2024, Vol. 45
2. 福州大学福建绿色发展研究院, 福州 350116
2. Fujian Green Development Institute, Fuzhou University, Fuzhou 350116, China
近年来, 随着城市化水平和人民生活水平的不断提高, 中国固体废物每年新增约100亿t, 这带来了巨大的环境压力[1]. 开展“无废城市”建设是实现美丽中国建设目标的内在要求, 是推动实现绿色低碳高质量发展的重要举措. 2017年, 中国工程院多名院士与专家联合向党中央、国务院首次提出了“无废社会”和“无废城市”的概念, 受到了中央全面深化改革委员会的高度重视[2]. 2018年12月, 国务院出台了《“无废城市”建设试点工作方案》, 明确“无废城市”是以创新、协调、绿色、开放和共享的新发展理念为引领, 通过推动形成绿色发展方式和生活方式, 持续推进固体废物源头减量和资源化利用, 最大限度减少填埋量, 将固体废物环境影响降至最低的城市发展模式, 并提出开展“无废城市”建设试点. 2019年4月, 生态环境部确定了深圳等“11+5”个“无废城市”建设试点地区[3], 2020年12月, 首批“无废城市”试点地区建设完成. 2022年4月, 确定“十四五”期间113个“无废城市”建设城市. 2022年10月, 党的二十大报告中提出要推进各类资源节约集约利用, 加快构建废弃物循环利用体系, 这是对开展“无废城市”建设的新要求. 目前中国“无废城市”建设处于试点探索期, 由于各地区基础条件、经济水平、资源禀赋、固废利用能力和处置能力等方面的巨大差异导致地区间“无废城市”发展水平存在较大的差异[4], 这给无废城市的协同发展带来了巨大的压力. 此外, 固废存在着一定的空间溢出效应[5 ~ 8], 这使得在区域一体化和城镇化的作用下各地区“无废城市”发展水平的空间关联日益紧密, 逐渐显现出多线程的空间网络结构特征. 在此背景下, 有必要考虑空间因素, 科学分析中国“无废城市”发展水平的空间关联结构与影响机制, 对推动各地区“无废城市”的协同建设和实现社会绿色发展有重要的现实意义.
近年来, 对“无废城市”的研究引起了广大学者的关注, 并且形成了一批具有现实价值的研究成果, 现有对“无废城市”的研究主要从理论研究、路径探索、推进策略、质性研究、量化评价和影响因素分析等方面分析. 在理论研究方面, “无废城市”国际联盟将“无废城市”定义为“通过负责任地生产、消费和回收, 重新利用所有废弃物, 从而实现城市可持续发展目标”[9]. Zaman等[10]提出“无废城市”的概念包括100%回收城市固体废物和废物材料中的所有资源. 杜祥琬等[11]最先在国内“无废社会”概念中提出废物的减量化与资源化概念. 在路径探索方面, Koksal等[12]指出废物特征化是成功实现“无废城市”管理成功的第一步. 齐晔等[13]认为应重点从固体废物管理方面来推动“无废城市”建设. 郭志达等[14]从“无废工业”等6个方面来探索“无废城市”建设的实现路径. 从推进策略来看, Qiao等[15]和李玉爽等[16]通过演化博弈模型探索了推动“无废城市”发展建设的策略. 在质性研究方面, 现有研究从国际[17, 18]、省份[19]、城市群[20 ~ 22]和城市[23 ~ 25]多个尺度出发对“无废城市”建设进行案例分析, 从而得到推动“无废城市”发展建设的相关经验. 在量化评价方面, 主要通过建立评价指标体系, 利用综合指数计算法[26, 27]、层次分析法和五分制综合评分法[28]、熵权法[29]、灰色关联-TOPSIS法[30]和多准则决策法[31]等方法对“无废城市”发展水平进行测度评价. 除此之外, 孟凡永等[32]将前景理论与VIKOR法相结合对“无废城市”一般工业固体废物高质量治理方案进行评价. 彭定洪等[33]通过序贯式群决策EDAS方法对智慧无废城市的评选问题进行分析. 从影响因素来看, 障碍度模型[34]、多元线性回归模型[35]和动态面板模型[36]分别被应用于“无废城市”发展水平的影响因素分析中. 已有研究对探究“无废城市”发展水平的量化评价及影响因素提供了有益参考, 但仍存在以下两点不足：一是现有研究“无废城市”发展水平基于“属性数据”进行研究, 缺乏对“关系数据”的考虑, 导致忽视了空间关联网络结构特征以及各地区在关联网络中的作用和地位. 二是在考虑空间因素的基础上对“无废城市”发展水平的影响因素及空间溢出效应的研究十分薄弱.
本文贡献主要包括两点：第一, 对现有研究的应用层面进行了有益补充. 借助修正后的引力模型, 构建了省际“无废城市”发展水平的空间关联网络, 并使用社会网络分析法对空间网络结构特征及演变趋势进行了分析, 重点探索了各地区在网络中的角色和空间属性. 第二, 在考虑空间因素的基础上利用空间杜宾模型探究“无废城市”发展水平的影响因素及空间溢出效应. 通过上述研究, 对推动各地区“无废城市”发展水平的协同提升, 构建“无废城市”发展新格局提供政策建议.
1 材料与方法 1.1 “无废城市”发展水平评价指标体系构建本文从固体废物的生命周期链和促进“无废城市”发展的保障机制出发, 为稳步提高固体废物的管理能力, 指导城市做好“无废城市”建设与评价工作, 依据《“无废城市”建设指标体系（2021年版）》, 综合考虑“无废城市”发展水平评价指标体系构建的相关研究与数据可得性, 选取能反映各省份“无废城市”发展水平的具体指标, 构建一个四维评价指标体系来测度“无废城市”发展水平, 见表 1.
|
表 1 “无废城市”发展水平评价指标体系 Table 1 Evaluation index system for the development level of "zero-waste cities" |
1.2 熵权TOPSIS法
在构建“无废城市”发展水平评价指标体系的基础上, 选取熵权TOPSIS法计算得到“无废城市”发展水平. 相对于单一测量方法, 该方法能更精确测度结果, 主要步骤如下：①构建原始矩阵并进行标准化处理；②计算各指标信息熵；③确定各指标权重；④计算得到最优解和最劣解；⑤计算最优解与最劣解的欧氏距离；⑥利用欧几里得距离计算综合评价指数, 即为各省的“无废城市”发展水平, 其取值范围为[0, 1]. 具体步骤见参考文献[37].
