2023, Vol. 44
近年随着经济快速发展, 工业化和城市化进程的大力推进, 影响恶劣的突发环境事件时有发生[1].突发环境事件区别于普通的环境污染事件, 它发生突然且不容易控制, 会产生大量的污染物, 对生态环境产生极其恶劣的影响, 威胁到人类生命和生产安全[2, 3], 甚至引发环境群体性事件, 进而形成社会风险[4, 5].如何在保持经济快速发展的同时改善环境质量, 对突发环境事件进行科学有效地防控, 是中国乃至全球共同面临的巨大挑战.
突发环境事件发生的原因主要是生产安全事故, 其次是交通运输事故, 另外企业违法排污和自然灾害也占一定比例[6].目前, 对突发环境事件的研究集中在事件的演化规律[7~9]、应急管理[10, 11]、影响及评估[12, 13]和问题与防范[14, 15]等方面.当前研究探讨了多种类型突发环境事件产生污染的作用规律; 逐步完善了突发环境事件的预警和应急管理体系; 客观评价了现有突发环境事件防范治理中存在的问题[16, 17].但现有研究对突发环境事件时空特征研究所选取的时间范围较短; 突发环境事件的影响因素很复杂而目前研究选取的影响因子较为简单, 集中在经济水平[18]、污染排放[19, 20]、环境监管[18, 19, 21]和环境控制[19, 22]等方面; 用于分析突发环境事件影响因素的方法有相关性分析[20, 23]、空间面板计量模型[19]和空间地理探测器[18, 24]等, 对突发环境事件影响因素作用的时空异质性分析有待加强.
时空地理加权回归模型(geographically and temporally weighted regression, GTWR)可以同时对研究对象的空间和时间非平稳性进行建模, 具有较高的拟合优度和时空解释能力[22], 已经广泛应用于房地产[25, 26]、生态环境[27~29]和医学[30]等多个领域.由于研究期的多数时间段内中国各省市突发环境事件都具有显著的空间依赖关系, 又考虑到此次研究为28 a的长时间序列, 因此选取同时考虑时间效应和空间效应的时空地理加权回归模型进行突发环境事件影响因素作用的相关探究, 在影响因素方面, 除了之前学者选取的经济水平因素、污染排放因素、环境监管因素和环境控制因素外, 本研究使用市场化指数中的市场中介组织的发育和法律制度环境指数来衡量影响突发环境事件的法制环境因素, 以此来分析自1997年我国的法制建设快速发展后法制环境对突发环境事件产生的影响.总之, 本研究基于长时间序列1991~2018年我国31省突发环境事件, 运用空间自相关和时空地理加权回归模型对突发环境事件空间依赖关系和影响因素作用的时空异质性进行分析, 以期为政府预防突发环境事件发生、风险监控提供理论支持和政策建议.
1 材料与方法 1.1 研究数据选取中国31个省、自治区和直辖市(中国香港、澳门特别行政区以及台湾省资料暂缺)作为此次的研究区域.研究主体突发环境事件使用突发环境事件的发生次数来衡量.对研究中涉及到的数据来源的说明如表 1所示.考虑到长时间序列数据中价格波动产生的影响不可忽视, 研究中使用的所有经济数据都以2000年为基期进行折算.
|
表 1 数据来源 Table 1 Data sources |
1.2 研究方法 1.2.1 探索性空间数据分析
(1) 全局自相关 Moran指数(I)用来分析全国范围内突发环境事件空间自相关的整体水平, 反映
了突发环境事件的空间集聚和关联程度.
|
(1) |
式中, xi为第i个省份突发环境事件的次数, xj为第i个省份的临近省份j的突发环境事件的次数, n为省域的个数(本研究n=31); Wij为空间权重矩阵, 本研究设定为海南与广西和广东两省相邻.
Moran指数值取决于突发环境事件在随机模式下的期望值E(I):
|
(2) |
式中, 当点的数量很大时, 则E(I)接近于0.当I < 0时, 研究区范围内突发环境事件表现为空间负相关关系; 当I>0时, 研究区范围内突发环境事件表现为空间正相关关系; 当I=0时, 研究区范围内突发环境事件表现为随机分布.
(2) Moran散点图 通常用来描述变量与其空间滞后向量之间的相关关系, 反映了空间单元观察值之间的关联和差异程度.横坐标为各省突发环境事件的观测值, 纵坐标为某省与其邻省突发环境事件的空间平均值(亦称空间滞后值).共由4个象限组成, 可将突发环境事件的空间分布分为“高-高”“高-低”“低-高”和“低-低”这4种集聚类型.
