质量变化的生态环境论文

关键词： 数据源

摘要：快速准确地掌握某一地区生态环境质量及变化分布对区域生态环境监测与治理、优化土地利用结构、合理配置利用土地资源等问题具重要参考价值。以库车县林果特色种植区2009、2019年2期遥感影像为基础，采用新型遥感生态指数RSEI评价模型，定量地对区内生态环境质量时空变化进行快速评价及分析。今天小编为大家推荐《质量变化的生态环境论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

质量变化的生态环境论文 篇1：

基于RSEI的武夷山国家公园生态环境质量变化分析

摘 要：以1992-2018年的landsat系列遥感影像为数据源，分别计算绿度、湿度、热度、干度等4个指标，通过主成分分析法合成遥感生态指数（RSEI），研究分析武夷山国家公园生态环境质量及变化特征，并对武夷山国家公园生态环境质量进行综合分析评价。结果表明，绿度和湿度对区域生态环境起到正面作用，且湿度对环境的影响程度最大。研究区整体生态质量呈现先下降后上升的趋势，在2008年RSEI值达到最低，后来逐渐有所改善，但是整体生态环境质量呈现略微下降的趋势。

关键词：武夷山国家公园;RSEI;主成分分析;生态环境质量

DOI： 10.13651/j.cnki.fjnykj.2021.05.012

Analysis on the Change of Ecological Environmental Quality in Wuyishan National Park Based on RSEI

LI Li， XIAO Gui-rong*

（Institute of Digital China， Fuzhou University， Fuzhou， Fujian 350003， China）

Key words： Wuyishan National Park;RSEI;Principal component analysis;Ecological environmental quality

國家公园作为一种严格保护并合理利用自然文化资源的可持续发展理念和举措在全球得到普遍认可和蓬勃发展，建立国家公园体制试点也是我国生态文明制度建设的重要内容[1-2]，对于促进人与自然和谐相处，推进美丽中国建设，具有极其重要的意义。武夷山国家公园是我国首批10个试点公园之一，但其原生生态系统比较脆弱，而且近年来受到人类活动的干扰也在与日俱增，不合理的开发建设活动如茶园、竹林的开采以及生态旅游的兴起，造成了一系列的生态环境问题，保护与发展矛盾日益突出，增加了对该区域的生态环境的压力。此外，在近20年来，研究区受全球温室效应的影响，极端气候事件频发[3]，区域滑坡、泥石流以及洪水等自然灾害频发。因此需要对武夷山国家公园生态环境质量进行客观评价并掌握时空变化趋势，从而为管理部门制定研究区域环境保护措施提供依据，以更好地实现区域可持续发展。

早期对生态系统的评价研究多集中在单一生态指标上，如利用植被指数来评价生态环境状况[4]、利用地表温度来监测城市热岛效应[5]、利用水体指数来评估水环境质量[6]等，这种评价方法往往只能反映研究区某一方面的生态特性，不能全面客观地反映区域生态环境质量。徐涵秋等提出了新型遥感生态指数（remote sensing based ecology index，RSEI）[7-8]，克服了以往单一生态指标的局限性，能够更加客观、全面地反映生态环境变化，目前已经被大家广泛运用在城市[9]、流域[10]、矿区[11]、自然保护区[12]，作为快速、客观、定量地评价研究区生态环境质量的方法。

当前人们对国家公园的生态环境的研究较少，多是针对单一指标对生态环境的监测，或者是针对其他某一特定区域如风景名胜区或者是自然保护区，而对武夷山国家公园整体生态环境的研究较少。因此本文基于1992、1998、2003、2008、2013和2018年6期landsat系列遥感影像，对武夷山国家公园运用主成分分析法构建遥感生态指数（RSEI），对研究区的生态环境质量变化情况进行评价，旨在为武夷山国家公园的生态文明建设提供依据，提升“美丽中国”建设在国家公园试验区的生态服务价值。

1 研究区概况

武夷山国家公园位于武夷山脉的北部，涵盖福建省的武夷山市、邵武市、建阳区和光泽县的9个乡镇（街道），29个行政村，范围内有人口约3000人，总面积1001.41 km2。试点范围包括武夷山国家级自然保护区、武夷山国家级风景名胜区和九曲溪上游保护地带等。研究区内群山起伏，北部的黄岗山海拔2160.8 m，是国家公园的最高处，也是大陆东南第一峰。研究区总体年均气温17～19℃，属于典型的亚热带季风气候，年均降水量1684～1780 mm，年均相对湿度为78%～84%，拥有丰富的水文资源。独特的地理位置和气候条件，铸就了武夷山丰富的森林资源、动植物资源。公园内保存了世界同纬度带最完整、最典型、面积最大的中亚热带原生性森林生态系统，是全球生物多样性保护的关键地区，也是珍稀、特有野生动物的基因库，具有极高的保护、科研和开发价值。

2 数据来源与研究方法

2.1 数据来源与处理

为尽可能降低不同时相数据对最终评价结果的干扰，选择云量较少且植被生长发育状况较为良好的1992、1998、2003、2008、2013、2018年共6个年份的10月至11月份的landsat系列影像。遥感影像数据来源于美国地质勘探局（https：∥www.usgs.gov），利用ENVI 5.3对影像进行预处理操作，主要包括辐射校正（辐射定标和大气校正）、几何校正以及影像裁剪，将波段的DN值转换成反射率。具体步骤为：采用辐射定标将影像的灰度值（Digital Number，DN）转化为反射率;再利用ENVI自带的大气校正工具来进行校正;最后对研究区影像进行裁剪。

2.2 研究方法

遥感生态指数（RSEI）集成了归一化植被指数、湿度指数、地表温度以及建筑裸土指数，分别表示了绿度（NDVI）、湿度（WET）、热度（LST）、干度（NDSI）。采用主成分分析法能够自动确定各指标的权重值，减少人为因素的干扰，以此来构建遥感生态指数，以定量表示区域生态环境质量的时空分布特征。即：

RESI=f（NDVI，WET，LST，NDSI）（1）

2.3 指标的构建

（1）绿度指标：采用最广泛的归一化植被指数（NDVI），能够反映植被覆盖度、叶面积指数以及植物生物量等[13]，其计算公式为：

NDVI=（ρNir-ρRed）/（ρNir+ρRed）（2）

其中，ρNir为近红外波段，ρRed为红波段，NDVI的值介于0～1。

（2）湿度指标：通过缨帽变化（K-T变化）的湿度分量指标计算，具有一定的代表性，能够反映土壤和植被的湿度状况，对于Landsat TM影像数据和OIL数据[14-15]，计算公式分别是：

WETTM=0.0315 ρBIue+0.2021 ρGreen+0.3102 ρRed + 0.1594 ρNir-0.6806 ρSWIR1-

0.3109 ρSWIR2（3）

WETOIL=0.1511 ρBIue+0.1972 ρGreen+0.3283 ρRed +0.3407 ρNir-0.7117 ρSWIR1-0.4559 ρ

SWIR2（4）

其中： ρBIue、ρGreen、ρRed、ρNir、ρSWIR1 、ρSWIR2 分别为遥感影像的蓝、绿、红、近红外、短波红外1波段、短波红外2波段的反射率。

（3）热度指标：一般用地表温度来表示热度，本文采用简化的大气校正法来反演地表温度[16-17]，具体计算公式如下：

LST=T1+〔λT/ξ〕Lnε-273（5）

T=K2LnK1L6+1（6）

εsuface=0.9625+0.0614Fv-0.0461Fv2（7）

εbuilding=0.9589+0.0860Fv-0.0671Fv2（8）

Fv=（b1 gt 0.7）×1+（b1 lt 0.05）×0+（b1 ge 0.05 and b1 le 0.7）×（b1-0.05/0.7-0.05）（9）

其中：T为传感器处温度，L6为遥感影像热红外波段辐射定标后的反射率，K1和K2是卫星发射前预设的常量，对landsat TM影像以及landsat-OIL影像来说，K1和K2值是不同的，λ是热红外波段中心波长，ξ为比辐射率[18]。

（4）干度指标：干度因子NDSI，通常将建筑物指数[19]（Index-based Built-up Index， IBI）和裸土指数[20]相结合（Soil Index，SI），具体公式为：