1.3 “无废城市”发展水平空间关联网络构建中国各省份间“无废城市”发展水平关联关系的集合构成了空间关联网络. 引力模型和VAR模型是确定空间关联网络的两种常用方法. 其中, VAR模型存在无法刻画空间关联网络演变趋势和对滞后阶数的选择过于敏感的缺点. 本文研究中国“无废城市”发展水平的空间关联网络是根据改进后的引力模型[38]所得到的, 该引力模型弥补了传统引力模型测算空间关联未考虑方向性的缺点. 见式（1）：
|
(1) |
式中, Gij为省份i与省份j间的引力强度, Rij为省份i与省份j间的引力系数, W为“无废城市”发展水平；P为年末常住人口数；A为实际GDP；g为人均实际GDP；Dij为省份i与省份j省会城市间的距离. 根据式（1）可计算得到空间关联引力矩阵, 采用以每行的平均值为临界值的原则对空间关联引力矩阵进行二值化处理, 将高于临界值的引力值记作1, 将低于临界值的引力值记作0[39].
1.4 网络结构特征刻画社会网络分析法是对“关系数据”构成网络进行分析的一种方法, 目前该方法在科技创新[40]、出口贸易[41]和专利文化[42]等多个领域被广泛应用. 本文采用社会网络分析法从整体网络结构、个体网络结构和块模型分析3个方面对“无废城市”发展水平的空间关联网络的结构特征进行刻画（图 1）, 具体计算公式见文献[43, 44].
|
图 1 空间关联网络结构分析框架 Fig. 1 Analysis framework of spatial correlation network structure |
采用全局自相关来描述“无废城市”发展水平变化的整体分布状况, 以判断其是否存在空间聚集性, 通常采用全局莫兰指数[45 ~ 47]进行检验统计, 计算公式如下：
|
(2) |
全局莫兰指数的取值范围是[-1, 1], 等于0表示无空间自相关性；显著大于0时, 说明具有空间正自相关性；显著小于0时, 说明具有空间负自相关性.
1.6 空间计量模型各地区不是孤立的, 一个地区的“无废城市”发展水平可能会受到另外一个地区的影响, 使用传统回归模型对影响因素进行研究会忽略区域间的空间溢出效应, 导致估计结果不够准确. 因此本文在综合空间滞后模型（SLM）和空间误差模型（SEM）的基础上, 提出了空间杜宾模型（SDM）来研究“无废城市”发展水平的影响因素, 具体公式如下：
|
(3) |
式中, i为各省份, t为时间；yit为因变量, 本文具体为“无废城市”发展水平；xit为各解释变量, 代表“无废城市”发展水平的影响因素, 借鉴现有研究成果[6, 7, 34 ~ 36], 具体见表 2；ρ为空间自回归系数, β为自变量系数, θ为空间滞后项的回归系数；μi和λt为个体和时期固定效应, εit为残差项. 为了消除变量间可能存在的多重共线性和异方差问题, 对解释变量中的技术创新水平、经济发展水平和人口规模取对数后进行回归分析；Wij为空间权重矩阵, 因为海南存在孤岛现象, 采用空间邻接矩阵分析不符合实际情况[48], 考虑到地理距离的远近对空间关联的影响是不同的, 一般情况下省份间地理距离越近, 相互影响越显著, 故本文采用的是地理距离权重矩阵, 具体公式如下：
|
(4) |
|
|
表 2 “无废城市”发展水平影响因素定义 Table 2 Definition of influencing factorsat the development level of "zero-waste cities" |
式中, dij为省份i与省份j省会城市之间的直线距离, 需将该矩阵进行标准化, 使得每行元素之和为1, 以利于后续分析.
1.7 数据来源本文研究对象为中国30个省份（中国西藏及港澳台资料暂缺）, 时间跨度为2004~2021年, 数据源于《中国统计年鉴》《中国环境统计年鉴》《中国环境年鉴》《中国生态环境统计年报》等, 对缺失值采用插值法进行补充. 另外, 实际地区生产总值需按照价格指数转换为2004年不变价格.
2 结果与分析 2.1 中国省域“无废城市”发展水平的测度利用1.1节构建的指标体系与1.2节的计算方法得到“无废城市”发展水平. 由图 2可知, 全国、东部和中部“无废城市”发展水平总体均呈下降趋势, 西部“无废城市”发展水平总体呈上升趋势, 经济发达的东部地区“无废城市”发展水平总体最高, 经济相对落后的中西部地区发展水平总体较低. 本研究期内, 全国及各区域“无废城市”发展水平随时间变化波动较大, 可分为两个阶段：阶段一是2004~2016年, 该期间发展水平整体呈波动上升趋势, 阶段二是2016~2021年, 该期间发展水平整体呈波动下降趋势.
|
图 2 2004~2021年中国各区域“无废城市”发展水平的变化趋势 Fig. 2 Trends in the development level of "zero-waste cities" in various regions of China from 2004 to 2021 |
产生该现象的主要原因可能有三方面：一是各区域资金、技术等要素的差距, 东部地区各要素具有优势, 能够在固废治理方面投入较多, 所以“无废城市”发展水平总体高于中西部地区；二是随着经济高速发展与城镇化加速, 一方面是从2016年开始大多数类型的工业产品持续增长, 2018年增长率达到峰值, 所带来的环境污染超出了固废处理系统的承受力, 这充分暴露了长期存在的固废库存问题, 另一方面是在2015年后, 再生资源价格出现下滑, 固体废物资源综合利用量呈明显下滑趋势, 两方面共同作用导致2016~2018年“无废城市”发展水平出现陡降趋势；三是因为国家和地方“无废城市”政策上的变化, 主要体现在2018年国家提出《“无废城市”建设试点工作方案》, 并出台相关政策, 各地区逐渐开始试点, 使大部分地区在2019年“无废城市”发展水平有回升趋势.
从各省份变化趋势来看, 2004~2021年期间, 江西（0.404~0.405）和新疆（0.334~0.336）等省份“无废城市”发展水平波动幅度较小, 北京（0.304~0.556）、天津（0.398~0. 580）和黑龙江（0.333~0. 615）等省份波动幅度较大. 2004年, 陕西（0.219）、甘肃（0.242）和宁夏（0.281）等省份的“无废城市”发展水平最低, 浙江（0.591）、黑龙江（0.615）和江苏（0.698）等省的“无废城市”发展水平最高. 2021年, 青海（0.264）和宁夏（0.310）等省的“无废城市”发展水平最低, 江苏（0.566）和山东（0.550）等省的“无废城市”发展水平最高. 这说明“无废城市”发展水平较高的省份主要分布在东部地区, 发展水平较低的省份主要分布在中西部地区.
