文章检索 高级检索
  气候变化研究进展   2017, Vol. 13 Issue (6): 534-544.  DOI: 10.12006/j.issn.1673-1719.2017.104
0

气候承载力专栏

引用本文 [复制中英文]

卢燕宇, 田红, 孙维, 等. 面向新型城镇化的气候承载力指标研究——以皖江城市带为例[J]. 气候变化研究进展, 2017, 13(6): 534-544. DOI: 10.12006/j.issn.1673-1719.2017.104.
[复制中文]
Lu Yanyu, Tian Hong, Sun Wei, et al. Assessment on Climatic Carrying Capacity in the Process of New Urbanization:A Case Study in the Wanjiang City Belt[J]. Climate Change Research, 2017, 13(6): 534-544. DOI: 10.12006/j.issn.1673-1719.2017.104.
[复制英文]

资助项目

中国气象局气候变化专项(CCSF201507,CCSF201734);中国清洁发展机制基金赠款项目(2013028);安徽省气象局创新团队建设计划;中国气象局青年英才计划

作者简介

卢燕宇, 男, 高级工程师, ahqxlyy@163.com

文章历史

收稿日期:2017-06-05
修回日期:2017-08-02
面向新型城镇化的气候承载力指标研究——以皖江城市带为例
卢燕宇 1,2, 田红 1, 孙维 3, 吴蓉 1,2, 王胜 1,2    
1. 安徽省气象局气候中心, 合肥 230031;
2. 安徽省大气科学与卫星遥感重点实验室, 合肥 230031;
3. 安徽省气象局公共气象服务中心, 合肥 230031
摘要:从服务新型城镇化进程出发,本文基于气候条件与人类活动的相互作用关系,同时考虑气候的资源和灾害双重属性,识别并构建了包含气候资源供给、气候灾害限制和城镇化协调发展水平三方面要素的气候承载力评价指标体系,进而采用熵权法、耦合协调度模型和GIS技术等方法实现了指标的量化,形成了气候承载力的综合评价指标和模型。以皖江城市带为例,应用该套指标方法探讨了气候承载力的空间格局与关键影响因子,结果表明,皖江城市带城镇化发展格局与气候承载力分布较为一致,气候承载力较高的地区意味着可容纳的城市发展负荷量较高,而与之对应的这些地区城镇化集聚程度也较高;但气候承载力水平空间差异显著,区域整体气候承载力还有待进一步优化提升。根据城镇化集聚度和气候承载力特点,将皖江城市带分为4个等级和12种类型,并进一步揭示了不同类型地区存在的承载力"短板"和问题现状。
关键词气候承载力    综合指标    双重属性    耦合协调    集聚度    
引言

近百年来全球气候正经历一次以变暖为主要特征的显著变化,人类活动的影响是20世纪中期以来观测到的全球变暖的主要原因[1],人类活动不断增强的另一结果即是城镇化进程。城镇化是人类发展的必然过程。我国城镇化正处于加速阶段,每年新增城镇人口约2000万人,年均城镇化水平提高近1.5个百分点。在城镇化快速发展过程中,也存在一些突出矛盾和问题[2]。面对当前城镇化发展模式粗放、资源约束趋紧、生态环境恶化等严峻形势[3],我国提出了新型城镇化发展战略,其中资源环境承载力是新型城镇化发展的重要支撑[4-5]。作为一种重要的自然资源,气候条件同耕地、水资源一样,特定范围内的气候所能承载人口、经济、社会等要素的能力是有限的[6]。因此,在推进新型城镇化进程中应充分考虑各区域的气候和环境变化特征与趋势,科学评估气候承载力也将为优化国土空间开发格局、提升城镇化可持续发展水平提供重要支撑。

随着资源环境承载力的内涵和外延不断扩展[7],气候承载力的概念近年也被提出,并给出了初步评估框架,但气候承载力研究还处于起步阶段,在概念内涵、评估指标和技术方法等方面还有待进一步厘清[8-9],在研究的广度和深度上还有待拓展,无法满足服务新型城镇化的需求。从本质上来看,气候承载力是一个特定地区能够承载一定的自然资源、人口和社会经济发展的气候本底条件,其不仅仅包含了直接作用于人类社会的光、温、水等气候资源,还衍生了水资源、土地、环境和生态等资源容量[6]。因此,科学评估气候承载力需要以社会-生态系统为对象[10],借鉴已有承载力研究的理论和方法论基础,从多角度分析气候承载力,研究城镇化进程中气候条件的“短板”和制约条件,提升气候承载力分析的系统性和综合性。此外,气候不仅具有资源属性,极端天气气候条件还会带来灾害性后果。因此,气候风险分析也是气候承载力研究中的重要组成部分。特别是在气候变化和城镇化双重影响下,气象灾害的致灾因子、承灾体的暴露度和脆弱性都在发生改变,这就更需要我们关注气候的双重属性,从而为适应气候变化、支撑新型城镇化建设提供科学依据。