IBI=

2ρSWIR1ρSWIR1+ρNIR-ρNirρNir+ρRed+ρGreenρGreen+ρSWIR1

2ρSWIR1ρSWIR1+ρNIR+ρNirρNir+ρRed+ρGreenρGreen+ρSWIR1（10）

SI=（ρNir+ρRed）-（ρNir+ρBlue）

（ρNir+ρRed）+（ρNir+ρBlue）（11）

NDSI=（IBI+SI）2（12）

其中，ρBlue、ρGreen、ρRed、ρNir、ρSWIR1、ρSWIR2 分别为遥感影像的蓝、绿、红、近红外、短波红外1波段、短波红外2波段的反射率2.4遥感生态指数。

（5）RSEI指数：分别计算出上述4个分量以后，将其归一化到[0，1]之间，对这4个分量指标利用主成分分析法计算第一主成分（PC1），然后在對其进行归一化处理到[0，1]，得到最终所需的RSEI值，值越大，代表生态质量越好，反之则越差，归一化公式如下：

NI=（I-Imin）/（Imax-Imin） （13）

其中：NI为标准化后的指标值;I为该指标的数值大小;Imax/Imin分别表示该指标的最大和最小值。

3 结果与分析

3.1 武夷山国家公园生态环境质量时空变化

采用第一主成分法构建的RSEI，图1为1992-2018年武夷山国家公园的各项环境指标以及RSEI值的变化情况。在时间尺度上，武夷山国家公园的RSEI值整体呈现先下降后上升的“V”字形分布，整体略有下降。研究区的RSEI值在1992-2008年间一直持续下降，2008年为最低值0.5849，2008年后RSEI值在持续增加，但截至2018年与1992年相比，还是略有降低，整体呈现下降的趋势。绿度指标NDVI在时间尺度上的变化规律与RSEI保持一致;而热度指标LST呈波动上升后下降的趋势，在2003年和2013年分别达到高值0.431和0.544;WET指标与呈“上升-下降-上升”的“M”型轨迹，干度指标NDSI指标波动变化不明显，直到2018年数值才略有下降。

3.2 分级和变化检测

为了进一步分析研究区的RSEI的空间分布及变化情况，根据已有的生境质量分级标准，将各个年份的RSEI值以0.2为间隔进行等级划分，分为极差[0，0.2）、差[0.2，0.4）、中等[0.4，0.6）、良[0.6，0.8）、优[0.8，1）等5个等级，每个等级所占总面积比例如图2所示。

从整体来看，武夷山国家公园1992-2018年的RSEI为优和良等级，在不同年份占总面积的比例分别为81.3%、61.84%、58.8%、45.23%、67.95%和66.86%，在2008年降到最低值，整体呈现先下降后上升的趋势。说明在1992-2018年间研究区的生态环境质量先下降然后又缓慢回升，但是整体生态环境质量仍然呈现略微下降的趋势。

从单一年份上看，1992年研究区良和优等级占总面积的80%以上，中等、差和极差所占比例較小，生态环境状况较好。1998-2008年研究区RSEI中等、差和极差面积占比总和分别为38.16%、41.20%和54.77%，生态环境质量呈下降的趋势，到2008年中等及以下等级面积占比达到最高，生态环境状况最差。2013年，中等级面积相比2008年面积占比下降15%，优、良等级面积占比增加，总体生态环境状况有所改善。2018年与2013年相比，优等级的区域面积进一步上升，良等级减少，其余等级面积与2013年相比变化不大，生态环境质量进一步提高，说明武夷山在成为国家公园试点区后在环境保护方面的措施有明显效果。从变化情况来看，1992-2018年，差和极差所占比例不大，但是一直处在上升趋势，所占面积总体上升;优和良所占比例较大，总体表现出先下降后上升的趋势;说明武夷山国家公园的RSEI等级由良和优向差和极差转移，整体生态环境质量有所下降。

从空间分布（图3）来看，RSEI在不同的年份等级分布略有差异，在1992-2003年，研究区RSEI等级极差和差的区域主要分布在东南部，即武夷山风景名胜区附近，主要是因为当地居民想要发展经济，部分林地被开发成旅游服务区、建设用地以及茶园，人类干扰活动严重，因此造成了武夷山国家公园东南部生态环境差的空间格局[21];等级为优的区域主要分布在自然保护区境内，该区域植被覆盖度较高，植被类型多样且没有人类干扰，是园内核心部分，因此生态环境质量较高[22-23];RSEI中等等级区域主要在分布在河流以及建筑物周围。

同时，如图3所示，在2008-2018年，RSEI等级为差和极差的区域在研究区范围内零散分布，主要分布在河流汇水区或者海拔较高的边缘地带。2008年研究区大面积呈现中等及以下等级，其主要原因是受到当年百年一遇的冰雪灾害的影响，对园区内植被特别是阔叶林和毛竹林产生严重影响和损害，尤其是在高海拔地区以及山坡的背面，受到雪灾的影响更为显著[24-25]，因此2008年是生态质境状况是最差的一年。2008年以后，研究区整体生态环境状况在逐渐恢复，RSEI等级极差和差的区域向自然保护区转移，一方面，是因为这些区域受特殊地理环境的影响，造成区域降水量大;另一方面，是因为地势陡峭的地方容易受强降水的影响，造成山体滑坡以及泥石流，对区域生态环境质量产生负面影响，导致生态环境质量下降[3]。

3.3 生态环境质量的差值分析

为了分析研究区生态环境质量随时间的分布及变化情况，参照《生态环境状况评价技术规范》[26]中的生态质量变化分级标准，选取1992、2008和2018年的遥感生态指数进行差值处理。将差值结果分为7个级别（表1），分别是1级显著变差[-1.0，-0.3]、2级中等变差（-0.3，-0.15]、3级轻微变差（-0.15，-0.05]、4级基本不变（-0.05，0.05]、5级轻微变好（0.05，0.15]、6级中等变好（0.15，0.3]、7级显著变好（0.3，1.0]。

从表4可以可看出，武夷山国家公园从1992-2008年，生态环境状况变差的的面积为550.49 km2，总面积的54.97%，远高于生态环境变好的区域，整体上生态环境是往差的方向发展，生态环境有遭到一定的破坏。从2008-2018年的RSEI等级变化可以看出，生态环境变好的区域面积为578.52 km2，占总面积的57.77%，而生态环境变差的面积为131.88 km2，占总面积的13.17%。生态等级变好的区域面积比变差的面积多，说明研究区生态环境在逐渐改善;研究区在1992-2018年，生态环境变好的区域与生态环境变差的区域面积差不多，但是等级为显著变差的区域面积占比较多，因此在整体上生态环境质量是略有下降。

从空间变化情况来看，如图4所示，研究区在1992-2008年生态环境质量退化明显，尤其在西部和南部地区;在2008-2018年，生态环境大幅度提高的原因是当地积极开展环境保护工作有关，当地积极开展九曲溪水源及源头保护工作以及违规茶山的生态恢复工作等，颁布了《福建武夷山国家级自然保护区总体规划（2011-2020）年》以及《武夷山国家公园体制试点区试点实施方案》（2016年）等政策，使得研究区的生态环境得以恢复。

总的来看，研究区从1992-2008年整体生态质量略有下降，主要集中在自然保护区境内，生态环境质量下降的原因主要与自然保护区的生态系统脆弱性有关，自然气候因素以及人类活动的干扰容易对自然保护区造成长久伤害，因此要格外重视保护自然保护区的生态环境。

4 建模与预测

为了进一步描述和刻画武夷山国家公园的生态环境质量，建立该区域的生态环境质量模型，用来模拟和预测该区域的生态环境变化。将研究区划分成研究区500 m×500 m的小方格，选取4000个样点，对其进行分析。分别做RSEI的样点关于正向指标WET、NDVI以及负向指标LST、NDBSI的三维坐标展示，如图5所示，其中靠近图底端的区域代表生态质量较差的样点。顶端则代表了生态环境较好的样点。将RSEI作为因变量，NDVI、WET、LST、NDBSI作为自变量进行逐步回归分析，得到回归方程（R2=1）如下：

RESI=0.01+0.987 WET+0.019 NDVI-0.033 LST-0.02 NDBSI

從公式可以看出，所有的指标都被保留，说明所选指标较为合理。其中WET、NDVI的系数都是正值，说明对生态环境起了正面的促进作用。而LST、NDBSI则相反，这与主成分分析的结果一致。而且正向指标WET的占比较大，说明武夷山国家公园在水源的重要性，应用该模型进行预测，假定在其他指标不发生变化的情况下，如果要使RSEI每提高1个单位，相应的WET需要提高1.01个单位。