2.2 中国“无废城市”发展水平空间关联网络特征分析 2.2.1 整体网络特征通过修正的引力模型确定的空间关联引力矩阵得到2004~2021年中国“无废城市”发展水平主要年份的空间关联网络图, 如图 3. 网络图呈现出相互交织、多流向的复杂网络结构, 形态稳定且不存在孤立省份.
|
图 3 中国主要年份“无废城市”发展水平的空间关联网络 Fig. 3 Spatial correlation network of the development level of "zero-waste cities" in critical years of China |
由图 4可知, 在“无废城市”发展水平的网络中, 本研究期内网络关联关系数与网络密度总体均呈上升趋势, 网络密度从2004年的0.185上升到2021年的0.220, 但即使在达到最大值的2015年, 网络密度为0.234, 也在0.250以下, 同时关联关系数在达到最大值的2015年也仅有204个, 这与最大可能值870个仍相差甚远, 说明空间关联越来越紧密, 促进各省份间“无废城市”共同发展方面仍存在较大提升空间. 网络等级度总体呈下降的趋势, 表明本研究期内各省份在网络中的独立支配地位降低, 相互影响增强. 网络效率呈下降趋势, 由2004年的0.756下降到2021年的0.707, 均值为0.713, 且一直处于较高水平, 说明网络中各个节点间的连线总体呈增加趋势, 存在较多的冗余通道, 各省份关联程度加强, 空间联系紧密, 网络的稳定性逐步提高. 网络关联度始终为1, 表明在研究期间中国各省份间均存在直接或间接的关联关系, 网络中不存在孤立的省份, 网络节点间的通达性较好, 且网络中存在显著的空间关联和溢出效应. 网络整体特征演化趋势表明, 中国对“无废城市”建设逐渐重视, 发展水平的空间关联越来越紧密, 但省份间交流合作和跨区域协调发展还有待加强.
|
图 4 整体网络结构特征演变趋势 Fig. 4 Evolution trend of the overall network structure characteristics |
由于关联网络比较稳定, 本文以2021年各省份中心度对个体网络特征进行分析, 结果见表 3.
|
|
表 3 2021年中国“无废城市”发展水平的空间关联网络中心度 Table 3 Centrality of spatial correlation network for China's development level of "zero-waste cities" in 2021 |
点度中心度均值为34.023, 上海、江苏和北京等10个省份的点度中心度均高于均值, 且大部分位于京津冀、长三角与珠三角地区, 其中上海、江苏、北京、浙江、福建和广东点度中心度位于前列, 表明以上省份是空间关联关系较为集中的地区, 处于空间关联网络的核心地位, 对全国“无废城市”发展水平的协同提升起“火车头”作用. 内蒙古、安徽和青海等省份点度中心度排名较低, 表明它们在网络中处于边缘地位. 原因是因为点度中心度位于前列的省份均为经济发达的东部地区, 一方面以上省份目前大多数已开展“无废城市”试点建设, 另一方面以上省份的固废处理技术与管理经验在全国处于领先地位, 与其他省份进行“无废城市”建设交流的阻碍小, 在“无废城市”发展水平的空间关联网络中能充分发挥技术、人才和经验等要素的空间溢出效应. 相反, 点度中心度排名较低的省份多为经济发展水平相对落后的中西部省份, 以上省份“无废城市”发展基础较为薄弱, 在技术、人才和经验等要素方面较为缺乏, 导致处于网络的边缘位置. 点入度和点出度的均值均为6.367, 点入度和点出度都高于均值的有北京、福建、上海、河南、湖北和广东这6个省份, 它们对其他省份存在溢出性和接受性；宁夏和新疆点入度为0, 表明宁夏和新疆在网络中只存在发出关系且处于网络的边缘地带；北京、上海和江苏点入度远高于点出度, 表明以上省份是关联网络中的受益主体, “无废城市”发展建设所需的基础设施相对较为完善, 能够对其他省份形成“虹吸效应”.
接近中心度均值为61.337, 接近中心度高于均值的有上海、江苏和北京等7个省份, 其中上海、江苏、北京、浙江、广东和福建接近中心度位于前列, 以上省份在空间关联网络中可以迅速与其他省份建立关联关系且不易受到其他省份的控制, 在网络中作为中心行动者, 它们都有一个显著的特点, 就是它们都是中国外贸、科技经济相对发达的东部省份. 内蒙古、安徽和青海等省份接近中心度排名较低, 以上省份与其他省份建立关联关系的能力较弱, 在网络中作为边缘行动者. 原因可能在于, 接近中心度位于前列的省份在经济水平、地理位置、要素方面存在优势, 能与其他省份迅速建立起“无废城市”发展水平的空间关联. 相反, 接近中心度排名较低的省份受到经济发展水平和地理区位条件等诸多因素的约束, 不利于信息和要素的流动传递, 因此无法与其他省份产生密切的关联关系[49].
中间中心度的均值为2.373, 中间中心度高于均值的有上海、北京、江苏、浙江和福建5个东部省份, 这5个省份中间中心度总和为59.554, 占全国中间中心度总和的83.66%, 表明在空间网络中这5个省份对其他省份“无废城市”发展水平的空间关联具有较强的控制能力, 且以上省份在空间关联网络中占据主导位置, 发挥着最重要的“中介”和“桥梁”作用. 安徽、青海、内蒙古、陕西、海南和辽宁这6个省份中间中心度排名靠后, 原因是以上省份大多位于经济相对落后的西部地区或地理位置相对偏远的地区, 因此在空间关联网络中处于被控制的边缘地位. 中国“无废城市”发展水平空间关联网络各省份中间中心度差别较大, 存在着非均衡特征, 其中经济发达省份以及中部交通枢纽省份在空间网络关联的建立上发挥着重要作用.
通过分析各中心度的排序情况, 发现个体网络特征表现出十分明显的“马太效应”, 且各中心度的排序情况呈一致性. 北京、上海、江苏、浙江、福建和广东的各中心度位于全省前列, 说明这6个省份是该网络的重要节点, 它们与其他省份存在较多的合作交流渠道, 使空间关联网络逐渐呈现出核心⁃边缘结构[图 3（d）], 在促进“无废城市”发展水平空间关联和推动“无废城市”建设发展方面发挥重要作用.