在2015年发布的《国家新型城镇化综合试点方案》中安徽成为两个试点省之一,安徽长期以来是农业大省、农村人口大省,城镇化率基数低,城镇化水平相对滞后,并且“半城镇化”现象比较严重。安徽加快新型城镇化进程势所必然,并且具有巨大潜力和广阔空间[11]。皖江城市带是首个国家级承接产业转移示范区,该地区规划发展的重心是将承接产业转移与提高可持续发展能力结合起来,加快推进示范区资源节约型和环境友好型社会建设,这也正与新型城镇化推进目标相一致。与此同时,该地区地处南北气候过渡带,地形地貌复杂,气候资源分布不均,极端气候事件频发,气候变化对该地区不同领域和行业的影响也已显现[12-13]。随着气候变化和城镇化进程加快,气候条件对区域社会经济可持续发展的影响和约束愈加显著,迫切需要一个全面客观的气候承载力分析成果为推进新型城镇化提供指导。因此,研究皖江城市带气候承载力问题具有显著的试点示范和现实意义。

综上所述,本文通过科学解析气候承载力内涵,借鉴国内外相关研究成果,分析气候承载力的构成要素,建立气候承载力评估指标体系和模型,并以皖江城市带为例开展实证分析,探讨气候承载力的分布格局和现状问题,并在此基础上提出适应对策建议。

1 指标体系构建 1.1 研究思路

气候承载力分析实际上是研究气候条件与人类活动的相互作用关系,考虑到气候的资源和灾害的双重属性,气候承载力应从气候资源供给、气候灾害限制和人类活动三方面进行描述。气候资源供给主要指在一定气候条件下所能承载的资源量[6];气候灾害限制则体现极端气候对社会经济和城镇化的破坏能力[14],构建相应的评价指标;人类活动类指标主要用来表征社会经济发展和新型城镇化水平[15]。在解析气候承载力内涵和构成体系的基础上,需要对各构成因子进行系统集成,最终形成气候承载力的综合指标以实现定量评估。考虑到本文研究的气候承载力是用于表征城镇化发展与当地气候条件是否相互协调适宜,其本质上与以“人口-资源-环境-发展”为对象的区域PRED系统研究具有相通之处,因此本文沿用了封志明等[16]提出的人口分布适宜度评价框架,将其引入气候承载力综合指标的构建,实现气候资源供给、灾害限制和城镇化等各类指标的集成耦合(图 1)。

图 1 气候承载力的概念性模型和评估框架 Figure 1 Conceptual model and framework of climate carrying capacity
1.2 评估指标 1.2.1 气候资源供给度

气候资源供给度主要指直接作用于人类社会的光、温、水等气候条件,以及在此基础上衍生的水资源、土地、环境和生态等资源容量[6, 8]。在城镇化发展进程中,粮食、水资源和空气质量是关系到居民生活水平、产业发展和人居环境的重要需求,同时也与气候条件密切相关。因此本文主要从气候对粮食生产、水资源和环境的影响角度来综合评判气候资源供给度,指标计算公式如下:

$ {{I}_{\rm{R}}}=\sum\nolimits_{i=1}^{3}{\left( {{w}_{{{r}_{i}}}}\times {{I}_{{{r}_{i}}}} \right)}。$ (1)

式中,IR为气候资源供给度,Irii = 1,2,3)分别代表气候生产潜力、可利用降水资源量和大气环境容量因子指标。气候生产潜力(Ir1)采用光、温、水逐级订正的方法进行计算[9];可利用降水资源量(Ir2)采用年降水量与蒸散发量的差值来表征[17];大气环境容量(Ir3)采用箱式模型A值法确定[18]wri为各因子对应的权重值。

1.2.2 气候灾害限制度

气候灾害限制度指气候灾害对城镇化发展的约束水平。本文主要考虑针对城镇这一特定承灾体易遭受的气象灾害类型[14],同时结合皖江城市带的区域特点[19],选择了暴雨、干旱、高温和雷电4种灾害类型进行综合评价,指标计算公式如下:

$ {{I}_{\rm{D}}}=\sum\nolimits_{i=1}^{4}{\left( {{w}_{{{d}_{i}}}}\times {{I}_{{{d}_{i}}}} \right)}。$ (2)