1.2.2 时空地理加权回归模型(GTWR)时空地理加权回归模型是对地理加权回归模型的改进, 引入时间维度, 同时考虑研究对象的空间和时间特性, 通过拟合地理关系中的时空非平稳性来深入挖掘信息.
Huang等[36]对时空地理加权回归模型的具体定义如下：
|
(3) |
式中, (ui, vi, ti)为第i个省份(i=1, 2, …, m; m=31)的空间和时间位置信息; yi为第i个省份的因变量, 即突发环境事件的次数; xik为第i个省的第k个自变量, α0(ui, vi, ti)为第i个省份所在位置回归模型的时空截距项; αk(ui, vi, ti)为第i个省份所在位置回归模型第k个影响因素的回归系数项; εi为第i个省域时空地理加权回归模型的随机误差项.
2 结果与讨论 2.1 突发环境事件的时空特征 2.1.1 突发环境事件时间变化特征1991~2018年期间全国突发环境事件数量如图 1所示.28年间的突发环境事件呈下降趋势, 最大值和最小值出现在1991年和2018年, 分别为3 038次和286次, 平均每年发生约1 314次, 其变化趋势可分为4个阶段.第一阶段：高发期(1991~1994年), 这一阶段每年的突发环境事件都在2 600次以上, 1991年更是高达3 038次, 是突发环境事件的高发期; 第二阶段：波动期(1995~2002年), 该阶段发生的突发环境事件数量年际波动变化较大; 第三阶段：下降期(2003~2006年), 这一阶段突发环境事件数量逐年下降, 从2003年的1 843次下降至2006年的842次; 第四阶段：稳定期(2007~2018年), 该阶段突发环境事件数量较前3个阶段有明显下降, 平均每年发生438.92次.
|
图 1 1991~2018年中国突发环境事件发生数 Fig. 1 Number of environmental emergencies in China from 1991 to 2018 |
2006年是整个研究期前三阶段和第四阶段稳定期的转折点, 突发环境事件的数量在2006年之后明显减少, 这可能与2005年《国家突发环境事件应急预案》的颁布和实施有较大关系, 其使突发环境事件的应急组织体系逐渐完善, 明确了各级部门的职责; 开展信息监测和风险评估, 进行突发环境事件的监测预警; 完善了突发环境事件的分级响应机制, 设定了应急响应程序[37].这为防范突发环境事件、降低和减小突发环境事件的恶性影响起到重要作用.2012年11月, 党的“十八大”提出要大力推进生态文明建设, 并首次在中国特色社会主义事业总布局中纳入生态文明建设, 这是第四阶段稳定期从2013年开始突发环境事件逐年下降的重要原因.
2.1.2 突发环境事件空间依赖格局(1) 全局空间依赖格局 通过Geoda计算得出1991~2018年突发环境事件的全局Moran指数, 随机状态下的期望值E(I)为-0.033.全局Moran指数和显著性水平如图 2所示.Moran指数变化分为以下3个阶段.第一阶段：1991~2000年, 这一阶段只有1991~1994年的Moran指数在0.1的显著性水平下显著, 且均大于随机模式下的期望值E(I), 突发环境事件呈空间正相关.第二阶段：从2001~2014年, 该阶段各年突发环境事件的Moran指数均大于E(I), 除2007年的其余年份均通过显著性水平检验, 即该阶段除2007年外均存在显著的空间正相关性.全局Moran指数大致呈先波动下降后上升的态势, 从2001年的0.159 3波动下降至2011年的0.094 9, 然后在2012年急剧上升至0.248 2, 之后有小幅波动直到2014年达到最大值0.273 6, 说明这期间突发环境事件的空间集聚性在逐渐增强.第三阶段：2015~2018年, 虽然该阶段突发环境事件Moran指数都大于E(I), 但未能通过显著性检验, 即突发环境事件呈随机分布.
|
图 2 1991~2018年中国突发环境事件全局Moran指数和显著性水平 Fig. 2 Global Moran index and significance level of environmental emergencies in China from 1991 to 2018 |
总的来说, 28年间突发环境事件除了少数年份外, 在大多数年份中都表现为空间正相关性, 通过0.1显著性检验的年份均呈空间正相关性.而且这些年份省域突发环境事件的空间集聚性在逐渐增强, 也就是说虽然突发环境事件有一定的不确定性和突发性, 但31个省、自治区和直辖市的突发环境事件在空间分布上并非完全随机和有较为明显的空间依赖性.