5 研究结论与政策建议

5.1 研究结论

本文通过利用1992-2018年的遥感影像，通过主成分分析法能够客观的反映区域生态质量状况，研究结果显示：

（1）武夷山国家公园在1992-2018年，区域RSEI值从1992年0.6686下降到2008年最低值0.5849，再逐渐上升到2018年的0.6569，呈“V”字形分布规律，但是整体生态环境质量仍然呈现略微下降的趋势。

（2）绿度NDVI和湿度WET指标对研究区的生态环境起到正面的促进作用，而热度LST和干度指标NDBSI则对生态环境起到负向作用，且WET对环境的影响较大。

（3）研究区在1992-2018年间，引起武夷山生态环境变化的原因是不同时期也是不同的，在1992-2003年，人类活动加剧是造成武夷山国家公园生态环境质量下降的主要因素，因此在风景名胜区附近生态质量表现较差的水平，到2008年以后人们逐渐意识到保护环境的重要性，以及相关政策法规的实施，风景名胜区的环境在逐渐改善，但是整体因为受到年初雪灾的影响，2008年是整体生态环境在所有年份中是最差的一年。2013-2018年生态环境质量较差的区域转移到自然保护区境内，主要是受到区域气候和地形条件的双重影响，表现出慢慢退化的状态，因此更要保护好生态环境。

（4）通过选取样本点进行逐步回归分析，建立回归模型可知，其中湿度WET对环境的影响作用最大，且起到正向促进作用。

5.2 政策建议

对武夷山国家公园的生态环境进行分析可知，生态环境质量较差的区域分布在海拔较高的河道周围，这些区域植被覆盖度较低，地表裸露面积较大，因此要格外重视这些区域的生态环境保护工作。尽量避免不合理的人类活动对这些区域生态环境的破坏，促进研究区生态环境质量的进一步改善，完善研究区的开发与管理制度，同时要切实推进对这些区域生态环境的恢复与重建工作。在保护环境的同时，对武夷山国家公园的生态环境资源也要充分利用起来，真正做到绿水青山就是金山银山。

参考文献：

[1]宝荣，王毅，苏利阳，等.我国国家公园体制试点的进展、问题与对策建议[J].中国科学院院刊，2018，33（1）：76-85.

[2]陈耀华，黄丹，颜思琦.论国家公园的公益性、国家主导性和科学性[J].地理科学，2014，34（3）：257-264.

[3]魏凌伟，兰思仁，熊慧锦，等.1988-2018年武夷山国家自然保护区生境质量评价[J/OL].西南林业大学学报（自然科学版），[2021-02-22].http：//kns.cnki.net/kcms/detail/53.1218.S.20201230.1306.002.html.

[4]UPTA K， KUMAR P， PATHAN S K，et al.Urban neighborhood green index： A measure of green spaces in urban areas[J].Landscape and Urban Planning，2012（105）：325-335.

[5]张东彦，尹勋，佘宝，等.多源卫星遥感数据监测巢湖蓝藻水华爆发研究[J].红外与激光工程，2019，48（7）：303-314.

[6]徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报，2013，33（24）：7853-7862.

[7]徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学，2013，33（5）：889-897.

[8]宋慧敏，薛亮.基于遥感生态指数模型的渭南市生态环境质量动态监测与分析[J].应用生态学报，2016，27（12）：3913-3919.

[9]魏伟，周陶，郭泽呈，等.基于遥感指数的干旱内陆河流域土地生态敏感性时空演变特征——以石羊河流域武威市为例[J].生态学杂志，2020，39（9）：3068-3079.

[10]岳辉，刘英，朱蓉.基于遥感生态指数的神东矿区生态环境变化监测[J].水土保持通报，2019，39（2）：101-107，114.

[11]王士远，张学霞，朱彤，等.长白山自然保护区生态环境质量的遥感评价[J].地理科学进展，2016，35（10）：1269-1278.

[12]林森，胡喜生，吴承祯，等.武夷山国家公园植被覆盖演变的时空特征[J].森林与环境学报，2020，40（4）：347-355.

[13]GOWARD S N， XUE Y K， CZAJKOWSKI K P.Evaluating land surfacemoisture conditions from the remotely sensed temperature/vegetation index measurements-An exploration with thesimplified simple biosphere

mode[J].Remote Sensing ofEnvironment， 2002（79）：225-242.

[14]CRIST EP.A TM tasseled cap equivalent transformation for reflectance factor data[J].Remote sensing of Environ-ment， 1985（17）：301-306.

[15]BAIG MHA，ZHANG L，SHUAI T，et al.Derivation of atasselled cap transformation based on Landsat 8 at- satel-lite reflectance[J].Remote Sensing Letters，2014（5）：423-431.

[16]杨永健.基于遥感生态指数的生态质量变化分析[D].西安：长安大学，2019.

[17]CHANDER G， MARKHAM B L， HELDER D L.Summary of Curent Radiometric Calibration Coefficients for Landsat MSS， Tm， ETM+， and EO-1 Ali Sensors[J].Remote Sensing of Environment，2009，113（5）：893-903.[18]覃志豪，李文娟，徐斌，等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感，2004（3）：28-32.

[19]徐涵秋.一种基于指数的新型遥感建筑用地指數及其生态环境意义[J].遥感技术与应用，2007，22（3）：301-308.

[20]RIKIAMARU A， ROY P S， MIYATAKE S.Tropical Forest Cover Density Mapping[J].International Society for Tropical Ecology， 2002，43（1）：39-47.

[21]游巍斌，何东进，巫丽芸，等.武夷山风景名胜区景观生态安全度时空分异规律[J].生态学报，2011，31（21）：6317-6327.

[22]林森，胡喜生，吴承祯，等.武夷山国家公园植被覆盖演变的时空特征[J].森林与环境学报，2020，40（4）：347-355.

[23]杨绘婷，徐涵秋.基于遥感空间信息的武夷山国家级自然保护区植被覆盖度变化与生态质量评估[J].应用生态学报，2020，31（2）：533-542.

[24]丁九敏，徐涵湄，刘胜，等.雪灾对武夷山常绿阔叶林土壤有效氮的影响[J].南京林业大学学报（自然科学版），2010，34（3）：136-140.

[25]刘胜，丁九敏，徐涵湄，等.雪灾对毛竹林土壤呼吸与微生物生物量碳的影响[J].南京林业大学学报（自然科学版），2010，34（3）：126-130.

[26]中华人民共和国环境保护部.生态环境状况评价技术规范：HJ 192-2015[S].北京：中国环境科学出版社，2015.

（责任编辑：陈文静）

收稿日期：2021-03-08

作者简介：李立，女，1996年生，硕士研究生，主要从事网络地理信息共享与服务。

通信作者：肖桂荣，男，1972年生，博士，研究员，主要从事地理系信息系统、空间信息网络服务研究（E-mail：xiaogr@fzu.edu）。

基金项目：中国科学院战略性先导科技专项课题（XDA23100500）;中央引导地方科技发展专项（2020L3005）。

作者：李立 肖桂荣

质量变化的生态环境论文 篇2：

基于RSEI的库车县林果特色种植区生态环境质量时空变化分析研究

摘 要：快速准确地掌握某一地区生态环境质量及变化分布对区域生态环境监测与治理、优化土地利用结构、合理配置利用土地资源等问题具重要参考价值。以库车县林果特色种植区2009、2019年2期遥感影像为基础，采用新型遥感生态指数RSEI评价模型，定量地对区内生态环境质量时空变化进行快速评价及分析。结果表明：基于湿度、绿度、干度和热度4个自然指标建立的RSEI指数可快速较好地反映库车县林果特色种植区生态环境质量状况及时空变化。2009—2019年，库车县林果特色种植区生态环境质量总体正向着好的方向发展，但生态环境质量“不变”的区域仍居于主导地位，且生态环境质量变好的区域远大于生态环境质量恶化区域。土地利用变化对生态环境质量影响呈改善与恶化并存趋势，但改善明显大于恶化。