式中,ID为气候灾害限制度,Idii = 1,2,3,4)分别代表暴雨、干旱、高温和雷电灾害限制度因子,Wdi为各因子的权重。

由于灾害发生不仅与气候条件本身有关,还受地形地貌、植被类型、土地利用等下垫面环境以及社会经济条件等因素的影响。因此对每个灾种参照自然灾害风险系统理论[20],从致灾因子、孕灾环境以及承灾体等方面进行评估,同时考虑到本研究所构建的承载力评估框架中已包含了反映社会经济状况的指标,为避免重复计算这里只从气候灾害的自然因素角度进行综合评判,即致灾因子和孕灾环境。每种灾害涉及的评价因子如表 1所示,评估模型如下:

$ {{I}_{{{d}_{i}}}}={{V}_{{{E}_{i}}}}^{{{w}_{{{e}_{i}}}}}\times V_{{{H}_{i}}}^{{{w}_{{{h}_{i}}}}}。$ (3)
表 1 不同类型气候灾害致灾因子和孕灾环境评价指标 Table 1 Indices of meteorological and environmental factors concerning different climatic disasters

式中,Idi代表各灾种的灾害限制度,VEi为该灾种的致灾因子,VHi为孕灾环境,weiwhi分别为对应的权重,每种灾害的致灾因子和孕灾环境指标的具体计算方法可见文献[20]。

1.2.3 城镇化发展协调度

新型城镇化主要包含了人口城镇化、空间城镇化、产业城镇化、社会城镇化等几个方面的内涵。其中,人口城镇化是新型城镇化的核心,产业城镇化是其动力,空间城镇化是其载体,社会城镇化是其目的。借鉴已有城镇化的评价体系[15, 21],通过考虑人口、空间和产业城镇化的耦合协调关系来表征某一地区的新型城镇化水平,采用耦合协调度模型来构建相应的评价指标,计算公式如下:

$ {{I}_{\rm{U}}}=\sqrt{C\times \sum\nolimits_{i=1}^{3}{\left( {{w}_{{{u}_{i}}}}\times {{I}_{{{u}_{i}}}} \right)}}。$ (4)

式中,IU为城镇化发展协调度, Iuii = 1,2,3)分别代表人口、空间和产业城镇化评价因子,其中人口城镇化指标(Iu1)为城镇人口与总人口的比值;空间城镇化(Iu2)为建成区面积与总面积的比值;产业城镇化(Iu3)为第二、三产业增加值与地区生产总值的比值,wui为各因子的权重,参考已有研究分别取0.4、0.2和0.4[21],该套指标及权重已在长江经济带等地区得到应用[15]C为人口、空间和产业城镇化的耦合度指标,计算公式如下:

$ C=3\times {{\left( \frac{\prod\nolimits_{i=1}^{3}{{{I}_{{{u}_{i}}}}}}{{{\left( \sum\nolimits_{i=1}^{3}{{{I}_{{{u}_{i}}}}} \right)}^{3}}} \right)}^{\frac{1}{3}}}。$ (5)
1.2.4 气候承载力综合指标

面向新型城镇化的气候承载力指标反映的是不同地区气候条件与城镇化发展之间的协调适宜程度,根据概念性模型和评估框架,采用气候资源供给度(IR)、气候灾害限制度(ID)和新型城镇化发展协调度(IU)3个指标构成的三角形面积与三者均为1时构成的正三角形面积(A)的比值(图 1),来表达当地气候条件对新型城镇化发展的承载情况。计算公式如下:

$ {{I}_{\rm{CC}}}={{A}_{\rm{RDU}}}/A。$ (6)

式中,ICC为气候承载力综合指标,ARDUIR、(1-ID)和IU为角分线构成的三角形面积,计算公式如下:

$ \begin{align} &{{A}_{\rm{RDU}}}=0.5\times \sin \left( 2\rm{ } \pi \rm{ /3} \right)\times \left[{{I}_{\rm{R}}}\times \left( 1-{{I}_{\rm{D}}} \right) \right.+\left( 1-{{I}_{\rm{D}}} \right)\times \\ &\ \ \ \ \ \ \ \ \ \ \ \ \left. {{I}_{\rm{U}}}+{{I}_{\rm{U}}}\times {{I}_{\rm{R}}} \right]。\\ \end{align} $ (7)
1.2.5 社会经济及人口集聚度

为进一步探讨气候承载力与当前社会经济集聚水平之间的关系,采用集聚度来衡量某一地区社会经济及人口的相对集疏程度,计算公式如下:

