2. 南京大学 数字经济与管理学院,苏州 215163
2. School of Digital Economics and Management, Nanjing University, Suzhou 215163, China
改革开放以来,中国经济取得了举世瞩目的成就,也带来了严重的资源环境问题。中国2018年平均每天消耗1292.9万吨标准煤,同比1990年增长378%。2017年全国工业废水排放量约为10年前的4倍左右。2019年中国的碳排放量达到140.93亿公吨碳当量,是1990年的3倍多。巨大的资源消耗和废弃物排放造成了严重的环境污染和生态破坏,给中国的可持续发展带来了巨大挑战,这使得中国将粗放式发展模式转变为集约式发展模式的要求亟待实现,但由于当前中国区域间依然存在资源禀赋差异,致使经济结构调整的转换成本不一[1],给全面推进经济高质量发展带来诸多困难。鉴于此,如何全面提升区域资源环境的综合承载能力,降低经济结构调整的转换成本,成为未来推进经济高质量发展、谋求我国全面可持续发展的必由之路。在当前的特征事实背景下,党的十九届五中全会中提出“能源资源配置更加合理、利用效率大幅提高,主要污染物排放总量持续减少,生态环境持续改善,生态安全屏障更加牢固”的目标。实现以上目标必须对我国区域资源环境承载能力进行客观判断,以期制定科学解决方案,全面提升资源环境承载能力。
马尔萨斯在他的人口增长理论中率先提出“承载力”,经过长时期的发展,这一承载力的内涵从最初的生物要素阈值逐步拓展到资源、环境、经济、文化等诸多领域,评价体系也由重在人口容量问题的单因素评价逐步转向重视区域可持续发展的综合性、集成评价[2],评价方法也随着研究体系的不断深入由定性转向定性与定量相结合[3]。具体而言,早期研究主要集中在对水资源[4, 5]、气候资源[6]、土地资源[7, 8]、矿产资源[9]等单类资源的承载力评价方面,近年来,学者们开始关注资源环境综合承载能力的测度与预警问题,如王亮和刘慧[10]借鉴Meadows等[11]对资源环境极限研究,认为资源环境综合承载力不仅包含其对人口基本生存和发展的支撑力,而且包括当前经济、人口及社会发展所面临的压力和破坏力,二者共同决定了资源环境极限与边界,更客观阐释资源环境综合承载力。在这一界定下,诸多学者利用多种方法对资源环境的综合承载能力进行了测度,包括基于生态足迹、水足迹以及能量分析等提出了“虚拟土地”、“虚拟水”和“虚拟能量”等与实践相结合的资源环境承载力综合评价理论与方法[12],也包括综合评价体系与突变级数模型[13]、资源与需求差量法、综合评价法与状态空间法等。纵观以往研究,大多具有较集中的研究视角,且评价方法也具有一定可操作性,但缺乏从区域协调发展目标下对该问题的分析,致使研究结论不适用于解决我国不平衡发展的主要矛盾,具体而言:一是将研究重点放在某一区域的资源环境综合承载能力的评价方面[14];二是重在利用复杂的方法和全面的综合指标测算资源环境承载能力,进而划分区域承载力水平[10],缺乏对区域资源环境综合承载力空间差异的考量,以及对制约区域资源承载力均衡提升因素的分析;三是缺乏对区域资源环境承载力空间收敛性的分析,制约了对增强区域资源环境承载力均衡发展的认识。
鉴于此,本文致力于制定一套科学有序,且能适用于全国各省域资源环境综合承载能力评价的指标体系和方法,拟基于“压力—状态—响应”的相关理论,利用熵权法客观为各指标赋权,综合评价31个省域(除港、澳、台)及四大板块的资源环境承载能力,并进一步利用Dagum基尼系数探究空间差异及来源,利用空间计量模型分析收敛状态。与以往研究相比,本文主要的创新点集中在:一是在研究内容方面,全面评价了我国31个省域的区域资源环境承载能力,拓宽了以往单一区域限制,更有利于进行省域间资源环境承载能力的客观比较;二是在研究方法上,将Dagum基尼系数与空间计量模型应用到对区域资源环境综合承载能力的评价上,在以往测算评价基础上,深入剖析了承载能力的空间差异、动态特征及敛散状态,在对比分析基础上,利于识别出承载能力的制约因素,为科学构建因地制宜的区域资源环境承载能力可行路径提供理论支撑;三是在研究结论上,将单一的评估结论拓展为“西强东弱”、“西快东慢”的比较性结论,有助于从宏观层面把握区域资源环境承载能力的差异及变动特征。