关键词：遥感生态指数;生态环境质量;时空变化;土地利用变化

近年来，卫星遥感以宏观、快速、实时的优点被广泛应用于生态环境领域，利用遥感指数对森林、草地、城市、河流乃至整个流域生态系统进行监测和评价，已是生态环境保护领域的重要组成部分[1-4]。国家环境保护部于2006年发布，并于2015年进行第一次修正的《生态环境状况评价技术规程》中基于遥感技术的生态环境状况评价指数EI[5]，在国内得到广泛应用，但规范中EI方法在实际应用中存在诸如权重的合理性、归一化系数的设定、指标的易获取性等一系列问题[6]，且EI指数只是一个数值，只能笼统地说明一个地区的生态状况，无法可视化，无法说明该地区中不同生态环境状况的空间分布情况，无法对不同期间生态环境进行空间变化分析。徐涵秋于2013年提出的新型遥感生态指数（RSEI）[7]，完全基于遥感信息，集成反映生态环境最直观的多重指标，被广泛应用于可对区域生态环境的快速监测与综合评价中[8-10]。本文以库车县林果特色种植区2009、2019年成像时间均为7月的Landsat 5 TM和Landsat 8 OLI遥感影像为基础，采用RSEI评价模型定量地对区内生态环境质量时空变化进行快速评价及分析，以期为区内生态环境监测与治理、优化土地利用结构、合理配置利用土地资源等提供科学依据。

1 研究区概况

研究区位于塔里木盆地北缘阿克苏地区库车县南部乡镇，特殊的自然地理位置决定了其生态环境的脆弱性，该区域属中-高生态风险区[4]。区内以小白杏、核桃、香梨、枣等特色林果业种植为主，棉花、小麦等农作物种植为辅，面积约480.58 km2。区内属典型暖温带大陆性干旱气候，地形北高南低，自西北向东南倾斜，土地利用类型以水浇地、果园为主（图1），2009—2019年间，研究区果园、盐碱地面积较明显增加，草地、沼泽地、沙地明显减少，耕地、林地面积呈略减少态势，建设用地、水域、其他用地面积呈略增加态势。

2 研究方法

2.1 遥感生态指数分量指标计算

遥感生态指数（RSEI）评价法是一种直接从遥感影像中获取生态环境质量相关指标，对某一地区生态环境质量进行综合评价的新方法[7]。通过选取与人类生活关系最密切的植被覆盖度（绿度）、湿度状况（湿度）、土壤退化程度（干度）、地表温度（热度）4个贴近人类日常生活的指标，进行研究区生态环境质量评价。该方法可直观、清楚地从RSEI值分级图上看出研究区生态环境质量优劣程度变化与分布情况。通常来说，区域内植被覆盖度越高，水资源越丰富，湿度越大，生态环境质量越好;地表裸露越严重，地表温度越高，生态环境质量越差。RSEI计算公式如下：

[RSEI=fNDVI，WET，LST，NDSI]…（1）

式中：[NDVI]为绿度;[WET]为湿度;[LST]为热度;[NDSI]为干度。

（1）湿度指标（[WET]）计算：

[WET=C1bB+C2bG+C3bR+C4bNIR+C5bSWIR1+C6bSWIR2]…（2）

式中：[bB]、[bG]、[bR]、[bNIR]、[bSWIR1]、[bSWIR2]在TM影像中分别对应第1、2、3、4、5、7波段的地表反射率，在OLI影像分别对应2、3、4、5、6、7波段的地表反射率;[C1]、[C2]、[C3]、[C4]、[C5]、[C6]为系数[10]。

（2）绿度指标（[NDVI]）计算：

[NDVI=bNIR-bR/bNIR+bR]…（3）

（3）干度指标（[NDSI]）计算：

[NDSI=IBI+SI/2]…（4）

[IBI=2bSWIR1bSWIR1+bNIR-bNIRbNIR+bR-bGbG+bSWIR1×]

[2bSWIR1bSWIR1+bNIR+bNIRbNIR+bR+bGbG+bSWIR1]

…（5）

[SI=bSWIR1+bR-bNIR+bB/bSWIR1+bR+bNIR+bB] …（6）

（4）热度指标（LST）计算：

[L热=gain×DN+bias]…（7）

[T=K2/InK1/L熱+1]…（8）

[L=T/1+λT/zInε]…（9）

式中：[L]热为TM或OLI影像热红外波段在传感器处的辐射值;[DN]为灰度值;[gain]和[bias]为TM或OLI影像热红外波段的增益与偏置值;[K1]、[K2]为定标参数。

通常TM影像中[K1]=607.76、[K2]=1 260.56 [11]，OLI影像中[K1]=480.89、[K2]=1 201.14[12];[T]为亮温;[λ]为TM或OLI影像热红外波段的中心波长;[z]=1.438×10-2 mK;[ε]为地表比辐射率，计算比辐射率可反演地表的真实温度，主要通过地表的覆被情况进行取值[13]。

2.2 遥感生态指数评价模型构建

各分量指标的标准化处理 为避免上述4个分量指标量纲不一致，需在计算遥感生态指数前进行标准化处理。处理公式如下：

[NIi=Ii-Imin/Imax-Imin]…（10）

式中：[NIi]为标准化处理后某一指标值;[Ii]为对应指标在[i]像元处的值;[Imax]、[Imin]分别为对应指标的最大值和最小值。

计算遥感生态指数（RSEI）：将经标准化处理后的4个指标重新组合成一幅新的影像，然后计算主成分，计算公式如下：

[RSEI=RSEI0-RSEI0-min/RSEI0-max-RSEI0-min]…（11）

[RSEI0=1-PC1]…（12）

式中：[RSEI]为标准化处理后遥感生态指数值，介于[0，1]之间，越接近1代表生态环境质量越好;[RSEI0]为[i]像元处的原始生态指数值;[RSEI0-max]、[RSEI0-min]分别为原始生态指数最大值和最小值;[PC1]为第一主成分载荷值。

3 研究区生态环境质量综合评价

3.1 生态环境质量评价

为使遥感生态指数对生态环境质量评价结果更清晰，参考《生态环境状况评价技术规范》中的划分方法[5]，本次研究把[RSEI]I从0～1分为5个级别（表1）。[RSEI]值越大，表示生态环境质量越好。

基于上述建立的遥感生态指数模型和分级标准进行图像空间数据运算，生成研究区2009年、2019年生态环境质量分级图和生态环境质量等级划分面积统计结果（图2，表2）。

从图1、图2看出，生态环境质量界定为“优”、“良”的区域主要集中于研究区大片耕地区域、东北部和东部中高植被覆盖度草地、零星林地等区域;生态环境质量处于“一般”的区域主要分布在区内各村镇附近、部分低植被覆盖度草地、低-中植被覆盖度草地过度带、草地与盐碱地过度带等区域;生态环境质量为“差”、“较差”的区域主要分布于区内东北部、东部低植被覆盖度草地、盐碱地和中部、东南部沙地及其他未利用地等区域。

表2统计结果表明，研究区2009—2019年生态环境质量差、较差区域面积占比从20.31%变为4.44%，呈明显减少;生态环境质量一般区域面积占比从11.96%变为11.11%，呈略微减少;生态环境质量优、良好区域面积占比从67.73%变为84.45%，呈明显增加。上述结果说明研究区2009—2019年生态环境质量明显变好。

3.2 生态环境质量变化程度分析

为对研究区生态环境质量变化程度进行分析，对研究区生态环境质量优、良好、一般、较差、差5个级别分别赋值为5、4、3、2、1，并对2019年和2009年生态质量进行叠加差值分析，将研究区生态环境状况变化程度分为3个类别：变差（级差：-4、-3、-2、-1）、不变（级差：0）、变好（级差：1、2、3、4），最终得出研究区2009—2019年生态环境质量变化程度图（图3）及变化程度统计表（表3）。

从表3、图3可知，2009—2019年间，41.93%区域生态环境质量总体保持不变;生态环境质量变好的区域面积达188.06 km2，占总面积的39.13%，生态环境质量改善以增加一级和二级为主，增加一级和二级面积为146.33 km2，主要分布于研究区东北部、东部、东南部大面积区域;生态环境质量恶化区域面积为91.00 km2，占总面积的18.94%，生态环境质量恶化以降低一级为主，降低一级的面积达68.65 km2，空间上分布较分散。总体上，研究区生态环境质量“不变”区域仍居主导地位，生态环境质量变好区域面积明显高于生态环境质量恶化面积，总体呈变好趋势。

4 土地利用变化对生态环境质量影响

土地利用变化客观记录了人类生产生活对生态环境的改变过程，土地利用变化不仅改变地表覆被变化情况，同时对生态环境也有一定影响[14]。土地利用变化对生态环境影响主要表现在土地利用方式的转变及结构变化两个方面。土地利用发生变化的同时也伴随生态环境因子的改变，生态环境因子发生变化会引起生态环境质量状况的改变，从而对区域生态环境产生改善或恶化作用。将研究区2009—2019年生态环境质量变化图与土地利用的时空变化进行关联耦合分析，结果显示：