$ {{C}_{Lj}}=\left( {{P}_{j}}/{{A}_{j}} \right)/\left( {{P}_{n}}/{{A}_{n}} \right)。$ (8)

式中,CLjj地区的集聚度,Pjj地区的人口或经济总量,Ajj地区的土地面积,Pn为整个地区的人口或经济总量,An为整个地区的土地面积。采用式(8)分别计算人口和社会经济的集聚度,最后以等权相加得到综合集聚度。

2 研究区概况及数据方法 2.1 研究区概况

本文研究对象为皖江城市带,主要指2010年1月12日由国务院正式批复的《皖江城市带承接产业转移示范区规划》所提及的安徽省沿长江城市带(图 2),共59个县(市、区),土地面积7.6万km2,人口3058万人,2015年生产总值为16237.40亿元。

图 2 皖江城市带地理位置及概况 Figure 2 Scope and location of Wanjiang city belt
2.2 数据来源及处理方法

选取了研究区内46个气象台站1961—2015年逐日气象要素,包括降水量、气温(平均、最高及最低)、日照时数、相对湿度、平均风速等,资料来源于安徽省气象信息中心。相关下垫面信息包括地形高程和土地利用类型等,其中地形数据来源于SRTM(航天飞机雷达地形测绘任务)4.2版本的90 m分辨率的数字地面高程[22],土地利用数据采用美国地质勘探局发布的全球1 km分辨率的土地利用类型资料[23]。社会经济统计数据以2015年为基准,资料主要来自于《安徽省统计年鉴》,部分数据来源于《中国城市统计年鉴》。

基础数据图层采用1 km×1 km栅格作为统一空间划分方案,气象站点数据以Kriging法插值到各个栅格,高程和土地利用等数据采用重采样方法保持分辨率的统一,社会经济数据以县(市、区)名与空间数据进行关联。最后以县级行政单元为基本研究单元对各评价因子进行统计分析和指标计算。

2.3 指标权重确定

气候承载力指标中的IRID采用熵权法进行客观赋权和综合评判,熵权法主要根据各指标传递给决策者的信息量大小来定量确定其权重。首先根据评价指标的不同性质,采取极差正规化法对原始数据进行标准化、正向化处理。之后根据指标值的变异程度确定信息熵,当变异越大,则信息熵越小,该指标提供的信息量就越大,因而该指标的权重就越大;反之,指标权重就越小[24]。基于熵权法得到的各因子权重如表 2所示。

表 2 气候资源供给度和气候灾害限制度因子权重 Table 2 The index weights in climatic resource supplying indicator and climatic disaster constraining indicator
3 实证结果与分析 3.1 皖江城市带城镇化与气候条件的基本状况 3.1.1 气候资源供给度

图 3(a)给出了皖江城市带1981—2010年平均气候生产潜力的标准化结果,可以看出该地区气候生产潜力基本呈北多南少的格局,主要与太阳辐射的空间分布有关,大别山区和皖南山区受地形影响,日照百分率较低,光照资源少,同时气温低于平原,也限制了气候生产潜力;皖江城市带北部和沿江地区光、温、水资源配合较好,有利于气候生产潜力的提升,同时这些地区耕地资源较丰富,也有助于充分发挥气候资源优势,为粮食生产和供给提供优异的基础条件[9]。对于可利用降水资源(图 3b)而言,皖江城市带基本呈由南向北递减的趋势,其中江淮分水岭受水资源的制约较为明显,而两大山区降水资源则较为充沛。大气环境容量(图 3c)主要表征大气对污染物的疏散和清洗功能,可以看出由于狭管效应,两大山区之间的沿江地带风资源较丰富[25],对大气污染物有较强的疏散作用,同时该地区降水较充沛,具有较好的湿清除能力,因而大气环境容量为皖江城市带最高。采用气候资源供给度指标(图 3d)综合了不同角度的气候资源,可以看出以沿江西部地区气候资源供给最为丰富,该地区拥有丰富的大气环境容量,降水资源充沛,并且气候生产潜力在全区中也较为突出。江南东部气候资源最为匮乏,这主要与这些地区较低的气候生产潜力和大气环境容量有关,而江淮分水岭地区气候资源供给度也较弱,这主要受当地可利用降水资源的制约。

注:气候生产潜力、可利用降水资源和大气环境容量均为标准化后的结果。 图 3 皖江城市带1981—2010年平均气候生产潜力(a)、可利用降水资源(b)、大气环境容量(c)和气候资源供给度(d)的空间格局 Figure 3 Spatial patterns of the normalized mean climatic potential productivity (a), utilizable precipitation (b), atmospheric environmental capacity (c) and integrated climatic resource supplying indices (d) in Wanjiang city belt during 1981-2010
3.1.2 气候灾害限制度