2.2.3 空间聚类-块模型分析以2021年为例, 为揭示各省份在关联网络中的空间聚类特征, 采用CONCOR方法, 选择最大分割深度为2, 收敛标准为0.2, 将30个省份划分为4个板块, 见表 4. 板块一由北京、天津、上海和江苏这4个省份组成, 它们是经济发展水平较高的省份；板块二由浙江、福建和广东这3个省份组成, 它们主要分布在东部沿海地区；板块三由河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、重庆、陕西、青海和宁夏这12个省份组成, 它们大多位于中西部和位置相对偏远的地区；板块四由安徽、江西、湖北、湖南、广西、四川、贵州、海南、云南、甘肃和新疆这11个省份组成, 它们大部分集中在中南与西南地区.
|
|
表 4 “无废城市”发展水平空间关联板块的溢出效应 Table 4 Spillover effects between spatial correlation networks of the development level of "zero-waste cities" |
根据表 4可知, 2021年中国“无废城市”发展水平空间关联网络中有191个关联关系, 其中22个存在于板块内部, 169个存在于板块外部, 占比分别为11.52%和88.48%, 这反映了空间溢出效应以各板块间的溢出为主. 板块一包括总溢出22个和总受益87个, 实际内部关系比例18.18%大于期望内部关系比例10.34%, 且接收的关系数明显多于发出的关系数, 属于“净受益”板块；板块二包括总溢出22个和总受益35个, 实际内部比例为0, 小于期望内部比例6.90%, 该板块既接收其他板块的溢出又向外溢出, 表明板块在整体网络中发挥“中介”作用, 属于“经纪人”板块；板块三包括总溢出70个和总受益35个, 实际内部比例15.71%显著小于期望内部比例37.93%, 属于“净溢出”板块；板块四包括总溢出77个和总受益34个, 实际内部比例9.09%显著小于期望内部比例34.48%, 属于“净溢出”板块.
同时, 可以通过空间网络密度矩阵和像矩阵反映出各板块间的溢出效应（表 5）, 显示出各板块间“无废城市”发展水平的空间关联传导机制, 并据此绘制了板块间的溢出关系图（图 5）. 整体网络在2021年的网络密度为0.428, 如果两板块间的密度大于整体网络密度, 则取值为1, 表明这个板块向自身或者其他板块发出关系, 反之, 则取值为0. 根据这个规则, 可以清楚版块间的传导路径. 板块一接收来自板块二、板块三和板块四的溢出关系, 板块二在网络中同时存在外部的接收关系和溢出关系, 发挥“桥梁”作用, 板块三与板块四均存在外部的溢出关系. 总体来说, “无废城市”发展水平空间关联网络中各板块间的联系仍不够完善, 未来应进一步加强板块内与板块间的联系, 使各板块发挥它们在关联网络中的作用, 助推“无废城市”发展水平协同提升效应的形成.
|
|
表 5 空间关联板块的密度矩阵和像矩阵 Table 5 Density matrix and image matrix between the spatial correlation network plates |
|
图 5 2021年“无废城市”发展水平四大板块间的溢出关系 Fig. 5 Spillover relationship between the four major sectors of development level of "zero-waste cities" in 2021 |
使用Stata 16软件计算基于地理距离权重矩阵的2004~2021年“无废城市”发展水平的全局莫兰指数, 结果如表 6所示. 本研究期内全局莫兰指数均大于0且均通过了5%的显著性检验, 表明“无废城市”发展水平在空间上存在聚集现象, 本研究使用空间计量模型是合理的.
|
|
表 6 “无废城市”发展水平全局莫兰指数 Table 6 Global Moran's I of "zero-waste cities" development level |
2.3.2 空间计量模型适用性检验
由空间关联性分析可知空间计量模型适用于本文的研究. 本文为确定应采用的空间计量模型类型, 分别使用LM test、Hausman test、LR test和Wald test进行检验, 结果见表 7. 首先, 采用LM test对空间相关性进行检验, 发现LM-Lag test和Robust LM-Lag test分别在1%和10%的水平上显著, LM-Error test和Robust LM-Error test在1%的水平上显著, 表明空间误差效应与空间滞后效应同时存在. 其次, 对模型进行Hausman test, 得出检验在1%水平上显著, 说明应选择固定效应模型. 再次, 使用在空间效应与时间效应下的LR test, 发现结果均在1%的水平上显著, 说明应考虑使用时空双固定效应模型. 最后, 使用LR test和Wald test确定空间计量模型的选择情况, LR-Lag test、LR-Error test、Wald-Lag test和Wald-Error test均在1%的水平上显著, 说明空间杜宾模型无法退化为空间滞后模型和空间误差模型, 故本文应选择时空双固定效应下的空间杜宾模型. 另外, 为保证空间杜宾模型的回归结果具有稳健性, 同时列出空间滞后模型与空间误差模型的回归结果作为对比, 见表 8.
|
|
表 7 空间计量模型的选择检验 Table 7 Selection test of spatial econometric model |
|
|
表 8 空间计量模型估计结果1） Table 8 Spatial econometric model estimation results |
2.3.3 模型回归结果分析
从表 8可知, 时空双固定效应下的空间杜宾模型下的LogL值最大, 所以最终考虑用空间杜宾模型进行分析. 从回归结果来看, rho值为负且在1%的水平上显著, 说明“无废城市”发展水平存在显著的负向溢出效应, 这可能是由于各地区不是封闭的地区, 固废污染物能够通过河流、土壤等传播方式向周边扩散, 且污染企业在环境治理的进程中会向周边转移, 对邻地造成负外部性. 因此, 要提升“无废城市”发展水平, 需要对各地区联合治理.
表 8得到的回归系数并不能完全反映各自变量对“无废城市”发展水平的影响大小和空间溢出效应, 因此需要将模型划分为总效应、直接效应和间接效应进行分析. 通过直接效应反映各自变量对自身“无废城市”发展水平的影响, 通过间接效应反映各自变量对其他省份“无废城市”发展水平的影响, 也称为溢出效应. 本文分析结果见表 9.
|
|
表 9 总效应、直接效应和间接效应回归结果 Table 9 Regression results of total effects, direct effects, and indirect effects |
在空间杜宾模型总效应中, 中国各省技术创新水平、城镇化水平、经济发展水平、政府干预和人口规模对所有省份的“无废城市”发展水平造成显著正向影响, 而中国各省份的环境规制和外商投资水平没有表现出显著性. 如果对技术创新水平、城镇化水平、经济发展水平、政府干预和人口规模等显著性因素进行适当调整, 一方面可以使本省份“无废城市”发展水平得到增强, 同时还有可能带动其他省份实现“无废城市”发展水平协同提升的目标.