(2) 局部空间依赖格局 基于1991~2018年省域突发环境事件的全局Moran指数的阶段性特征, 选取1991、1997、2001、2008、2014和2018年这6个时间节点来进行突发环境事件的局部空间自相关分析.将以上6个年份的突发环境事件Moran散点图的4种集聚类型进行空间分布可视化表示(如图 3所示).统计各年份4种集聚类型的数量可以发现, 6 a中各年呈现空间正相关(“高-高”和“低-低”类型)省份占比为55%~65%, 各年呈现空间负相关(“高-低”和“低-高”类型)的省份为35%~45%, 说明突发环境事件在省域之间的发展并不均衡, 多数突发环境事件高发省域会和同种性质省域(高发区)相邻, 即相邻省域之间会相互影响, 同种性质的省域趋于集聚.其中“低-低”类型省份数量先增多后减少; “高-高”类型省份数量先减少后增多.2008年“高-高”类型数量达到最少, 应与“绿色奥运”理念对中国生态环境建设的推动作用有关.
|
图 3 中国突发环境事件Moran散点空间分布 Fig. 3 Spatial distribution of Moran scattered points of environmental emergencies in China |
属于突发环境事件的“高-高”类型的省份大多集中在沿海地区和中部; “低-低”类型的省份集中在西部和东北部地区, 其中一直属于“低-低”类型的省份有新疆、西藏、青海、黑龙江和吉林.整个研究期内4种类型所包括的省份不断变化, 是一个动态的过程.
2.2 突发环境事件的影响因素 2.2.1 变量选取目前已有一些学者对突发环境事件的影响因素进行研究, 都认为突发环境事件的发生受多种因素的影响且作用机制复杂.由于本研究时间跨度较大, 有些年份的数据统计口径不一致, 较早年份的部分解释变量甚至难以获取.考虑到以上因素, 本研究按照各类因素对突发环境事件的潜在影响程度、数据的可比性和可获取性, 从经济发展水平、产业结构、污染排放强度、污染治理水平、法制环境和环境信访强度等方面分析对突发环境事件的作用, 分别选取人均GDP(元)、第二产业产值与GDP的比值、工业废气废水固体废物污染排放总量(万t)、工业污染源治理投资总额与GDP的比值、市场中介组织的发育和法律制度环境指数、因环境污染来信和电话总数(个)及企业数.
2.2.2 模型处理和评价考虑到各解释因素间会存在量纲差异, 为了消除量纲影响对数据进行标准化处理.此外对各解释因子做共线性检验, 将方差膨胀因子大于10的因子剔除.由于表示法制环境的市场化指数来源于2011和2016两个年度报告, 且两个报告数据基期不同, 故以2008年为界, 分为1997~2007年和2008~2017年两个时间段来研究突发环境事件各解释变量的影响, 研究期各时间段选取的解释变量如下：1991~1996年, 人均GDP、第二产业产值与GDP的比值、因环境污染来信和电话总数(个)、工业废气废水固体废物污染排放总量(万t)和企业数等5个解释变量; 1997~2017年, 人均GDP、第二产业产值与GDP的比值、市场中介组织的发育和法律制度环境指数、因环境污染来信和电话总数(个)、工业污染源治理投资总额与GDP的比值和工业废气废水固体废物污染排放总量(万t)这6个解释变量.另外, 时空地理加权回归模型构建中需要的各省市空间位置使用对应省会城市的经纬度坐标来表示.
利用GTWR模型分别对1991~1996、1997~2007和2008~2017年这3个时间段的解释变量进行分析, 得到各解释变量的回归系数.各时间段的模型评价指标值如表 2所示.与OLS和GWR方法进行对比可以发现, GTWR模型在各时间段的AICc值有明显的减小, 同时拟合优度R2有显著的提高.GTWR模型对各时间段突发环境事件解释变量的分析比OLS和GWR更加准确, 拟合度更好.
|
|
表 2 模型评价指标值 Table 2 Model evaluation index value |
2.2.3 影响因素的时间演化特征
1991~2017年突发环境事件各影响因素回归系数的时间变化箱型图如图 4所示.不同地区的影响因素和突发环境事件表现出不同的相关关系, 即各影响因素对突发环境事件的作用效果不同, 同一要素对不同时期突发环境事件的作用也有所不同.整合此次研究中3个时间段内各影响因素对突发环境事件的时间变化特征可得出：在整个研究期内, 经济发展水平对突发环境事件的影响以2007年和2015年为界表现为“负-正-负”模式; 产业结构对突发环境事件的影响以2013年为界表现为“负-正”模式; 污染排放量对突发环境事件的影响以2008年和2013年为界呈现为“正-负-正”模式; 环境信访对突发环境事件的作用多表现为正向影响; 法制环境对突发环境事件的负向影响在逐渐减弱; 污染治理对省域突发环境事件的负向影响逐渐明显.