就暴雨洪涝而言,皖江城市带以沿江地区灾害限制度较高,一方面这些地区暴雨频次较高,另一方面靠近大型水体,水位上涨易引发洪涝灾害(图 4a)。前文已述及江淮分水岭地区水资源制约较为明显,而该地区干旱灾害的限制度也是全区最高(图 4b)。虽然根据气温垂直递减率,山区气温一般较平原低,但沿江江南部分地区由于高温发生频次高、强度强,高温限制仍然较为突出(图 4c)。对于雷电灾害而言,山区的致灾因子和孕灾环境均高于平原[26],因此两大山区的雷电限制度均较高(图 4d)。综合来看皖江城市带的灾害限制度呈南高北低的特征(图 4e),沿江西部及江南地区暴雨洪涝、高温和雷电灾害风险均较高,气候灾害限制较高,合肥及周边地区相对而言灾害发生频次较低、强度较小,孕灾环境不敏感,因而气候灾害限制度最低。

图 4 皖江城市带1981—2010年暴雨(a)、干旱(b)、高温(c)、雷电(d)和综合(e)气候灾害限制度的空间格局 Figure 4 Spatial patterns of rainstorm (a), drought (b), heat wave (c), lightning (d) and integrated climatic disaster indices (e) in Wanjiang city belt during 1981-2010
3.1.3 城镇化发展协调度

人口、空间及产业城镇化的耦合协调一致是优化地区城镇化的必要前提[15]。由图 5可知,皖江城市带基本在中等协调度以上,其中两大山区城镇化协调度较低,产业结构多呈转型升级过程,人口和土地城镇化敏感性较低,“人口-土地-产业”城镇化的协同演进关系仍有待提升,产业结构需进一步转型升级,人口和土地城镇化的配置尚有待进一步优化。沿江和合肥周边地区城镇化协调性相对较高,人口、土地和产业城镇化协同配置关系较为稳定,发展势头较好,其城镇化呈现为较高水平的同步演进状态。需要指出的是,随着城镇化的推进,不同地区的发展协调度也同样会发生变化,在皖江城市带城镇化“两两”配置关系中(图略),以“土地-人口”城镇化协调度最低,这也说明了在大部分地区城镇化过程中存在低成本“圈地”现象。大规模、“翘板式”的人口流动,再加上城镇空间的快速扩张、土地资源投资开发利用低,导致了皖江城市带部分地区的城镇化协调度较低,而从另一角度来看也反映出未来该地区在就业状况、土地配置利用等方面仍有较大的提升空间,通过改善国土开发格局和产业规划等措施能够有效优化提升皖江城市带城镇化的总体协调度水平。

图 5 皖江城市带城镇化发展协调度的空间格局 Figure 5 Spatial pattern of the urbanization coupled coordinating indices in Wanjiang city belt
3.2 皖江城市带气候承载力的分布特征

根据面向城镇化的气候承载力评估模型,从“资源-灾害-发展”三方面因素综合评估了皖江城市带的气候承载力分布特征。由图 6可知,皖江城市带气候承载力空间差异显著,分化明显,其中合肥、芜湖、马鞍山、铜陵等城市市区由于气候灾害限制度低,城镇化发展协调度高,虽然气候资源供给不突出,但三方面因素总体配合较好,这些地区气候承载力总体较高。安庆、池州市区由于气候灾害限制度较高,对气候承载力有一定约束,因此低于上述城市。皖江城市带气候承载力较低的地区主要位于沿江江南、大别山区和江淮分水岭的部分县市,其中沿江江南地区气候资源供给虽然各不相同,但由于城镇化协调度不高、气候灾害限制较高,气候承载力综合较低,江淮分水岭和大别山区则是由于气候资源供给较弱,加之较低城镇化协调水平,导致气候承载力受到约束。

图 6 皖江城市带气候承载力的空间格局 Figure 6 Spatial pattern of climatic carrying capacity in Wanjiang city belt
3.3 皖江城市带气候承载力与城镇化的协调关系 3.3.1 皖江城市带城镇化集聚度与承载力的关系

为探讨气候承载力与现有城镇化集聚度在空间上匹配程度,本文进一步分析了皖江城市带社会经济及人口的综合集聚度情况。由图 7可知,随着城镇化进程的推进,人口和生产总值向中心城区集聚,除宣城和池州外,皖江城市带内大部分中心城区的集聚度均在全区平均水平的1.2倍以上,部分大中城市超过了2倍以上。而在部分山区县人口密度和经济发展水平相对较低,不足全区平均水平的一半。