在空间杜宾模型直接效应中, 中国各省份的城镇化水平、经济发展水平、环境规制和外商投资水平对本省份“无废城市”发展水平造成显著正向影响. 城镇化水平较高的地区有利于推进垃圾分类政策的实施与垃圾的统一处置, 从而促进自身“无废城市”发展水平上升. 经济发展水平较高的地区能在环境治理方面和优化更新固废处理设备方面投入更多资金, 从而促进自身“无废城市”发展水平上升. 环境规制较高的地区意味着环境污染治理投资额的增加, 利用投资额的增加可以改进设备, 提高污染治理技术, 进而提高自身的“无废城市”发展水平. 外商投资水平越高的地区越有利于引入国外先进的绿色清洁技术, 并且能通过竞争提高当地企业的环保意识, 减少固废等污染物排放, 从而促进自身“无废城市”发展水平上升. 中国各省份的政府干预和人口规模对本省份“无废城市”发展水平造成显著负向影响. 地方政府干预的提升会阻碍本省份“无废城市”发展, 可能是因为地方政府干预越高, 省份自身会引进越多的外商投资, 使地区工业快速发展, 加重固废污染, 影响环境质量, 导致“无废城市”发展水平下降. 人口规模的扩大将加剧资源消耗, 使生活垃圾等固废大量产生, 会严重损害环境, 导致“无废城市”发展水平下降. 技术创新水平没有表现出显著性. 各省份控制以上这些显著性因素可以促进本省份“无废城市”发展水平的提升.
在空间杜宾模型间接效应中, 技术创新、政府干预和人口规模对除本省份外其他省份“无废城市”发展水平造成显著正向影响. 技术创新水平高的地区往往经济发展水平较高, 该地区会将自身在固废处理方面的技术与经验传播到邻近地区, 邻近地区因技术转移和经验的推广产生“搭便车”效应, 从而减少固废污染, 带动“无废城市”发展水平上升. 地方政府干预更高的地区在本地区环境治理较好的情况下会调动更多资源治理周边环境污染, 导致其他省份“无废城市”发展水平上升. 人口规模扩大可能会导致人口流动到其他地区, 使其他省份产生更多劳动力, 促进了经济发展与人民环保意识提高, 补偿了由于人口规模扩大导致固废产量增大对环境产生的消极影响, 有利于其他省份“无废城市”发展水平上升. 城镇化水平、经济发展水平、环境规制和外商投资水平没有表现出显著性. 各省份通过控制以上这些显著性因素来带动除本省份外其他省份“无废城市”发展水平的提升.
3 讨论中国各省份“无废城市”发展水平存在差距, 应充分发挥各省份间的联动作用, 加强各省份间的交流合作, 相关部门应积极探寻促进“无废城市”发展水平空间关联的有效途径, 例如通过强化交通网络、加强经验与信息交流等方式促进各省份间的空间关联, 从而为发展水平跨区协同提升机制的建设创造渠道；同时在制定“无废城市”发展水平协同提升政策时, 要树立全局意识和整体观念, 使政策由“局部”转向“整体”.
结合个体网络特征, 明确重点管理区域, 充分发挥处于空间网络中心位置的北京、上海、江苏、浙江、福建和广东等东部省份在经济、技术与管理经验等方面的优势, 形成带动全国“无废城市”建设的动力源, 实现核心省份与边缘省份间资源要素的融通, 从而带动中西部地区“无废城市”建设, 推动我国“无废城市”发展水平的协同提升.
进一步加强板块内与板块间的联系, 根据不同省份和板块在空间关联网络中的地位和作用, 制定并采取不同的政策措施. 如以东部省份为主的“净受益”与“经纪人”板块要充分利用自身的资金和技术等优势, 积极研发先进的固废处理技术, 在提升自身“无废城市”发展水平的同时, 发挥自身的辐射能力和“中介”作用, 共享先进的“无废城市”建设经验与技术, 从而带动其他板块“无废城市”建设. 对于经济水平与“无废城市”发展水平相对落后的“净溢出”板块, 该板块以中西部省份为主, 应积极与“净受益”板块和“经纪人”板块交流合作, 引进高端人才和先进的固废处理技术, 加大人力、技术的投资力度, 建立技术学习机制, 更好地发挥学习效应.
分析“无废城市”发展水平的影响因素, 各省份应结合自身实际情况, 制定相应措施, 弥补短板, 充分发挥各影响因素的直接效应与空间溢出效应, 促进各地区“无废城市”发展水平协同提升, 探寻“无废城市”发展的合理路径. 首先, 通过实施生活垃圾分类管理、全面推进绿色矿山建设等措施从源头控制固废排放, 达到提升各省份“无废城市”发展水平的目的. 其次, 地方政府应根据实际情况制定相关政策, 提高经济发展水平、城镇化水平、环境规制、外商投资水平来促进省份自身“无废城市”发展水平提高. 例如, 通过大力发展循环经济替代传统的粗放型经济发展方式来平衡经济发展与环境污染之间的矛盾, 从而提高经济发展水平；通过发挥大城市的辐射带动作用、完善基础设施建设、提高人民保障等方式推动城镇化稳步建设, 保证城镇化质量, 提高城镇化水平, 确保“无废”城镇化发展；通过制定差别化环境规制政策、建立健全环境规制制度、优化环境规制结构等方式提高环境规制, 减少固废等污染物的排放；通过进一步扩大对外开放程度, 合理引入高质量与低污染的外商投资项目来提高外商投资水平. 再次, 应通过有效推动科技成果转化等方式提高技术创新水平, 同时打破地区壁垒, 积极引导高水平城市与低水平城市之间开展固废处理技术交流, 充分发挥技术创新水平的正向溢出作用. 最后, 应深化改进“无废城市”建设模式, 通过制定污染排放交易体系、区域污染补偿制度、人才引进政策等方式加速转变政府干预和人口规模对“无废城市”发展水平的负向影响, 使各地区发展水平得到最大化提升.