|
图 4 1991~2017年GTWR回归系数时间变化箱型图 Fig. 4 Box plot of time variation of GTWR regression coefficient from 1991 to 2017 |
(1) 经济发展对突发环境事件的影响 经济发展水平回归系数反映了不同省份经济发展对本省突发环境事件的发生及邻近省域经济发展的外溢效应之和, 如图 5所示.在研究前期(1991~1996年)经济发展水平对各省域突发环境事件多表现为明显的抑制作用(新疆除外), 经济发展对突发环境事件负向影响较大的地区集中分布在中国南部, 有广东、广西、云南、贵州和海南等, 回归系数在-0.446~-0.359之间, 研究区内各省市由南至北经济发展水平的负向影响越来越小, 说明在南部省域突发环境事件受经济发展水平影响较大, 北部省域突发环境事件受经济发展水平影响较小.研究中期(1997~2007年)仅有四川、湖南、吉林和辽宁这4省的回归系数均值为正, 其余各省域经济发展水平的回归系数均值为负.研究后期(2008~2017年), 经济发展水平表现为负向抑制作用的省市数量逐渐减少, 研究后期回归系数正负值以“胡焕庸线”为界, 回归系数为负值的省域主要分布在界线的西北部, 负向影响较大的有青海和甘肃两省, 回归系数在-1.023~-0.754之间; 系数为正值的省域主要分布于界线的东南部, 其中福建省正向影响回归系数最大为0.680.
|
图 5 1991~2017年经济发展水平回归系数 Fig. 5 Regression coefficient of economic development level from 1991 to 2017 |
(2) 产业结构对突发环境事件的影响 产业结构回归系数反映了不同省份的产业结构对本省突发环境事件的发生及邻近省域产业结构的外溢效应之和, 如图 6所示.研究前期和中期全国各省份产业结构对突发环境事件的作用多为负向影响.研究前期除西藏、新疆和云南这三省外其余省域均表现为负向影响, 回归系数在-0.115~0之间, 其中影响较大的有黑龙江和吉林.研究中期影响较大的省份在中部地区的陕西、四川、重庆、湖北、湖南、江西和贵州等7个省市, 回归系数在-0.670~-0.393之间.
|
图 6 1991~2017年产业结构回归系数 Fig. 6 Regression coefficient of industrial structure from 1991 to 2017 |
工业化水平较高的地区, 随着产业结构的不断调整, 淘汰落后产能, 有较为先进的技术设备、专业化的员工和更加严格的标准规范, 因此在有高产值的同时不会滋生更多的突发环境事件, 甚至会抑制突发环境事件数量增多.相反, 工业化水平低的地区更有可能产生较多的突发环境事件.前期和中期产业结构表现为正相关关系的区域集中在西部和东北地区.技术对产业结构影响较大, 能够促使产业结构高级化, 是促使产业发展的直接动力[38], 因此在研究后期, 东部江苏、浙江和上海等地区由于拥有较为先进的技术, 工业化水平高, 产业结构表现为负向抑制作用, 由东至西负向影响递减, 系数在-0.082~0之间.而中西部地区的产业结构表现为正向加剧作用, 集中分布在中部和西部共15个省市, 回归系数分布在0~0.283之间, 其中山西、四川、重庆、贵州、云南和广西等省份产业结构的回归系数均由负转正表现为较强的正向促进作用, 正向影响最大的为陕西.可能与中部崛起战略中对这些地区进行产业转移和产业扶持, 希望提升效益产值但未匹配相应的软硬件设施和专业化人才, 这就增加了突发环境事件发生的可能性.
(3) 环境信访对突发环境事件的影响 环境信访是指当地关于环境污染和生态破坏类问题的来信数和电话网络投诉数, 在某种程度上能反映突发环境事件变化的趋势.信访量越多, 该地区突发环境事件数越多, 影响越严重.环境信访回归系数反映了不同省份的环境信访对本省突发环境事件发生及邻近省域环境信访的外溢效应之和, 如图 7所示.研究前期, 所有省域环境信访对突发环境事件的影响均表现为正向影响且影响程度由东向西递增.研究中期, 东部和北部多数省域环境信访对突发环境事件表现为正向促进作用, 回归系数分布在0~0.376之间, 少数省域环境信访对突发环境事件表现为负向抑制作用, 主要分布在东北和西部, 回归系数分布在-0.343~0之间.研究后期, 正向影响较大的省域分布在东南、西南和北部地区, 在空间上表现为中部地区正向影响小, 向四周正向影响逐渐增大, 回归系数在0~0.226之间.