图 7 皖江城市带的城镇化集聚度分布 Figure 7 Spatial pattern of urbanization agglomerating indices in Wanjiang city belt

城市发展受多种因素共同决定,而气候承载力是用来表征气候条件所能支撑城市发展的最大负荷量,即气候承载力高的地区,能够承载的城市发展空间也较大。从皖江城市带气候承载力与城镇化集聚度的空间关系来看,当前城市发展格局能够较好地适应气候承载力分布特征,高气候承载力地区往往对应较高的集聚度(图 8),在承载力指标 > 0.8的地区平均集聚度达到了10以上,意味着这些地区的人口和产业高度集中,在全区处于较突出的地位,是城镇化主要增长点和人口集聚核心区[27]。虽然当前城镇化集聚度与气候承载力具有较好关联性,但另一方面在城市快速发展过程中,还需要注意到高集聚度地区也将面临承载力剩余容量缩减以及过载的问题,如资源短缺、污染加剧、城市气象灾害频发等。因而在推进城镇化过程中,这些地区应进一步发挥辐射作用,带动周边地区协同发展,优化国土开发格局和产业规划,形成与承载力相适应的城镇化发展方向。进一步从不同承载力水平下的人口和土地比例可以看出(图 8),当前皖江城市带大部分地区和人口还处于中等或偏低的气候承载力水平,特别是对于大部分的县市,其城镇化发展与气候资源、灾害限制等条件仍不相适应,气候承载力有待进一步优化提升。

图 8 不同承载力水平下的人口土地所占比例以及集聚度分布 Figure 8 Average urbanization agglomerating indices and ratios of population and land area under different levels of climatic carrying capacity
3.3.2 皖江城市带不同气候承载力类型分析

综合城镇化集聚度和气候承载力特点,将皖江城市带分为4个气候承载力等级,并根据气候承载力的限制性差别进一步细分为12个类型。各类型区的分布(图 9)和主要特点如下。

图 9 皖江城市带不同气候承载力类型的空间分布 Figure 9 Spatial distribution of different types of climatic carrying capacity in Wanjiang city belt

高气候承载力地区(Ⅰ,指标值0.8~1.0):以气候资源丰富、灾害限制低、城镇化发展协调度高为特点。其中按集聚度可分为两种类型,即城市集聚型(Ⅰ1),这些地区以不到全区3%的面积,集聚了666万人口,占总人口的20%以上,城镇化集聚度平均在10以上,是皖江城市带发展的核心地带;中小城镇发展型(Ⅰ2),该地区气候承载力较高,集聚度较低,以中小城镇协同发展为主。

较高气候承载力地区(Ⅱ,指标值0.6~0.8):这些地区的共同特点是气候承载力总体水平较高,但存在一定的“短板”,根据限制因子不同可进一步分为3种类型,即资源供给限制型(Ⅱ1),特点是灾害限制较低、城镇化发展协调度较高,但资源供给方法存在不足,特别是可利用降水资源和大气环境容量方法相对较低,对气候承载力造成约束;气候灾害限制型(Ⅱ2),特点是气候资源丰富,城镇化协调发展度较好,但是由于气候灾害限制较高,影响了气候承载力的提升;城镇化待协调型(Ⅱ3),这些地区的气候自然条件均较好,气候资源充沛,灾害限制较低,但由于城镇化进程中协调发展度不高,对气候承载力形成了限制。

中等气候承载力地区(Ⅲ,指标值0.4~0.6):气候承载力水平尚可,但由于一些限制因素的存在影响了承载力水平的进一步提升,具体可分为3种类型,即资源供给限制型(Ⅲ1),该地区气候灾害限制不高,城镇化协调度尚可,但气候资源供给欠缺,北部各县主要是水资源约束较明显,郎溪县则主要是气候生产潜力不足;气候灾害限制型(Ⅲ2),以该地区气候灾害限制度较高,特别是暴雨洪涝灾害频发,造成了气候承载力总体较低;城镇化待协调型(Ⅲ3),虽然气候资源供给和灾害限制尚可,但较低城镇化协调度水平限制了气候承载力。