4 结论（1）在本研究期内, “无废城市”发展水平在全国、东部和中部总体均呈下降趋势, 在西部总体呈上升趋势, 且发展水平较高的省份主要分布在东部地区, 发展水平较低的省份主要分布在中西部地区, 各地区存在显著的空间非均衡特性.
（2）从整体网络特征角度分析, 随时间演变空间关联网络的网络密度和网络关联数总体呈上升趋势, 表明各省间的联系逐渐增强, 但网络紧密度仍需进一步提升, 网络结构仍有待优化；网络效率和网络等级度总体呈下降趋势, 表明关联网络的稳定性逐渐增强, 各省“无废城市”发展水平的绝对差异在逐渐减小；网络关联度稳定为1, 表明网络的通达性较好, 不存在孤立的省份.
（3）从个体网络特征来看, 北京、上海、江苏、浙江、福建和广东这6个省份在网络中处于核心位置, 能迅速与其他省份建立关联关系且不易受到其他省份的控制, 在推动各地区“无废城市”协同建设与发展方面发挥重要作用, 而内蒙古、安徽和青海等省份在网络中处于边缘位置, 难以影响和控制其他地区.
（4）从块模型分析来看, 板块内的空间关联远小于板块间的空间关联. 其中, 北京、天津、上海和江苏组成“净受益”板块, 东南沿海的广东、浙江和福建组成“经纪人”板块, 其他省份组成“净溢出”板块, 它们在关联网络中发挥各自的作用, 助推“无废城市”发展水平协同提升效应的形成.
（5）从影响因素来看, 在直接效应方面, 城镇化水平、经济发展水平、环境规制和外商投资水平对省份自身的“无废城市”发展水平有显著的正向影响, 政府干预和人口规模有显著的负向影响, 技术创新水平无显著影响；在空间溢出效应方面, “无废城市”发展水平具有负向空间溢出性, 技术创新、政府干预和人口规模对除自身省份以外的其他省份“无废城市”发展水平的提升有明显的促进作用, 城镇化水平、经济发展水平、环境规制和外商投资水平均无显著影响.
| [1] |
董鑫, 刘婷. 我国与"一带一路"共建国家固体废物管理现状与合作对策建议[J]. 环境保护, 2020, 48(18): 71-76. Dong X, Liu T. Status and suggestions for solid waste management cooperation between "the Belt and Road" co-construction countries and China[J]. Environmental Protection, 2020, 48(18): 71-76. |
| [2] |
马梦蝶. "双碳"目标下上海市"无废城市"建设的协同路径研究[J]. 智能建筑与智慧城市, 2022(1): 37-39. Ma M D. Study on the cooperative path of "Zero-waste city" construction under the target of "carbon peaking and carbon neutrality" in Shanghai[J]. Intelligent Building & Smart City, 2022(1): 37-39. |
| [3] |
李玉爽, 靳晓勤, 霍慧敏, 等. "无废城市"建设进展及"十四五"时期发展建议[J]. 环境保护, 2021, 49(15): 42-47. Li Y S, Jin X Q, Huo H M, et al. The progress of "Zero Waste City" construction and proposals for the 14th Five-year plan[J]. Environmental Protection, 2021, 49(15): 42-47. |
| [4] |
关兴良, 魏后凯, 鲁莎莎, 等. 中国城镇化进程中的空间集聚、机理及其科学问题[J]. 地理研究, 2016, 35(2): 227-241. Guan X L, Wei H K, Lu S S, et al. Patterns and driving mechanism of spatial agglomeration during the urbanization process in China[J]. Geographical Research, 2016, 35(2): 227-241. |
| [5] | Wang Z S, Zhang Z S, Jin X H. A study on the spatial network characteristics and effects of CDW generation in China[J]. Waste Management, 2021, 128: 179-188. DOI:10.1016/j.wasman.2021.03.022 |
| [6] | Wang K F, Zhao X K, Peng B Y, et al. Spatio-temporal pattern and driving factors of municipal solid waste generation in China: New evidence from exploratory spatial data analysis and dynamic spatial models[J]. Journal of Cleaner Production, 2020, 270. DOI:10.1016/j.jclepro.2020.121794 |
| [7] |
郭凌军, 刘光富. 产业结构优化、金融发展与固体废物排放关系实证研究—基于空间溢出效应实证[J]. 软科学, 2021, 35(1): 1-5, 38. Guo L J, Liu G F. Empirical study on the relationship between industrial structure optimization, financial development and solid waste emission-empirical study based on spatial spillover effect[J]. Soft Science, 2021, 35(1): 1-5, 38. DOI:10.3969/j.issn.1002-9753.2021.01.001 |
| [8] | Gui S, Zhao L G, Zhang Z J. Does municipal solid waste generation in China support the Environmental Kuznets Curve? New evidence from spatial linkage analysis[J]. Waste Management, 2019, 84: 310-319. DOI:10.1016/j.wasman.2018.12.006 |
| [9] | Kouidere A, Balatif O, Ferjouchia H, et al. Optimal control strategy for a discrete time to the dynamics of a population of diabetics with highlighting the impact of living environment[J]. Discrete Dynamics in Nature and Society, 2019, 2019. DOI:10.1155/2019/6342169 |
| [10] | Zaman A U, Lehmann S. The zero waste index: a performance measurement tool for waste management systems in a 'Zero waste city'[J]. Journal of Cleaner Production, 2013, 50: 123-132. DOI:10.1016/j.jclepro.2012.11.041 |
| [11] |
杜祥琬, 刘晓龙, 葛琴, 等. 通过"无废城市"试点推动固体废物资源化利用, 建设"无废社会"战略初探[J]. 中国工程科学, 2017, 19(4): 119-123. Du X W, Liu X L, Ge Q, et al. A preliminary study on the strategy of construction a "No-Waste Society" by piloting "No-Waste City" to promote the resource utilization of solid waste[J]. Strategic Study of CAE, 2017, 19(4): 119-123. |
| [12] | Koksal O, Er B A, Ardali Y. Zero waste management: a case study[J]. International Journal of Global Warming, 2020, 21(2): 189-198. DOI:10.1504/IJGW.2020.108179 |
| [13] |
齐晔, 朱梦曳, 刘天乐, 等. 落实"无废社会"战略推进美丽中国建设[J]. 环境保护, 2020, 48(19): 52-56. Qi Y, Zhu M Y, Liu T L, et al. Implementing "Zero-waste society" strategy for beautiful China[J]. Environmental Protection, 2020, 48(19): 52-56. |
| [14] |
郭志达, 白远洋. "无废城市"建设模式与实现路径[J]. 环境保护, 2019, 47(11): 29-32. Guo Z D, Bai Y Y. Construction model and realization path of "Zero-waste city[J]. Environmental Protection, 2019, 47(11): 29-32. DOI:10.3969/j.issn.1674-1021.2019.11.008 |
| [15] | Qiao X P, Lee H, Shen Q, et al. Research on the tripartite evolutionary game of Zero-Waste City construction in China[J]. Sustainability, 2023, 15(13). DOI:10.3390/su151310507 |