正面效应（生态环境改善） 主要为研究区盐碱地及大片中轻度盐渍化的低覆盖度草地被开垦为耕地及果园，少部分沙地及其他用地被改造为耕地、林地，低覆盖度草地修建排碱渠等，导致区内整体生态环境质量明显改善。

负面效应（生态环境恶化） 主要为部分较好耕地被改造为果园导致生态环境降低一级，原因是改造后的果园内果树均较小，植被覆盖度低于改造前耕地;少部分耕地荒废及盐渍化程度的加深和极少部分耕地盖房、沙化，部分中高植被覆盖度草地变为耕地及盐碱地等，导致区内局部生态环境明显恶化。

总体来看，在自然因素较稳定情况下，人类活动对土地利用类型的改造间接对研究区内生态环境具重要影响，土地利用变化对生態环境质量的影响主要呈改善和恶化并存趋势，但改善明显大于恶化。

5 结论及建议

（1）湿度、绿度、干度和热度是生态系统重要组成部分，基于此建立的RSEI指数可快速反映库车县林果特色种植区生态环境质量状况及时空变化。该方法基于自然指标，没有人为权重、阈值干扰，计算简单快速，可用于对区域生态环境质量状况空间分布进行可视化显示。

（2）2009—2019年间，库车县林果特色种植区生态环境质量“差”、“较差”区域明显减少，生态环境质量“优”、“良好”区域明显增加，生态环境质量总体向好的方向发展，但生态环境质量“不变”区域仍居主导地位，生态环境质量变好的区域远大于生态环境质量恶化区域。

（3）土地利用变化对生态环境质量影响呈改善和恶化并存趋势，但改善明显大于恶化。这与库车县政府这些年改造河道周边环境、修建引水渠、排碱渠、大力治理盐渍化等措施密切相关。本次研究结果与前人预测的区内生态环境将趋于恶化的结果不同[4]，主要原因是前人研究尺度较小、精度较低，且对农业生产区生态环境未进行单独的具体分析。

参考文献

[1] 姚尧，王世新，周艺，等.生态环境状况指数模型在全国生态环境质量评价中的应用[J].遥感信息，2012，27（3）：93-98.

[2] 徐涵秋.城市遥感生态指数的创建及其应用[J]. 生态学报，2013，33（24）： 7853-7862.

[3] 郝应龙，李崇博，王拓，等.基于GIS技术和CA-Markov模型的乌鲁木齐地区土地利用变化与预测研究[J].新疆地质，2018，36（4）：463-468.

[4] 程珍珍，张永福，范小晶，等.基于GIS干旱区绿洲县土地利用生态风险分析及动态预测[J].安徽农业科学，2018，46（3）：44-48.

[5] 中华人民共和国环境保护部.生态环境状况评价技术规范[S].HJ192-2015.

[6] 叶有华，梁永贤，沈一青，等.《生态环境状况评价技术规范（试行）》中若干值得商榷的问题[J].热带地理，2009，29（4）：404-406.

[7] 徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学，2013，33（5）：889-897.

[8] 王麗春，焦黎，来风兵，等.基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J].生态学报，2019，39（8）：2963-2972.

[9] 程志峰，何祺胜.基于RSEI的苏锡常城市群生态环境遥感评价[J].遥感技术与应用，2019，34（3）：531-539.

[10] 杨江燕，吴田，潘肖燕，等.基于遥感生态指数的雄安新区生态质量评估[J].应用生态学报，2019， 30（1）：277-284.

[11] 丁凤，徐涵秋.TM热波段图像的地表温度反演算法与实验分析[J].地球信息科学，2006，8（3）：125-131.

[12] 徐涵秋.新型Landsat 8卫星影像的反射率和地表温度反演[J].地球物理学报，2015，58（3）：741-747.

[13] Nichol J.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing，2005，71（6）：613-621.

[14] 王晓东，蒙吉军.土地利用变化的环境生态效应研究进展[J].北京大学学报（自然科学版）， 2014， 50（6）：1133-1140.

Analysis on the Temporal and Spatial Changes of Eco-environmental Quality in Forest and Fruit Characteristic Planting Areas of Kuche County Based on RSEI

Hao yinglong;Wang Qingjun; Chen Qile; Guan Wei;Xia Jingfu

（Geological Research academy of Xinjiang， Urumqi 830000，China）

Key words： Remote sensing based ecological index（RSEI）;Ecological environment quality; Temporal and spatial changes ; Land use change

作者：郝应龙 王庆军 陈琪乐 关伟 夏静福

质量变化的生态环境论文 篇3：

粤港澳、长三角及京津冀高质量发展比较研究

摘 要：基于新發展理念和我国经济转向高质量发展的4个出发点——适应社会主要矛盾的变化、应对长期以来生态环境遭受破坏的挑战、突破制造业关键技术和零部件的制约以及富起来转向强起来征程上我国竞争力的提升，从绿色生态、社会人文、企业发展、经济效率、开放创新和民生共享等6个维度选取46个指标构建我国市域经济高质量发展评价指标体系。采用变异系数——主成分分析评价模型，统一测度全国286个地级市域2017年经济高质量发展指数，从全国的视角微观深入比较粤港澳、长三角和京津冀经济高质量发展差异及空间布局。研究发现：粤港澳经济高质量发展水平最高，京津冀最低，且低于全国平均水平;绿色生态高质量是三大区域的共同短板;粤港澳由于深圳“一超”地位造成了区域内极大的发展差异;粤港澳和长三角基本形成“一超多强”辐射，形成带动明显、优势互补的经济高质量发展布局。

关键词：粤港澳;长三角;新发展理念;京津冀;高质量发展;评价指标体系

文献标识码：A  

A Comparative Study of High-Quality Development in Guangdong-Hong Kong-Macao，Yangtze River Delta and Beijing-Tianjin-Hebei

HUANG Shunchun，DENG Wende

（School of Economics and Management，Jiangxi University of Science and Technology，Ganzhou 341000，China）

Key words：Guangdong-Hong Kong-Macao;Yangtze river delta;Beijing-Tianjin-Hebei;the new development concepts;high-quality development;evaluation index system;evaluation model

0 引言

当前，世界经济格局加速演化，国际竞争日趋激烈。中国要提升国际竞争力和影响力、实现制造强国、确保在本世纪中叶实现现代化强国目标，必须实施高质量发展战略。

中心城市和城市群已成为经济发展的重要承载区，国家高质量发展战略必须要有区域经济高质量发展的强有力支撑。粤港澳大湾区（以下简称粤港澳）、长三角及京津冀三大区域作为我国三大经济增长极和城市群，是带动全国所有区域高质量发展的重要引擎。那么，三大战略区域高质量发展的程度和状况如何？在全国高质量发展中处于什么位置？各区域高质量发展的长项和短弱各是什么？各区域内城市间高质量发展是否平衡？深入探讨上述命题，无论对国家宏观层面更精准谋划三大区域的发展路径还是三大区域内部从微观层面更有效践行高质量发展国家战略都有重大现实价值。

1 文献综述

在十九大报告提出经济高质量发展之前，学术界对我国经济增长质量进行了较多的关注和研究。对于经济增长质量内涵的界定可以说是见仁见智。最初的研究从狭义的角度，将经济增长质量理解为效率，如有学者用单位经济增长率所含有的剩余产品量、增加值率、全要素生产率（TFP）及其贡献度作为经济增长质量的代理变量。但是，用单一指标衡量经济增长质量存在着一定的局限性。范金等[1]基于CES总产出生产函数和动态经济系统模型实证分析表明增加值率存在门槛上限：在该值以下时，经济增长质量随着实际增加值率的增加而提高，当高于此值是，两者的关系则相反，即经济增长质量与增加值率不是简单地线性关系，而是一个“V型”的非线性关系。对TFP作为度量经济增长质量的重要指标也存在不少争议，事实上，TFP难以全面体现各生产要素的经济效果、资源配置的状况，同时低估了资本积累的重要性[2]。因此，狭义视角下经济增长质量内涵的界定不能反映经济增长过程的全貌，也未考察经济增长质量的外延。

从广义的视角看，李永友[3]将经济增长质量概括为经济增长速度和效率，认为速度是保障，效率是中心。事实上，经济增长质量是经济增长数量提高到一定阶段的产物[4]，是相对于经济增长数量的一种价值判断，二者的有机统一构成了经济增长的全部内容[5-6]，这是大多数学者达成一致的结论。刘树成[7]拓宽了经济增长质量的内涵，认为经济增长质量是经济增长态势的稳定性、经济增长方式的可持续性、经济增长结构的协调性与经济增长效益的和谐性等4个方面的全面改善。