|
图 7 1991~2017年环境信访回归系数 Fig. 7 Regression coefficients of letters and visits on environmental issues from 1991 to 2017 |
(4) 污染排放对突发环境事件的影响 废水、废气和固体废物的处理技术较差, 工业企业的环保意识不足, 使得污染排放量的增多会加剧突发环境事件的发生.污染排放回归系数反映了不同省份的污染排放对本省突发环境事件的发生及邻近省域污染排放的外溢效应之和, 如图 8所示.研究前期污染排放与突发环境事件均表现为正相关关系.空间分布整体上表现出一定的阶梯分布特征, 从南向北正向影响逐渐减小.研究中期, 经济发展水平较高的地区会率先优化污染物处理技术, 提升污染达标排放率, 减少突发环境事件的发生.上海、江苏和浙江等东部省市, 回归系数在-0.17~0之间, 以上省市污染排放的增多对突发环境事件的发生有负向抑制作用; 其余省市污染排放与突发环境事件呈正相关关系, 回归系数在0~1.953之间, 其中正向影响较大的区域在我国西南部和南部, 正向影响最大的省份为广西壮族自治区.研究后期, 污染排放对突发环境事件表现为负向抑制作用的省份愈加增多, 区域从原先的东部扩展到了北至内蒙古、西至四川、南至海南的广大中西部地区, 回归系数分布在-0.43~0之间.污染排放的负向抑制作用在空间分布上表现为以福建为中心向周围辐散式递减的特点.
|
图 8 1991~2017年污染排放回归系数 Fig. 8 Regression coefficient of pollution emissions from 1991 to 2017 |
(5) 法制环境对突发环境事件的影响 法制环境回归系数反映了不同省份的法制环境对本省突发环境事件发生及邻近省域法制环境的外溢效应之和, 如图 9所示. 1997~2007年期间多数省域表现为负相关关系, 即良好的法制环境能够有效抑制突发环境事件.负向影响较大的区域集中在中国南部的海南、广东、广西、云南、湖南、贵州和四川等地, 回归系数在-0.86~-0.438之间, 在空间分布上表现为从该区域向北各省市的法制环境负向抑制作用递减.1997年, 党的“十五大”报告明确提出“依法治国是党领导人民治理国家的基本方略”, 从此中国进入了法制建设的快速发展阶段. 1997~2007年除东部和西部少数省市外, 其余各地法制环境与突发环境事件均表现为负相关关系, 即法制环境的优化有利于突发环境事件数量的减少.该时期为突发环境事件发生的波动期和下降期, 突发环境事件数量相对较多.在从1997~2001年的5年间内, 法制环境与突发环境事件的发生表现为负相关关系的省份数量渐增, 2001年增至27个省份, 说明中国的法制建设在初期对减少污染、维护社会秩序有一定成效, 能有效抑制突发环境事件.
|
图 9 1997~2017年法制环境回归系数 Fig. 9 Regression coefficient of legal environment from 1997 to 2017 |
2000年之后由于国家西部大开发和中部崛起战略的先后实施[19], 中西部的部分省份成为高发区, 突发环境事件数量激增, 2002年开始, 当战略的正向作用超过了法制环境的负向作用, 法制环境回归系数变为正值的省份逐渐增多.研究后期, 尤其是2008年之后突发环境事件处于稳定低发期, 此时突发环境事件的发生有更强的不确定性, 法制环境的改善对突发环境事件很难有明显的抑制作用.因此虽多数省份法制环境的系数表现为正, 但实质上是法制环境对突发环境事件的负向作用在减小.法制环境对突发环境事件表现为负向抑制作用的地区有西部的新疆和南部的云南、贵州、广西和海南, 回归系数在-0.088~0之间.其余省份的法制环境影响系数多为正值, 正向影响较大的区域集中在甘肃、陕西和宁夏三省, 回归系数在0.35~0.604之间, 以此为中心向四周正向影响辐散式递减.从回归系数数值大小上看, 空间上表现为以陕西为中心, 中间高四周低的特点.
