allows one to easily interpret the coefficient effects of an estimated model by using odds ratios, which is not easily done for a probit link function for models that do not include spatial random effects. We develop a Gibbs sampler to obtain posterior samples from the posterior distribution of the parameters of various occupancy models (nonspatial and spatial) when logit link functions are used to model the regression effects of the detection and occupancy processes. We apply our methods to data extracted from the 2nd Southern African Bird Atlas Project to produce a species distribution map of the Cape weaver (Ploceus capensis) and helmeted guineafowl (Numida meleagris) for South Africa. We found that the Gibbs sampling algorithm developed produces posterior samples that are identical to those obtained when using JAGS and Stan and that in certain cases the posterior chains mix much faster than those obtained when using JAGS, stocc, and Stan. Our algorithms are implemented in the R package, Rcppocc. The software is freely available and stored on GitHub ( https://github.com/AllanClark/Rcppocc ).     

Spatial autocorrelation and the selection of simultaneous autoregressive models

Aim Spatial autocorrelation is a frequent phenomenon in ecological data and can affect estimates of model coefficients and inference from statistical models. Here, we test the performance of three different simultaneous autoregressive (SAR) model types (spatial error = SAR_err, lagged = SAR_lag and mixed = SAR_mix) and common ordinary least squares (OLS) regression when accounting for spatial autocorrelation in species distribution data using four artificial data sets with known (but different) spatial autocorrelation structures. Methods We evaluate the performance of SAR models by examining spatial patterns in model residuals (with correlograms and residual maps), by comparing model parameter estimates with true values, and by assessing their type I error control with calibration curves. We calculate a total of 3240 SAR models and illustrate how the best models [in terms of minimum residual spatial autocorrelation (minRSA), maximum model fit (R²), or Akaike information criterion (AIC)] can be identified using model selection procedures. Results Our study shows that the performance of SAR models depends on model specification (i.e. model type, neighbourhood distance, coding styles of spatial weights matrices) and on the kind of spatial autocorrelation present. SAR model parameter estimates might not be more precise than those from OLS regressions in all cases. SAR_err models were the most reliable SAR models and performed well in all cases (independent of the kind of spatial autocorrelation induced and whether models were selected by minRSA, R² or AIC), whereas OLS, SAR_lag and SAR_mix models showed weak type I error control and/or unpredictable biases in parameter estimates. Main conclusions SAR_err models are recommended for use when dealing with spatially autocorrelated species distribution data. SAR_lag and SAR_mix might not always give better estimates of model coefficients than OLS, and can thus generate bias. Other spatial modelling techniques should be assessed comprehensively to test their predictive performance and accuracy for biogeographical and macroecological research.     

中国东部暖温带刺槐花期空间格局的模拟与预测

模拟刺槐开花日期与气温之间的空间关系,对于揭示蜜源植物物候空间格局形成的生态机制和掌握养蜂生产的时宜,具有重要的科学意义.利用中国东部暖温带26个站点1986-2005年的刺槐开花始期、盛期和末期数据,建立了基于日均温的多年平均和逐年物候空间模型,模拟多年平均和逐年刺槐开花日期的空间格局,并对模型进行了空间外推检验.进而,将1986-2005年8 km×8 km分辨率的日均温格点数据代人多年平均和逐年物候空间模型,得到连续地理空间多年平均和逐年刺槐开花日期的空间格局,并尝试设计了研究区内转地放蜂的适宜路线.结果表明:中国东部暖温带1986-2005年多年平均及逐年最佳期间日均温的空间格局分别控制着多年平均和逐年刺槐开花日期的空间格局.各地多年平均刺槐开花日期的空间序列与最佳期间日均温的空间序列呈显著负相关(P＜0.001),多年平均气温—物候空间模型对刺槐开花始期、盛期和末期的方差解释量分别为87％、86％和77％,模拟的均方根误差(RMSE)分别为2.5、2.7d和4.1d.同样,各地逐年刺槐开花日期的空间序列与最佳期间日均温的空间序列均呈显著负相关(P＜0.05),逐年气温-物候空间模型对刺槐开花始期、盛期和末期的方差解释量分别介于44％-94％、57％-92％和39％-84％之间,模拟的平均RMSE分别为3.9、4.0d和5.4d.预测得到的连续地理空间多年平均刺槐开花日期呈现出自南向北、从平原向丘陵和山地逐渐推迟的空间演进特征.据此,中国东部暖温带地区转地放蜂可以沿西线、中线和东线进行,放蜂的大致持续时间可达40-50 d.此外,预测得到的连续地理空间1986-2005年期间刺槐开花始期、盛期和末期的线性趋势以提前为主,呈显著提前的面积分别占总面积的78％、26％和32％.     