通过梳理文献发现，现有研究将经济增长质量理解为与经济增长数量相对的一个概念，而且认为经济增长质量的外延仅仅限定在经济的范畴内。而BARRO[8]对经济增长质量给出了一种更加广泛的概念，认为社会、宗教、政治等方面是经济增长质量紧密相关的，如教育水平、健康状况、预期寿命、法制和社会秩序发展的状况以及收入差距等方面的内容。

经济增长质量的测度和评价是在准确界定其内涵的基础上，通过对经济增长质量进行量化，从定性分析转化为定量分析。由于经济增长质量不能从狭义的角度使用单一指标进行衡量，要考虑多个因素从不同维度对经济增长质量做出综合反应，因此，学者从不同角度构建经济增长质量指标体系，进而构建综合指数对经济增长质量进行量化。通过梳理相关文献发现，现有研究建立的指标体系基本都包括经济增长的效率、结构、稳定性、福利和成果分配（分享性）、资源与环境等5个共同方面的指标。除了这5个共有维度外，范金等[9]认为应该还要考虑体现经济增长的可持续性和开放性的相关指标，赵英才等[10]将微观层面的产品质量指标也纳入指标体系，还有学者将国民经济素质也作为经济增长质量评价的一个方面[11]。

综合现有研究构建的经济增长质量指标体系，对于经济增长质量的衡量要从经济增长的内在性质出发，对其动态过程和结果两方面同时考察。从经济增长的过程看，经济增长质量体现在经济增长结构、稳定性、可持续性等内容，从经济增长的结果看，福利变化、成果分配、资源利用和生态环境等是经济增长质量的重要评价内容。

自2012年我国经济发展进入新常态以来，经济增速持续平稳放缓，从2012年的7.9%降低到2018年的6.6%。新常态下经济的“结构性”减速，其特征是速度转向中高速增长、方式上转向创新驱动、结构上转向优化的长期稳定状态[12]。这实际上表明我国经济已经过了高速增长阶段。

从国际上看，不少国家都经历过或长或短时间的经济高速增长阶段，但过了高速增长阶段后如何走？有的国家虽然速度降下来了，但经济发展整体没有受到太大的冲击，相反，有的国家则陷入的发展陷阱，比如拉美。

党的十九大报告提出“我国经济已由高速增长阶段转向高质量发展阶段”，表明党和国家立志要把我国的经济发展从高速增长阶段推动转向高质量发展阶段，確保我国经济社会的稳健持续前行。

经济高质量发展与经济增长质量相比，两者既有联系又有区别。从联系及相同点看看，两者是都从“质量”的角度对经济发展做出价值判断，均强调从多维度综合考察经济发展的全过程[13]。从二者的区别看，经济增长质量从“增长”有没有质量？质量如何等的视角评价经济运行的好坏，经济高质量发展强调“发展”，而经济“发展”包含了经济“增长”的全部内容[14]，还有更丰富的内涵和宽域的外延。

就目前而言，我国经济转向高质量发展是基于4个出发点：适应社会主要矛盾的变化、应对长期以来生态环境遭受破坏的挑战、突破制造业关键技术和零部件的制约以及富起来转向强起来征程上我国竞争力的提升。此4点仅仅停留在讨论“经济增长质量”范畴是不能解决问题的，必须通过追求经济高质量发展来确保我国不会重蹈有些国家从高速增长转向发展陷阱的覆辙。

那么，经济高质量发展应当从哪些维度评价？不少学者进行了较多的探讨，从不同角度构建了指标体系，也进行了实证研究。通过对知网检索中文核心期刊近3年有关专门探讨经济高质量发展评价指标体系的文献，最终筛选出40篇文献，各

文献构建的指标体系的评价维度及评价区域见表1。

从表1可见，大多数学者构建指标体系包括了创新、协调、绿色、开放、共享5个维度，不少学者直接采用这5个方面作为评价维度，有的仅作了稍稍的变化。因此新发展理念是构建经济高质量发展评价的指导思想和研判高质量发展是否实现的评价标准，而高质量发展是新发展理念的概括与继承[21]。这些研究丰富了区域经济高质量发展研究的视角，提供了较多的研究思路和不少有价值的观点和启发。但是，细究相关文献，作者认为仍然有改进空间。

第一，从评价维度看，现有文献在指标选取上注重宏、中观指标，而体现微观企业的指标基本没有。事实上，我国的高质量发展是必须建立在微观企业高质量发展基础上的，没有制造业的高质量发展就没有区域经济的高质量发展。

习近平指出：推动经济高质量发展，要把重点放在推动产业结构转型升级上，把实体经济做实做强做优，而制造业是实体经济的基础和主战场。特别是在我国伟大复兴崛起的征程上，要面对国际上制造强国的竞争，更要把制造业的研发、创新、品质、品牌及整体体系推向更高的发展质量层次和水平。2018年12月中央经济工作会议强调，要进一步深化贯彻落实高质量发展的战略部署要求，推动制造业高质量发展，推动先进制造业与现代服务业的深度融合，建设制造强国。因此，企业（尤其是制造企业）作为我国高质量发展的重要微观支撑，相关指标应纳入到指标体系中。作为我国的三大战略区域，粤港澳、长三角和京津冀的制造业高质量发展状况值得特别关注。

第二，应该丰富完善有关生态环境的指标，比如空气质量的指标，如PM 2.5浓度、建成区绿化覆盖率等，而现有研究对资源和生态环境高质量发展仍然停留在能耗、水耗、“三废”排放量等指标上。之所以强调要从高速增长转向高质量发展，主要原因是近40年来我国经济发展尽管取得了可喜的成绩，但这是建立在严重超过了资源和环境承载力的基础上，是粗放型的经济发展方式，必须转变发展方式，坚持新发展理念和“绿水青山就是金山银山”的理念。

第三，要强化经济高质量发展的软环境评价。社会人文环境既是区域经济高质量发展的重要支撑，也是区域经济是否得到了高质量发展的重要彰显。而人文社会环境相对于自然生态环境，在指标的定量方面又有较大的挑战。

第四，现有实证研究评价区域大多停留在省域层面，极少文献从全国市域层面对比分析我国重要经济区域经济高质量发展状况。只有以市域为研究对象才能更准确地测度区域经济高质量发展水平，同时对标全国经济高质量发展水平高的市域找出该区域经济高质量发展的优势和劣势，进而精准施策推动区域经济高质量发展。

2 评价指标体系、评价模型及数据说明

2.1 评价指标体系

根据全面性、科学性、可操作性和可比性等评价指标体系构建原则，综合考虑微观和宏观、长期和短期、主观和客观、数量和质量等权衡，基于新发展理念和我国经济转向高质量发展的4个出发点，仍然延续黄顺春和邓文德（2020）[53]团队的研究成果，从绿色生态、社会人文、企业发展、经济效率、开放创新和民生共享等6个维度选取46个指标构建我国市域经济高质量发展评价指标体系。

2.2 评价模型构建

通过分析现有研究采用的评价方法，本文采用变异系数——主成分分析复合评价模型确定指标权重，进而利用线性加权计算市域经济高质量发展指数。

2.2.1 变异系数赋权法

变异系数法与其他方法的不同之处在于它直接利用所有评价指标的原始数据所包含的信息确定指标的权重，反映了各评价指标之间的差异。具体计算公式如下

式中，m为评价对象（城市）总数;n为评价指标总数;Vj为各评价指标的变异系数（标准差系数）;sj为各评价指标的标准差;j为各评价指标的平均值;

βj為各评价指标的权重。

2.2.2 主成分分析赋权法

首先采用极差法对原始数据进行无纲量化处理，对于正向指标和逆向指标，分别利用式（4）和式（5）对原始数据进行无纲量化处理。

式中，x′ij为无纲量化处理后的数值。

基于无纲量化处理后的数据矩阵，本文对钞小静和任保平[54]的方法稍加改进，对提取的主成分对应单位特征向量的分量取绝对值，然后将方差贡献率归一化后分别作为单位特征向量（主成分）的权重，赋权加总后得到的向量作为各指标的权重向量，记主成分分析法求得的各指标权重为gj。