低气候承载力地区(Ⅳ,指标值0~0.4):共同特点是气候承载力水平总体较低,同时存在一些关键性的限制条件,具体可分为4种类型,即资源供给限制型(Ⅳ1),特点是城镇化发展协调度较低,气候灾害限制一般,气候资源供给存在较明显的缺陷;气候灾害限制型(Ⅳ2),这些地区气候灾害限制相对较高,同时加上较低的气候资源供给和较弱的城镇化协调度,导致了较低的气候承载力水平;城镇化待协调型(Ⅳ3),气候条件一般,城镇化协调度在全区处于较低水平,对气候承载力形成明显约束;气候资源、气候灾害和城镇化协调限制型(Ⅳ4),这些地区气候资源供给较弱、气候资源限制明显、城镇化发展有待协调,因而气候承载力总体较低。

4 结论与讨论

从气候条件与人类活动的相互作用关系出发,同时考虑气候的资源和灾害双重属性,本文构建了包含气候资源供给、气候灾害限制和城镇化发展协调水平三方面要素的气候承载力评估框架,并以皖江城市带为例开展实证分析。主要结论如下。

(1) 皖江城市带气候承载力空间差异显著,分化明显,其中合肥、芜湖、马鞍山、铜陵等城市三方面因素总体配合较好,气候承载力处于较高水平。而受气候条件或城镇化发展的制约,沿江江南、大别山区和江淮分水岭的部分县市的气候承载力还有待进一步提升。

(2) 皖江城市带城镇化发展格局与气候承载力分布较为一致,城镇化集聚度与承载力匹配度较高,但就整个区域而言气候承载力水平还有待进一步优化。根据城镇化集聚度和气候承载力特点,皖江城市带可分为4个等级和12种类型。

总的来看,皖江城市带气候承载力与现有城镇化发展格局较为一致,但仍需高度关注气候承载力不足的地区所面临的问题,优化国土开发格局和产业发展方向,形成与承载力相适应的城镇化发展规划布局。如在气候资源供给不足地区需考虑资源供给上限,在未来发展中优化人口和产业布局,适度转移部分城市功能,充分考虑气候承载力跨区占用和综合利用等问题;在气候灾害限制区需严格控制高风险地区的开发,采取工程和非工程措施降低或消除现有气象灾害风险,同时适当向低限制区疏散转移人口,规避气候灾害风险;在城镇化待协调地区需培育区域经济发展增长极,改善基础建设,统筹区域协调发展,促进人口、空间和产业发展相协调,从而提升整个地区的气候承载力水平。

由于气候系统与承载对象相互作用存在复杂的时空变化模式,因而承载力的计算并非是简单的数学运算,还涉及多方面的问题。本文仅从气候条件和城镇化的相互协调关系出发,探讨了气候承载力的评估框架和指标体系,但在气候容量与社会需求水平的关系、承载力的动态演变以及指标体系和综合和量化等方面还存在诸多不足,系统评估气候承载力仍然面临很多挑战,特别是构建完善气候承载力评估框架、拓宽应用领域和对象、融入定量化技术方法等方面还有待深入研究。