(6) 污染治理对突发环境事件的影响 污染治理水平回归系数反映了不同省份的污染治理水平对本省突发环境事件发生及邻近省域污染治理水平的外溢效应之和, 如图 10所示.在1997~2007年期间, 仅有13个省份的污染治理投资能够对本省突发环境事件的发生有抑制作用, 大多分布在东部和南部地区, 回归系数在-0.271~0之间.其中影响较大的地区有西藏、广西和海南, 这些省域生态环境较好, 是突发环境事件的低发区, 一定的污染治理投资就能有不错的效果.还有一些省市由于经济发展较快提升了公众对环境清洁的偏好[39], 进而投入较大比重的资金用于污染治理, 如北京、天津、上海和广东等.随着经济水平的快速提升和国家对环保事业的重视, 各省市有更多的经济实力投入到生态环境事业的建设中去.研究后期, 越来越多省市的污染治理投资能够对突发环境事件的发生起到一定的抑制作用, 负向影响的省份数量增至23个, 回归系数在-1.247~0之间, 负向影响较大的省份大多分布在中国东部的上海、浙江和福建等地, 空间分布上表现为由东至西负向影响递减.总的来说, 污染治理对突发环境事件的正向加剧作用在逐渐减小, 主要分布在西部和南部地区, 负向抑制作用在逐步加强且从初期的东部逐渐扩散至中部和北部多数地区.
|
图 10 1997~2017年污染治理回归系数 Fig. 10 Regression coefficient of pollution control from 1997 to 2017 |
(1) 中国大多数年份的突发环境事件存在着空间正相关性, 其中1991~1994年和2001~2014年两个时间段的Moran指数在0.1显著性水平下显著, 且这些年份省域突发环境事件的空间集聚性在逐渐增强.
(2) 突发环境事件存在着非均衡的发展格局, “低-低”类型的省份集中在西部和东北地区, 数量增多后减少; 而“高-高”类型的省份表现为由东部、南部向中西部转移, 数量减少后增多.各省市突发环境事件在空间集聚中的作用不同且不断变化.
(3) 影响因素对突发环境事件的作用是动态变化的：经济发展水平对突发环境事件的影响表现为“负-正-负”模式; 产业结构对突发环境事件的影响表现为“负-正”模式; 污染排放对突发环境事件的影响整体来看呈现“正-负-正”模式; 环境信访对突发环境事件的发生多表现为正向影响; 法制环境对突发环境事件的负向影响在逐渐减弱; 污染治理对省域突发环境事件的负向影响逐渐明显.
(4) 经济发展水平、产业结构、环境信访、法制环境和污染治理等因素回归系数的时空差异较大, 对不同时期和省域突发环境事件的影响表现出显著的时空异质性特征.
| [1] | Zhu Y G, Wang L, Wang Z J, et al. China steps up its efforts in research and development to combat environmental pollution[J]. Environmental Pollution, 2007, 147(2): 301-302. DOI:10.1016/j.envpol.2006.10.001 |
| [2] | Wiens J A, Parker K R. Analyzing the effects of accidental environmental impacts: approaches and assumptions[J]. Ecological Applications, 1995, 5(4): 1069-1083. DOI:10.2307/2269355 |
| [3] |
毕军, 王华东. 沈阳地区过去30年环境风险时空格局的研究[J]. 环境科学, 1995, 16(5): 72-75. Bi J, Wang H D. Temporal and spatial patterns of environmental risk events in the past 30 years in Shenyang city[J]. Chinese Journal of Enviromental Science, 1995, 16(5): 72-75. DOI:10.3321/j.issn:0250-3301.1995.05.002 |
| [4] | Holzmann R, Jørgensen S. Social risk management: a new conceptual framework for social protection, and beyond[J]. International Tax and Public Finance, 2001, 8(4): 529-556. DOI:10.1023/A:1011247814590 |
| [5] | Hansson S O. A descriptive framework for public risk management[J]. Risk Management, 2001, 3(3): 23-32. DOI:10.1057/palgrave.rm.8240091 |
| [6] |
李昌林, 胡炳清. 我国突发环境事件应急体系及完善建议[J]. 环境保护, 2020, 48(24): 34-39. Li C L, Hu B Q. China's environmental emergency response system and suggestions[J]. Environmental Protection, 2020, 48(24): 34-39. |
| [7] |
刘德海. 环境污染群体性突发事件的协同演化机制——基于信息传播和权利博弈的视角[J]. 公共管理学报, 2013, 10(4): 102-113. Liu D H. Co-evolutionary mechanism of mass emergency derived from environmental pollution: based on the viewpoint of information shortage and right absence[J]. Journal of Public Management, 2013, 10(4): 102-113. |
| [8] |
虢清伟, 邴永鑫, 陈思莉, 等. 我国突发环境事件演变态势、应对经验及防控建议[J]. 环境工程学报, 2021, 15(7): 2223-2232. Guo Q W, Bing Y X, Chen S L, et al. Pattern of evolution, experience of response, and suggestions of prevention and control of environmental emergencies in China based on typical case studies[J]. Chinese Journal of Environmental Engineering, 2021, 15(7): 2223-2232. |
| [9] |