2.2.3 组合权重及高质量发展指数

基于变异系数法和主成分分析法得出的指标权重

βj和gj，计算各指标的组合权重ωj。

式中，α 为权系数，取值0.5。根据无纲量化处理后的数据x′ij及指标权重，利用线性加权得到高质量发展指数Ii。

2.3 数据说明

研究区域为全国范围内的地级市域，由于极少数地级市域的指标数据不完整，最后确定的区域为全国286个地级市域。研究数据主要来自《中国城市统计年鉴》（2018）、各地级市《2017年国民经济和社会发展统计公报》、各地级市《统计年鉴》（2018）、中企联合网（中国企业联合会、中国企业家协会）、中华全国工商业联合会官网、国家知识产权局商标局、中国驰名商标网、世界品牌实验室官网、绿色和平组织网、国家市场监督管理总局官网、住房和城乡建设部官网以及其他相关政府部门网站数据等。

3 实证研究

3.1 三大区域高质量发展水平在全国所处地位

根据前文的指标体系和方法，统一测算全国286个市域经济高质量发展指数，并在此基础上计算三大区域经济高质量发展指数（表2）。

全国市域经济高质量发展综合指数均值为0338 6，粤港澳经济高质量发展综合指数为

0.497 2，是全国市域均值的1.5倍，长三角（0.399 7）比粤港澳低0.097 5，但也比全国市域均值高0.061 1。而京津冀（0.320 8）略低于全国市域均值，与粤港澳和长三角有较大差距。京津冀11市在高质量发展的许多方面还有很大的提升空间，考虑到这些地级市域环围着北京、天津两个直辖城市，如果这11市不加紧高质量发展进程，势必拖累京津两直辖市高质量发展进程。

从各维度高质量发展指数分析，在绿色生态维度，三大区域指数均低于全国市域平均值，其中长三角最高，京津冀垫底。因此，生态环境质量是三大区域高质量发展的共同瓶颈。在其余5个维度，粤港澳和长三角均在全国市域平均水平之上，而京津冀低于全国市域平均水平。粤港澳在这5个维度的高质量发展水平均位于三大区域之首，尤其开放创新高质量指数（0.404 4）分别是长三角（0.182 6）和京津冀（0.085 3）的2.2倍和4.7倍。

3.2 三大区域内各市域间高质量发展差异

为分析三大区域内部各市域间高质量发展差异，图1给出了三大区域内市域间经济高质量发展指数标准差系数，图2至图4给出了三大区域各市域经济高质量发展指数。

从图1，粤港澳内高质量发展综合指数标准差系数最大，京津冀最小。进一步发现，粤港澳内高质量发展差异之大的主要原因在于深圳在本区域内处于“一家独大”的地位，雄踞全国第1，其综合指数（0.693 4）远高于全国第2的东莞（0.567 6），与粤港澳内最低的肇庆（0.348 3）的极差为0.345 1，远高于长三角和京津冀内市域间的极差。京津冀内不仅差异最小，而且各市域的综合指数除了石家庄（0.366 7）高于全国市域平均水平外，其余市域均度全国平均水平。

从各维度高质量发展差异看，粤港澳内部除了在开放创新高质量的差异最小外，其余维度高质量差异均为最大。粤港澳各市域开放创新高质量差异最小，且各市域均在全国处于领先地位，除了江门（排名43）和肇庆（排名58）外，其余7个市域均位于TOP 20。这进一步说明粤港澳在开放创新领域在全国处于“领头羊”的位置，这主要得益于毗邻港、澳的区位优势，将在国家进一步加大并形成对外开放新格局、建设开放型经济中走在前列。其他5各维度高质量差异最大的原因也是因为深圳在本区域内处于“一家独大”的地位，均雄踞全国第1。长三角内部在绿色生态和社会人文高质量的差异最小，在其余4个维度高质量差异仅次于长粤港澳。京津冀内部在开放创新高质量的差异最小，在绿色生态和社会人文高质量的差异仅次于粤港澳，在其余维度高质量的差异最小。京津冀在开放创新高质量的差异之大的主要原因在于秦皇岛的指数远高于其余市域，区域内有8个市域在全国市域平均水平以下。

从全国市域经济高质量发展综合指数及各维度指数排名位于前30市域（TOP 30）展开探析发现，粤港澳和长三角基本形成了多节点辐射带动明显、优势互补的经济高质量发展空间布局。除了绿色生态高质量外的其余5个维度，均有多个市域进入TOP 30，都可以成为自身经济高质量发展的比较优势，尤其是深圳、广州、佛山、东莞、中山、南京、无锡、苏州、杭州和宁波至少在4个以上维度进入TOP 30，在利用自身比较优势的同时可利用周边市域的优势补齐自身短板，形成优势互补局面。而京津冀内未有市域进入综合指数和维度指数的TOP 30，且大部分市域在全国处于中间甚至靠后的位置。

3.3 三大区域各指标差异分析

接下来从46个具体指标进一步分析三大区域的经济高质量发展的长项和弱项，表3给出了全国及三大区域在各指标的数值。

3.3.1 绿色生态高质量是三大区域高质量发展的共同瓶颈

三大区域仅有粤港的惠州的绿色生态高质量指数进入TOP 30，大部分市域在全国处于中间偏厚位置，且三大区域共有10个市域在BOTTOM 50中。在这一维度3个逆指标中，粤港澳的每平方公里废水和废气排放量分别是全国的5.5和2.6倍;長三角的每平方公里废水和废气排放量分别是全国的2.8和1.8倍。京津冀的每平方公里废气排放量和PM 2.5年平均浓度分别是全国的1.5和14倍，因此京津冀的大气污染极为严重，大气污染防治是生态环境治理的关键任务。在其余正向指标中，三大区域未显示出优势，且人均水资源量均低于全国平均水平，尤其京津冀仅略高于全国的1/10。

3.3.2 粤港澳与长三角制造业竞争力远高于京津冀

粤港澳和长三角的高竞争力企业数分别为全国的4.4和3.4倍，地理标志及驰名商标数均均为全国的近2倍，而京津冀与全国持平，这表明粤港澳和长三角在企业参与国际竞争与合作方面相较于京津冀具有明显的比较优势。还发现中山、东莞和珠海作为重要的制造业集群带，但是在这2个指标并没显示出优势，这反映我国制造业“大而不强”的状况亟待改变，必须朝着制造强国、品牌强国的方向挺近。

3.3.3 粤港澳将是我国开辟形成对外开放新格局的“领头羊”

粤港澳和长三角在本维度的9个指标中均高于全国平均水平，而京津冀除了当年实际利用外资金额占GDP比重和万人拥有高等和中等职业学校教师数略高于全国平均水平外，其余指标均在全国平均水平以下，尤其一般公共预算支出中科学技术支出占比、货物进出口总额占GDP比重和万人授权专利数均仅为全国的1/2。进一步发现，粤港澳除了当年实际利用外资金额占GDP比重低于长三角外，其余指标均远高于长三角，尤其是货物进出口总额占GDP比重、规模以上工业企业数量中港澳台和外资企业占比、万人拥有R&D人员数和万人授权专利数分别为全国的7.8、4.4、6.7和9.4倍。因此，粤港澳在开放创新领域在全国处于“领头羊”的位置，这主要得益于毗邻港、澳的区位优势，将在国家进一步加大并形成对外开放新格局、建设开放型经济中走在前列。

4 结论

本文在现有研究的基础上有所突破：基于提升中国国际竞争力的视角，综合考虑制造强国的硬、软实力的支撑作用构建中国区域经济高质量发展评价指标体系和评价模型，同时弥补现有研究的评价范围基本停留在省域或全国層面的不足，统一测度全国286个地级市域经济高质量发展指数，基于全国市域的视角对粤港澳、长三角及京津冀高质量发展状况、水平和差异进行了系统全面的比较分析，得出的结论如下。

1）从区域经济高质量发展水平看，粤港澳和长三角的高质量发展综合指数远高于全国市域平均水平，京津冀的高质量发展综合指数略低于全国市域平均水平。绿色生态高质量对粤港澳、长三角和京津冀高质量发展形成了严重瓶颈限制。在其余5个维度，粤港澳和长三角均高于全国市域平均水平，且粤港澳均高于长三角，京津冀均低于全国市域平均水平。研究还发现，粤港澳和长三角将是中国制造强国、提升国际竞争力的主战场，但制造业“大而不强”的现状仍然显著。

2）从区域内发展差异看，粤港澳内市域间经济高质量发展差异最大，主要由于深圳在本区域内“一超”的地位造成。京津冀市域间经济高质量发展差异最小，而且各市域高质量发展均处于较低水平。

3）从区域内经济高质量发展空间布局看。粤港澳和长三角均有“一超多强”市域的引领示范功能，且区域内大部分城市均有自身的比较优势，基本形成了多个增长极辐射带动明显、优势互补的经济高质量发展空间布局。京津冀除了京、津外的11市均处于较低水平，且不具备某方面的比较优势，京津冀协同发展面临着严峻的困境，京、津作为区域内的中心城市未有效发挥出辐射带动作用。

参考文献：

[1]

范金，姜卫民，刘瑞翔.增加值率能否反映经济增长质量？[J].数量经济技术经济研究，2017（02）：21-37.