参考文献
[1]
PCC. Climate change 2013:the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
[2]
仇保兴. 中国的新型城镇化之路[J]. 中国发展观察, 2010(4): 56-58.
[3]
张占斌. 新型城镇化的战略意义和改革难题[J]. 国家行政学院学报, 2013(1): 48-54.
[4]
彭红碧, 杨峰. 新型城镇化道路的科学内涵[J]. 理论探索, 2010(4): 75-78.
[5]
方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报, 2014, 69(8): 1130-1144. DOI:10.11821/dlxb201408009
[6]
潘家华, 郑艳, 王建武, 等. 气候容量:适应气候变化的测度指标[J]. 中国人口·资源与环境, 2014, 24(2): 1-8.
[7]
李华姣, 安海忠. 国内外资源环境承载力模型和评价方法综述:基于内容分析法[J]. 中国国土资源经济, 2013(8): 65-68.
[8]
於琍, 卢燕宇, 黄玮, 等. 气候承载力评估的意义及基本方法[M]//王伟光, 郑国光, 巢清尘, 等. 应对气候变化报告(2015). 北京: 社会科学文献出版社, 2015: 268-280
[9]
卢燕宇, 王胜, 田红, 等. 近50年安徽省气候生产潜力演变及粮食安全气候承载力评估[J]. 长江流域资源与环境, 2017, 26(3): 428-435.
[10]
Alberti M. Advances in urban ecology:integrating humans and ecological processes in urban ecosystems[M]. New York: Springer, 2008.
[11]
丁丽. 试述FDI在安徽省新型城镇化进程中的作用[D]. 安徽: 安徽大学, 2013 http://cdmd.cnki.com.cn/Article/CDMD-10357-1013259542.htm
[12]
石磊, 王胜, 盛绍学. 近50年安徽省气候年景评估方法[J]. 地理研究, 2012, 31(9): 1580-1588.
[13]
谷家川, 彭丰, 沈非, 等. 基于CASA模型的皖江城市带植被净初级生产力时空变化特征研究[J]. 安徽师范大学学报:自然科学版, 2014, 37(4): 371-377.
[14]
孙瑾, 缪旭明, 薛建军. 新型城镇化进程中需加强气象灾害防御能力建设[J]. 中国应急管理, 2014(5): 44-47.
[15]
张宇, 曹卫东, 梁双波, 等. 长江经济带城镇化协同演化时空格局研究[J]. 长江流域资源与环境, 2016, 25(5): 715-724.
[16]
封志明, 杨艳昭, 游珍, 等. 基于分县尺度的中国人口分布适宜度研究[J]. 地理学报, 2014, 69(6): 723-737. DOI:10.11821/dlxb201406001
[17]
陶云, 何华, 何群, 等. 1961-2006年云南可利用降水量演变特征[J]. 气候变化研究进展, 2010, 6(1): 8-14.
[18]
徐大海, 王郁. 确定大气环境承载力的烟云足迹法[J]. 环境科学学报, 2013, 33(6): 1734-1740.
[19]
安徽省气象局. 安徽省气象灾害年鉴[M]. 北京: 气象出版社, 2009.
[20]
张继权, 李宁. 主要气象灾害风险评价与管理的数量化方法及其应用[M]. 北京: 北京师范大学出版社, 2007, 264-293.
[21]
杨忍, 刘彦随, 龙花楼. 中国环渤海地区人口﹣土地﹣产业非农化转型协同演化特征[J]. 地理研究, 2015, 34(3): 475-486.
[22]
Reuter H I, Nelson A, Jarvis A. An evaluation of void filling interpolation methods for SRTM data[J]. International Journal of Geographic Information Science, 2007, 21(9): 983-1008. DOI:10.1080/13658810601169899
[23]
Loveland T R, Reed B C, Brown J F, et al. Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data[J]. International Journal of Remote Sensing, 2000, 21(6-7): 1303-1330. DOI:10.1080/014311600210191
[24]
闫胜军, 何霄嘉, 王烜, 等. 城市气候承载力定量化评价方法初探[J]. 气候变化研究进展, 2016, 12(6): 476-483. DOI:10.12006/j.issn.1673-1719.2016.087
[25]
陶寅, 黄勇, 杨元建, 等. 城市化进程对安徽省风速的影响[J]. 气候变化研究进展, 2016, 12(6): 519-526. DOI:10.12006/j.issn.1673-1719.2016.130
[26]
程向阳, 谢五三, 王凯, 等. 雷电灾害风险区划方法研究及其在安徽省的应用[J]. 气象科学, 2012, 32(1): 80-85.
[27]
赵雪雁, 江进德, 张丽, 等. 皖江城市带城市经济联系与中心城市辐射范围分析[J]. 经济地理, 2011, 31(2): 218-223.
Assessment on Climatic Carrying Capacity in the Process of New Urbanization:A Case Study in the Wanjiang City Belt
Lu Yanyu1,2, Tian Hong1, Sun Wei3, Wu Rong1,2, Wang Sheng1,2    
1. Anhui Climate Center, Anhui Meteorological Service, Hefei 230031, China;
2. Anhui Key Laboratory of Atmospheric Science and Satellite Remote Sensing, Anhui Meteorological Service, Hefei 230031, China;
3. Anhui Public Meteorological Service Center, Anhui Meteorological Service, Hefei 230031, China
Abstract: According to the interaction between climate and human activities as well as the double attributes of climate, a comprehensive framework and indices system of climatic carrying capacity were established to support the new urbanization. In this framework, the factors concerning climatic resource supplying, climatic disaster constraining, and urban coordinated development were included and quantified by using various methods such as entropy weight, coupled coordination model, and GIS technology. The comprehensive indices were then adopted in Wanjiang city belt to analyze the spatial pattern and key factors of climatic carrying capacity. Results indicated that the spatial pattern of urbanization development was well matching the climatic carrying capacity. The areas where have relative high climatic carrying capacity are also dominated by high urbanization agglomeration. However, the climatic carrying capacity show large spatial variability, and needs to be further optimized at the whole regional scale. Based on the characteristics of urbanization agglomeration and climatic carrying capacity, Wanjiang city belt could be divided into 4 grades and 12 types of areas. For different areas dominated by different types of climatic carrying capacity, the "short board" and main limiting factors are further revealed in this paper.
Key words: climatic carrying capacity    integrated indices    double attributes    coupled coordination    agglomeration