宋民雪, 刘德海, 尹伟巍. 经济新常态、污染防治与政府规制: 环境突发事件演化博弈模型[J]. 系统工程理论与实践, 2021, 41(6): 1454-1464. Song M X, Liu D H, Yin W W. Economic new normal, pollution prevention and government regulation: evolutionary game model of environmental emergencies[J]. Systems Engineering -Theory & Practice, 2021, 41(6): 1454-1464. |
| [10] |
袁鹏, 宋永会. 突发环境事件风险防控与应急管理的建议[J]. 环境保护, 2017, 45(5): 23-25. Yuan P, Song Y H. Suggestions on promotion of emergency environmental accidents risk prevention and emergency management[J]. Environmental Protection, 2017, 45(5): 23-25. |
| [11] | Zhao M, Chen Q W, Ma J, et al. Optimizing temporary rescue facility locations for large-scale urban environmental emergencies to improve public safety[J]. Journal of Environmental Informatics, 2017, 29(1): 61-73. |
| [12] | Wirtz K W, Baumberger N, Adam S, et al. Oil spill impact minimization under uncertainty: evaluating contingency simulations of the Prestige accident[J]. Ecological Economics, 2007, 61(2-3): 417-428. DOI:10.1016/j.ecolecon.2006.03.013 |
| [13] |
秦晓光, 龚婉卿, 谭赛章, 等. 海上突发环境事件生态系统服务损失评估进展[J]. 环境科学研究, 2020, 33(4): 987-994. Qin X G, Gong W Q, Tan S Z, et al. Progress in assessing ecosystem services loss in marine environmental emergencies[J]. Research of Environmental Sciences, 2020, 33(4): 987-994. |
| [14] |
李旭, 吕佳佩, 裴莹莹, 等. 国内突发环境事件特征分析[J]. 环境工程技术学报, 2021, 11(2): 401-408. Li X, Lü J P, Pei Y Y, et al. Analysis of the characteristics of environmental emergencies in China[J]. Journal of Environmental Engineering Technology, 2021, 11(2): 401-408. |
| [15] |
向佐群, 张思琪. 2010年以来我国重大突发环境事件行政问责实证研究[J]. 中南林业科技大学学报(社会科学版), 2018, 12(5): 41-48. Xiang Z Q, Zhang S Q. Empirical research on environmental accountability of emergent environmental incidents in China Since 2010[J]. Journal of Central South University of Forestry & Technology (Social Sciences), 2018, 12(5): 41-48. |
| [16] |
李胜. 超大城市突发环境事件管理碎片化及整体性治理研究[J]. 中国人口·资源与环境, 2017, 27(12): 88-96. Li S. Fragmentation and holistic governance of environment emergency incident in megacities[J]. China Population, Resources and Environment, 2017, 27(12): 88-96. |
| [17] |
李春根, 李胜. 超大城市突发环境事件整体性治理研究[J]. 中国行政管理, 2017(12): 123-128. Li C G, Li S. The holistic governance of megacities environmental emergency[J]. Chinese Public Administration, 2017(12): 123-128. |
| [18] |
赵雪雁, 王蓉, 王晓琪, 等. 基于多尺度的中国环境污染事件时空分布及其影响因素[J]. 地理科学, 2019, 39(9): 1361-1370. Zhao X Y, Wang R, Wang X Q, et al. Spatio-temporal distribution and influencing factors of environmental pollution incidents based on multi-scales in China[J]. Scientia Geographica Sinica, 2019, 39(9): 1361-1370. |
| [19] |
丁镭, 黄亚林, 刘云浪, 等. 1995-2012年中国突发性环境污染事件时空演化特征及影响因素[J]. 地理科学进展, 2015, 34(6): 749-760. Ding L, Huang Y L, Liu Y L, et al. Spatiotemporal variability of sudden environmental pollution incidents and influencing factors in China, 1995-2012[J]. Progress in Geography, 2015, 34(6): 749-760. |
| [20] |
李静, 吕永龙, 贺桂珍, 等. 我国突发性环境污染事故时空格局及影响研究[J]. 环境科学, 2008, 29(9): 2684-2688. Li J, Lu Y L, He G Z, et al. Spatial and temporal changes of emerging environmental pollution accidents and impact factors in China[J]. Environmental Science, 2008, 29(9): 2684-2688. |
| [21] |
陈蓓蓓, 高乃云, 鲁文敏, 等. 水源水中典型化学品突发污染的应急处理[J]. 环境科学, 2009, 30(6): 1632-1638. Chen B B, Gao N Y, Lu W M, et al. Emergent treatment of source water contaminated by representative chemicals[J]. Environmental Science, 2009, 30(6): 1632-1638. |