[2]郑玉歆.全要素生产率的再认识——用TFP分析经济增长质量存在的若干局限[J].数量经济技术经济研究，2007（09）：3-11.

[3]李永友.经济发展质量的实证研究：江苏的经验——基于经济发展质量指标体系的分析[J].财贸经济，2008（08）：113-118.

[4]任保平，魏婕.中国经济增长中数量和质量的不一致性及其理论解释[J].社会科学研究，2012（03）：6-10.

[5]魏敏，李书昊.新常态下中国经济增长质量的评价体系构建与测度[J].经济学家，2018a（04）：19-26.

[6]钞小静，惠康.中国经济增长质量的测度[J].数量经济技术经济研究，2009（06）：75-86.

[7]刘树成.论又好又快发展[J].经济研究，2007（06）：4-13.

[8]BARRO R J.Quantity and quality of economic growth[R].Working papers from Central Bank of Chile，2002，5（02）：17-36.

[9]范金，张强，落成.长三角城市群经济发展质量的演化趋势与对策建议[J].工业技术经济，2018（12）：70-77.

[10]赵英才，张纯洪，刘海英.转轨以来中国经济增长质量的综合评价研究[J].吉林大学社会科学学报，2006（03）：27-35.

[11]魏婕，任保平.中国各地区经济增长质量指数的测度及其排序[J].经济学动态，2012（04）：27-33.

[12]李子联，华桂宏.新常态下的中国经济增长[J].经济学家，2015（06）：14-21.

[13]魏敏，李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究，2018（11B）：3-20.

[14]丁涛，顾金亮.科技创新驱动江苏地区经济高质量发展的路径研究[J].南通大学学报（社会科学版），2018（04）：41-46.

[15]方大春，马为彪.中国省际高质量发展的测度及时空特征[J].区域经济评论，2019（02）：61-70.

[16]华坚，胡金昕.中国区域科技创新与经济高质量发展耦合关系评价[J].科技进步与对策，2019（08）：19-27.

[17]李梦欣，任保平.新时代中国高质量发展的综合评价及其路径选择[J].财经科学，2019（05）：26-40.

[18]李子联，王爱民.江苏高质量发展：测度评价与推进路径[J].江苏社会科学，2019（01）：247-256，260.

[19]史丹，李鹏.我国经济高质量发展测度与国际比较[J].东南学术，2019（05）：169-180.

[20]孔凡文，李鲁波.环境规制、环境宜居性对经济高质量发展影响研究——以京津冀地区为例[J].价格理论与实践，2019（07）：149-152.

[21]刘瑞，郭涛.高质量发展指数的构建及应用——兼评东北经济高质量发展[J].东北大学学报（社会科学版），2020（01）：31-39.

[22]潘雅茹，罗良文.基础设施投资对经济高质量发展的影响：作用机制与异质性研究[J].改革：1-14.

[23]杨柳青青，李小平.基于“五大发展理念”的中国少数民族地区高质量发展评价[J].中央民族大学学报（哲学社会科学版），2020（01）：79-88.

[24]陈长江.江苏高质量发展水平测度与提升策略[J].南通大学学报（社会科学版），2019（03）：35-42.

[25]肖仁桥，沈路，钱丽.新时代科技创新对中国经济高质量发展的影响[J].科技进步与对策，2020（04）：1-10.

[26]王千.中国经济高质量发展的统计测评体系建构理路——基于全象资金流量观测系统的视角[J].河南师范大学学报（哲学社会科学版），2020（01）：79-86.

[27]高志刚，克甝.中國沿边省区经济高质量发展水平比较研究[J].经济纵横，2020（02）：23-35，2.

[28]陈晓雪，时大红.我国30个省市社会经济高质量发展的综合评价及差异性研究[J].济南大学学报（社会科学版），2019（04）：100-113+159-160.

[29]朱卫东，周菲，魏泊宁.新时代中国高质量发展指标体系构建与测度[J].武汉金融，2019（12）：18-26.

[30]鲁邦克，邢茂源，杨青龙.中国经济高质量发展水平的测度与时空差异分析[J].统计与决策，2019（21）：113-117.

[31]李金昌，史龙梅，徐蔼婷.高质量发展评价指标体系探讨[J].统计研究，2019（01）：4-14.

[32]许永兵，罗鹏，张月.高质量发展指标体系构建及测度——以河北省为例[J].河北大学学报（哲学社会科学版），2019（03）：86-97.

[33]周吉，吴翠青，黄慧敏，等.基于因子分析的我国省际高质量发展水平评价——兼论江西高质量发展路径[J].价格月刊，2019（05）：82-89.

[34]孟祥兰，邢茂源.供给侧改革背景下湖北高质量发展综合评价研究——基于加权因子分析法的实证研究[J].数理统计与管理，2019（04）：675-687.

[35]杨仁发，杨超.长江经济带高质量发展测度及时空演变[J].华中师范大学学报（自然科学版），2019（05）：631-642.

[36]王青，李佳馨，郭辰.城市群功能分工对经济高质量发展的影响——基于长三角城市群面板数据的实证分析[J].企业经济，2020（05）：53-61.

[37]张涛.高质量发展的理论阐释及测度方法研究[J].数量经济技术经济研究，2020（05）：23-43.

[38]徐辉，师诺，武玲玲.黄河流域高质量发展水平测度及其时空演变[J].资源科学，2020（01）：115-126.

[39]张震，刘雪梦.新时代我国15个副省级城市经济高质量发展评价体系构建与测度[J].经济问题探索，2019（06）：20-31，70.

[40]徐鹏杰，杨萍.扩大开放、全要素生产率与高质量发展[J].经济体制改革，2019（01）：32-38.

[41]黄庆华，时培豪，刘晗.区域经济高质量发展测度研究：重庆例证[J].重庆社会科学，2019（09）：82-92.

[42]黄敏，任栋.以人民为中心的高质量发展指标体系构建与测算[J].统计与信息论坛，2019（10）：36-42.

[43]秦放鸣，唐娟.经济高质量发展：理论阐释及实现路径[J].西北大学学报（哲学社会科学版），2020（03）：138-143.

[44]苏永伟，陈池波.经济高质量发展评价指标体系构建与实证[J].统计与决策，2019（24）：38-41.

[45]唐安宝，李康康，管方圆.FDI、基础设施投入与经济高质量发展[J].金融与经济，2020（04）：60-67，74.

[46]

马茹，罗晖，王宏伟.中国区域经济高质量发展评价指标体系及测度研究[J].中国软科学，2019（07）：60-67.

[47]师博，张冰瑶.全国地级以上城市经济高质量发展测度与分析[J].社会科学研究，2019（03）：19-27.

[48]李娜娜，杨仁发.FDI能否促进中国经济高质量发展？[J].统计与信息论坛，2019（09）：35-43.

[49]徐瑞慧.高质量发展指标及其影响因素[J].金融发展研究，2018（10）：36-45.

[50]茹少峰，周子锴.西部大开发20年的政策净效应与西部地区经济高质量发展——基于倾向得分匹配—双重差分方法检验[J].陕西师范大学学报（哲学社会科学版），2019（04）：63-75.

[51]刘和东，刘童.区域创新驱动与经济高质量发展耦合协调度研究[J].科技进步与对策，

2020：1-8.

[52]毛艳.中国城市群经济高质量发展评价[J].统计与决策，2020（03）：87-91.

[53]黄顺春，邓文德.中国区域经济高质量发展差异及其影响因素分析[J].广西师范大学学报（哲学社会科学版），2020（02）：82-93.

[54]钞小静，任保平.中国经济增长质量的时序变化与地区差异分析[J].经济研究，2011（04）：26-40.

（责任编辑：许建礼）

收稿日期：

2020-07-17

基金项目：

国家社会科学基金一般项目“劳动力成本上涨对我国制造业的影响研究”（项目编号：16BGL018）

作者简介：

黄顺春（1969—），男，江西石城人，博士，教授，主要从事经济高质量发展的研究工作。

作者：黄顺春 邓文德