是理信息系统与基于个体的空间直观景观模型

对空间直观的生态现象进行模拟的方法有多种 ,如反应扩散模型 (reaction- diffusion models) ,斑块模型 (patch models)等。这些方法已被应用到植物种群和群落 [13]以及动物种群 [16]的研究中。此外 ,还有一种方法是基于个体的模型方法 (individual-based models) (IBMs) ,它是一种基于有机体的模型(organism- based models) ,具有模拟个体间的差异和个体间相互作用的能力。模型的建立基于两条基本的生物学原理 ,由于遗传和环境的差异 ,有机体个体在生理和行为上的表现是不同的 ;有机体受与其相邻的周围其它有机体的影响最大。地理信息系…     

福建省城镇化效率的区域差异及空间格局研究

研究城镇化效率的区域差异及空间格局对于促进区域经济与生态环境的协调高质量发展有着极其重要的理论与现实意义。基于生态环境视角,综合运用super-SBM DEA模型、Malmquist指数及空间统计模型等方法对2008—2016年福建省市域城镇化效率进行综合评价及空间格局研究。研究结果表明:(1)从城镇化效率测度来看,福建省城镇化效率总体呈现上升趋势,累积增长32.96%;受技术进步影响,城镇化效率仍有很大增长潜力。(2)资源是否有效配置是导致市域城镇化效率区域间发展不均衡关键因素。(3)地域自然资源禀赋、社会经济发展水平及其产业结构等组合差异是产生造成区域城镇化效率差异和空间格局不同的主导因素。     

Testing whether ensemble modelling is advantageous for maximising predictive performance of species distribution models

Predictive performance is important to many applications of species distribution models (SDMs). The SDM ‘ensemble’ approach, which combines predictions across different modelling methods, is believed to improve predictive performance, and is used in many recent SDM studies. Here, we aim to compare the predictive performance of ensemble species distribution models to that of individual models, using a large presence–absence dataset of eucalypt tree species. To test model performance, we divided our dataset into calibration and evaluation folds using two spatial blocking strategies (checkerboard-pattern and latitudinal slicing). We calibrated and cross-validated all models within the calibration folds, using both repeated random division of data (a common approach) and spatial blocking. Ensembles were built using the software package ‘biomod2’, with standard (‘untuned’) settings. Boosted regression tree (BRT) models were also fitted to the same data, tuned according to published procedures. We then used evaluation folds to compare ensembles against both their component untuned individual models, and against the BRTs. We used area under the receiver-operating characteristic curve (AUC) and log-likelihood for assessing model performance. In all our tests, ensemble models performed well, but not consistently better than their component untuned individual models or tuned BRTs across all tests. Moreover, choosing untuned individual models with best cross-validation performance also yielded good external performance, with blocked cross-validation proving better suited for this choice, in this study, than repeated random cross-validation. The latitudinal slice test was only possible for four species; this showed some individual models, and particularly the tuned one, performing better than ensembles. This study shows no particular benefit to using ensembles over individual tuned models. It also suggests that further robust testing of performance is required for situations where models are used to predict to distant places or environments.