| [22] | Chu H J, Huang B, Lin C Y. Modeling the spatio-temporal heterogeneity in the PM10-PM2.5 relationship[J]. Atmospheric Environment, 2015, 102: 176-182. |
| [23] |
杨娅, 马俊伟, 刘仁志. 上海市突发环境事件时空格局及影响因素分析[J]. 中国人口·资源与环境, 2012, 22(S1): 105-109. Yang Y, Ma J W, Liu R Z. Temporal and spatial patterns of abrupt environmental incidents and its causative factors in Shanghai[J]. China Population, Resources and Environment, 2012, 22(S1): 105-109. |
| [24] |
葛岂序, 刘岩, 杨洪, 等. 2015~2019年河南省PM2.5时空特征与驱动因素分析[J]. 环境科学, 2022, 43(4): 1697-1705. Ge Q X, Liu Y, Yang H, et al. Analysis on spatial-temporal characteristics and driving factors of PM2.5 in Henan province from 2015 to 2019[J]. Environmental Science, 2022, 43(4): 1697-1705. |
| [25] | Wu B, Li R R, Huang B. A geographically and temporally weighted autoregressive model with application to housing prices[J]. International Journal of Geographical Information Science, 2014, 28(5): 1186-1204. |
| [26] | Wu C, Ren F, Hu W, et al. Multiscale geographically and temporally weighted regression: exploring the spatiotemporal determinants of housing prices[J]. International Journal of Geographical Information Science, 2019, 33(3): 489-511. |
| [27] | Dong F, Zhang S N, Long R Y, et al. Determinants of haze pollution: an analysis from the perspective of spatiotemporal heterogeneity[J]. Journal of Cleaner Production, 2019, 222: 768-783. |
| [28] | Bai Y, Wu L X, Qin K, et al. A geographically and temporally weighted regression model for ground-level PM2.5 estimation from satellite-derived 500 m resolution AOD[J]. Remote Sensing, 2016, 8(3): 262. |
| [29] | Chu H J, Bilal M. PM2.5 mapping using integrated geographically temporally weighted regression (GTWR) and random sample consensus (RANSAC) models[J]. Environmental Science and Pollution Research, 2019, 26(2): 1902-1910. |
| [30] | Hong Z M, Mei C L, Wang H H, et al. Spatiotemporal effects of climate factors on childhood hand, foot, and mouth disease: a case study using mixed geographically and temporally weighted regression models[J]. International Journal of Geographical Information Science, 2021, 35(8): 1611-1633. |
| [31] | 国家统计局. 中国统计年鉴1992-2019[M]. 北京: 中国统计出版社, 1992. |
| [32] | 国家统计局国民经济综合统计司. 新中国六十年统计资料汇编[M]. 北京: 中国统计出版社, 2010. |
| [33] | 《中国环境年鉴》编辑委员会. 中国环境年鉴1992-2019[M]. 北京: 中国环境年鉴社, 1992. |
| [34] | 樊纲, 王小鲁, 朱恒鹏. 中国市场化指数. 各地区市场化相对进程2011年报告[M]. 北京: 经济科学出版社, 2011. |
| [35] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
| [36] | Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401. |
| [37] | 国家突发环境事件应急预案[J]. 油气田环境保护, 2006, 16(4): 49-55. |
| [38] |
高远东, 陈迅. 中国省域产业结构的空间计量经济研究[J]. 系统工程理论与实践, 2010, 30(6): 993-1001. Gao Y D, Chen X. Spatial econometric analysis of industrial structure of chinese provinces[J]. Systems Engineering-Theory & Practice, 2010, 30(6): 993-1001. |
| [39] |
田志华, 田艳芳. 环境冲突是经济发展的副产品吗?——基于1998-2013年中国省级面板数据的分析[J]. 财经研究, 2017, 43(11): 98-112. Tian Z H, Tian Y F. Are environmental conflicts the byproduct of economic growth? Evidence from provincial panel data of 1998-2013 in China[J]. Journal of Finance and Economics, 2017, 43(11): 98-112. |