| [16] |
李玉爽, 刘丽丽, 李金惠. 最大化"无废城市"次第推进的绩效: 基于"地方—中央"演化博弈模型的推进策略研究[J]. 中国环境管理, 2022, 14(4): 25-31. Li Y S, Liu L L, Li J H. Maximizing the performance of "Zero Waste City" successive promotion: A study on the promoting strategy based on the "Local-Central" evolutionary game model[J]. Chinese Journal of Environmental Management, 2022, 14(4): 25-31. |
| [17] |
郑凯方, 温宗国, 陈燕. "无废城市"建设推进政策及措施的国别比较研究[J]. 中国环境管理, 2020, 12(5): 48-57. Zheng K F, Wen Z G, Chen Y. Comparative analysis on the policies and initiatives for promoting Zero-Waste Cities in China and other developed countries[J]. Chinese Journal of Environmental Management, 2020, 12(5): 48-57. |
| [18] |
李玉爽, 李金惠. 国际"无废"经验及对我国"无废城市"建设的启示[J]. 环境保护, 2021, 49(6): 67-73. Li Y S, Li J S. International "Zero Waste" experience and its enlightenment to the construction of "Zero waste city" in China[J]. Environmental Protection, 2021, 49(6): 67-73. DOI:10.3969/j.issn.1674-1021.2021.06.017 |
| [19] |
吴超, 何海云, 张绛, 等. 浙江省全域"无废城市"建设实践模式与成效评估[J]. 环境工程学报, 2023, 17(7): 2324-2333. Wu C, He H Y, Zhang J, et al. Province-scale practice and assessment for "Zero-waste City" in Zhejiang Province[J]. Chinese Journal of Environmental Engineering, 2023, 17(7): 2324-2333. |
| [20] |
姚梦茵, 程亮. 基于高质量发展战略的"无废城市"构建——以长三角和粤港澳大湾区为例[J]. 环境影响评价, 2020, 42(6): 11-15, 46. Yao M Y, Cheng L. Waste-free City" Building based on high-quality development strategy: Cases of the Yangtze River Delta and the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Environmental Impact Assessment, 2020, 42(6): 11-15, 46. |
| [21] |
孙贝丽, 张路路, 吴乐兰, 等. 基于"无废城市"建设背景下的粤港澳大湾区危险废物管理策略研究[J]. 环境生态学, 2023, 5(4): 102-106. Sun B L, Zhang L L, Wu L L, et al. Research on hazardous waste management strategies of Guangdong-Hong Kong-Macao Greater Bay Area based on the background of "Zero-Waste Cities" construction[J]. Environmental Ecology, 2023, 5(4): 102-106. |
| [22] | Zhang Z L, Teng J F. Role of Government in the construction of Zero-Waste Cities: a case study of China's Pearl River Delta city cluster[J]. Sustainability, 2023, 15(2). DOI:10.3390/su15021258 |
| [23] |
李水生. 深圳"无废城市"建设成效及"十四五"推进策略[J]. 环境保护, 2022, 50(23): 32-35. Li S S. The effect of "Zero-waste City" construction and the promotion strategy in 14th Five-Year Plan Period in Shenzhen[J]. Environmental Protection, 2022, 50(23): 32-35. |
| [24] | Qin T Y, She L L, Wang Z L, et al. The Practical Experience of "Zero Waste City" construction in Foshan city condenses the Chinese solution to the sustainable development goals[J]. Sustainability, 2022, 14(19). DOI:10.3390/su141912118 |
| [25] | Ma W T, de Jong M, Zisopoulos F, et al. Introducing a classification framework to urban waste policy: Analysis of sixteen Zero-waste cities in China[J]. Waste Management, 2023, 165: 94-107. DOI:10.1016/j.wasman.2023.04.012 |
| [26] |
滕婧杰, 祁诗月, 马嘉乐, 等. "无废指数"构建方法探究―以"浙江省无废指数"构建为例[J]. 环境工程学报, 2022, 16(3): 723-731. Teng J J, Qi S Y, Ma J L, et al. Research on the method of Zero-waste index: the case study of Zhejiang Zero-waste index construction[J]. Chinese Journal of Environmental Engineering, 2022, 16(3): 723-731. |
| [27] |
邹权, 王夏晖. "无废城市": "无废城市"建设成效定量评价方法[J]. 环境保护, 2020, 48(8): 46-50. Zou Q, Wang X H. Zero-waste index: A quantitative evaluation on effectiveness of Zero waste city[J]. Environmental Protection, 2020, 48(8): 46-50. |
| [28] |
赵曦, 吴姗姗, 陆克定. "无废城市"固体废物综合处理产业园建设水平评价指标体系[J]. 环境工程, 2021, 39(2): 136-140, 15. Zhao X, Wu S S, Lu K D. Development of an evaluation system for assessing construction level in operation of municipal solid waste comprehensive treatment park for Zero-waste cities[J]. Environmental Engineering, 2021, 39(2): 136-140, 15. |
| [29] | Zhang P, Xie Y L, Wang Y Y, et al. Water-Energy-Food system in typical cities of the world and China under Zero-waste: commonalities and asynchronous experiences support sustainable development[J]. Ecological Indicators, 2021, 132. DOI:10.1016/j.ecolind.2021.108221 |
| [30] | Rao C J, He Y W, Wang X L. Comprehensive evaluation of non-waste cities based on two-Tuple mixed correlation degree[J]. International Journal of Fuzzy Systems, 2021, 23(2): 369-391. DOI:10.1007/s40815-020-00975-x |
| [31] | Zhao W J, Yang D D, Duan Y H. Measuring Zero-waste city performance of a coal resource-based area in China with MCDM approach[J]. Mathematical Problems in Engineering, 2022, 2022. DOI:10.1155/2022/8479760 |
| [32] |
孟凡永, 蒋蕾. 交互动态直觉模糊前景理论VIKOR法及在无废城市建设中应用[J]. 运筹与管理, 2023, 32(4): 47-52. Meng Y F, Jiang L. Interactive dynamic intuitionistic Fuzzy VIKOR method based on prospect theory and its application in Zero-waste city construction[J]. Operations Research and Management Science, 2023, 32(4): 47-52. |
| [33] |
彭定洪, 张文华. 智慧无废城市评选的序贯式群决策EDAS法[J]. 系统科学与数学, 2021, 41(3): 688-704. Peng D H, Zhang W H. Sequential group EDAS decision making method for smart Zero waste city selection[J]. Journal of Systems Science and Mathematical Sciences, 2021, 41(3): 688-704. |
| [34] |
温纪新, 刘满芝, 王明明, 等. 徐州市矿业型"无废城市"建设评价及障碍度识别[J]. 环境污染与防治, 2023, 45(2): 239-244. Wen J X, Liu M Z, Wang M M, et al. Construction evaluation and obstacle identification of mining type "Zero-waste city" for Xuzhou[J]. Environmental Pollution & Control, 2023, 45(2): 239-244. |
| [35] | Han Y S, Liu J L, Xu H. A comprehensive assessment of the performance of China's provincial Zero-waste cities and impact factor diagnosis[J]. Environmental Impact Assessment Review, 2022, 95. DOI:10.1016/j.eiar.2022.106778 |
| [36] |
温湖炜, 吕风, 曹志凯. 中国省域"无废城市"发展水平及影响因素研究[J]. 环境污染与防治, 2020, 42(5): 628-633. Wen H W, Lv F, Cao Z K. Research on the development level and influencing factors of provincial Zero-waste cities in China[J]. Environmental Pollution & Control, 2020, 42(5): 628-633. |
| [37] |
樊胜岳, 李耀龙, 马晓杰, 等. 数字化水平对农业绿色发展影响的实证研究―基于中国30个省份的面板数据[J]. 世界农业, 2021(12): 4-16. Fan S Y, Li Y L, Ma X J, et al. An empirical study of the impact of digital level on agricultural green development―Based on the panel data 30 provinces of China[J]. World Agriculture, 2021(12): 4-16. |
| [38] |
郑航, 叶阿忠. 空间关联网络结构特征的减排效应: 基于城市群视角[J]. 环境科学, 2022, 43(10): 4401-4407. Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics: From the perspective of Urban Agglomeration[J]. Environmental Science, 2022, 43(10): 4401-4407. |
| [39] |
刘华军, 贾文星. 中国区域经济增长的空间网络关联及收敛性检验[J]. 地理科学, 2019, 39(5): 726-733. Liu H J, Jia W X. Spatial network correlation and convergence test of regional economic growth in China[J]. Scientia Geographica Sinica, 2019, 39(5): 726-733. |
| [40] |
曹晨, 罗强胜, 黄俊, 等. 成渝地区双城经济圈科技创新合作现状分析―基于社会网络与LDA主题模型[J]. 软科学, 2022, 36(1): 98-107. Cao C, Luo Q S, Huang J, et al. Analysis on the current situation of science and technology innovation cooperation in Chengdu―Chongqing Area Dual Economic Circle: Based on social network and LDA thematic model[J]. Soft Science, 2022, 36(1): 98-107. |
| [41] |
李光勤, 金玉萍, 何仁伟. 基于社会网络分析的ICT出口贸易网络结构特征及影响因素[J]. 地理科学, 2022, 42(3): 446-455. Li G Q, Jin Y P, He R W. Structural characteristics and influencing factors of ICT export trade network based on social network analysis[J]. Scientia Geographica Sinica, 2022, 42(3): 446-455. |
| [42] |
许敏, 王慧敏. 基于社会网络分析的校企专利合作网络结构研究—长三角城市群高校的省际比较[J]. 科技管理研究, 2018, 38(24): 87-95. Xu M, Wang H M. Research on the network structure of university―enterprise patent cooperation based on social network analysis: provincial comparison of universities in Yangtze River Delta City Group[J]. Science and Technology Management Research, 2018, 38(24): 87-95. |
| [43] | 刘军. 整体网分析: UCINET软件实用指南[M]. 上海: 格致出版社, 2014, (第二版). |
| [44] | Wasserman S, Faust K. Social network analysis: Methods and applications[M]. Cambridge: Cambridge University Press, 1994. |
| [45] |
王丽丽, 刘笑杰, 李丁, 等. 长江经济带PM2.5空间异质性和驱动因素的地理探测[J]. 环境科学, 2022, 43(3): 1190-1200. Wang L L, Liu X J, Li D, et al. Geographical detection of spatial heterogeneity and drivers of PM2.5 in the Yangtze River Economic Belt[J]. Environmental Science, 2022, 43(3): 1190-1200. |
| [46] |
李源, 肖致美, 毕晓辉, 等. 天津市"十三五"期间O3污染特征和驱动因子[J]. 环境科学, 2023, 44(8): 4241-4249. Li Y, Xiao Z M, Bi X H, et al. Characteristics and driving factors of O3 pollution during 13th Five-Year period in Tianjin[J]. Environmental Science, 2023, 44(8): 4241-4249. |
| [47] |
余光辉, 王非凡, 刘贤赵, 等. 中国1991~2018年突发环境事件时空特征及影响因素[J]. 环境科学, 2023, 44(1): 572-582. Yu G H, Wang F F, Liu X Z, et al. Spatiotemporal characteristics and influencing factors of environment emergency incident in China from 1991 to 2018[J]. Environmental Science, 2023, 44(1): 572-582. |
| [48] |
吴贤荣, 张俊飚, 程琳琳, 等. 中国省域农业碳减排潜力及其空间关联特征—基于空间权重矩阵的空间Durbin模型[J]. 中国人口·资源与环境, 2015, 25(6): 53-61. Wu X R, Zhang J B, Cheng L L, et al. Potential of agricultural carbon reduction under climate change and its spatial correlation characteristics in China: based on the spatial Durbin model[J]. China Population, Resources and Environment, 2015, 25(6): 53-61. |
| [49] |
蔡秀亭, 吕洁华, 王成齐. 中国森林生态安全空间关联的网络特征及其驱动机制[J]. 自然资源学报, 2022, 37(8): 2137-2152. Cai X T, Lv J H, Wang C Q. The network characteristics and driving mechanism of the spatial correlation of forest ecological security in China[J]. Journal of Natural Resources, 2022, 37(8): 2137-2152. |