2 研究设计 2.1 区域资源环境承载力的测算方法在前期基础上,借鉴王亮和刘慧的指标选取方式[10],结合各省域数据的可得性,基于“压力—支撑力”、“破坏力—恢复力”、“退化力—提升力”的综合考量,从社会承载水平、污染防治能力与生态修复潜力三个维度入手,选取了14个一级指标、42个二级指标,具体指标见表 1。
在对各项指标进行测算时,为保障各指标权重与其对资源环境承载能力的贡献客观匹配,提高测度结果的精准性,采用熵值法来确定指标权重,防止使用主观赋值法造成测算结果偏误,在利用熵值法测算得到各指标的权重之后,进一步利用多重线性加权函数法分别计算社会承载水平、污染防治能力与生态修复潜力的承载力指数K1、K2和K3。
2.2 区域资源环境承载力的空间差异测算方法区域的资源环境承载力分析以往多进行分级分类评价,缺乏对承载能力差异及来源的分析。本文拟测算各省份各年的Dagum基尼系数,比较分析各板块承载力的组内及组间差异。测算过程对各板块的K1、K2和K3的Dagum基尼系数G进行分别测算,总计算公式如式(1)所示:
(1) |
式中,m代表各地区省份总数,j(h)为省份下标,i与r为某个省份,nj(nh)为第j(h)板块内部省份数量,Kji(Khr) 为第j(h)板块内部省份,i(r)资源环境承载力各指数测度值,K表示考察省份某一类资源环境承载力指数均值。
2.3 区域资源环境承载力的敛散趋势估计模型在测度过程中,为全面刻画样本离差随时间推移的变动趋势,判定承载力是否能够实现动态协调,对样本进行σ收敛测算与β收敛估计,其中,σ收敛表示样本离差随时间推移而变动的趋势,使用变异系数(CV)和公式(2)测算。式(2)中j和i分别为各板块和板块内省份下标,nj为j板块下辖省份数量,Kij为板块j的某一类承载力的均值。
(2) |
β收敛估计的目的在于评判板块内资源综合承载能力提升快的省份与落后省份增长率间差距是否逐渐趋同。在此,纳入空间影响因素,构建空间面板模型,测度全国和各版块的资源环境承载能力绝对β收敛状况。具体的测度模型如式(3)所示:
(3) |
式(4)为空间面板模型的一般形式,在进行具体测算前需进行样本数据Wald、LM和LR检验优选模型。
3 区域资源环境承载能力测算结果分析 3.1 各省域资源环境承载能力的测算及分析熵值法测度我国31省域的资源环境承载能力,其结果如图 1所示:
图 1(a)显示各省域区域资源环境承载能力存在较大水平差异。其中,区域资源环境承载能力最高、指数大于1.0的分别为新疆、西藏、青海、四川、云南、内蒙古和黑龙江等省份,且西藏最高,达到1.7,约为天津的3倍;而宁夏、天津、重庆、福建、江苏和海南的最低,均小于0.8,对比可见,新疆、西藏和青海等地区具有更高的资源环境承载能力,这可能由于地区经济发展迟缓、人口过度集聚造成的资源、环境拥挤效应尚未显现,而东部沿海的江苏、福建和海南等地区却因为前期的粗放式发展造成资源、环境压力较大,区域资源环境承载能力亟待提升。图 1(b)显示各省域资源环境承载能力提升速率也存在一定差异。河北、山西、陕西、四川、重庆、贵州和云南的资源环境承载能力提升速度较快,年均增速均超过了2%,且其中贵州因近几年增速迅速提升,在考察期已达到3.21%,远高于其他省份,究其原因在于致力于大数据及相关产业的发展,促进经济社会发展,以创新驱动的资源环境承载能力不断增强。而与之相反,西藏、黑龙江、辽宁、河南和江苏的区域资源环境承载呈逐年降低趋势,且西藏减速最快。因此,西藏和黑龙江虽然具有较高的资源环境承载能力,但却因承载力不断减弱,致使其未来面临较大的资源环境恶化压力,亟待通过实施各类环境保护政策,防止承载能力不断减弱;而江苏更甚,既面临较大的资源环境承载压力,且支撑力也在不断减弱,这可能源于江苏长期的高速增长导致资源消耗过快,当前资源环境保护方面推行的各项政策因产业结构转型存在一定时滞,致使尚未产生显著的积极效应。
3.2 四大板块资源环境承载能力的测算及分析东、中、西及东北部的区域资源环境承载力K测度,测算社会承载水平K1、污染防治能力K2及生态修复潜力K3,结果如表 2所示,资源综合承载力由强向弱依次为西部、东北部、中部、东部地区,这一结论与四大板块的经济发展状况恰好相反,可见曾经高速的经济增长给区域资源环境带来诸多压力。此外,东、中及西部地区资源环境综合承载能力均呈现逐年增强趋势,且西部地区年均增长率最高,为1.23%,而东部地区次之,达到了1.01%,这可能是西部的生态补偿机制、创新发展政策等促进了西部地区的生态保护与创新发展,提高了资源利用效率。张曦和郭淑芬[15]的研究认为,2009—2018年东部与中部地区的工业技术创新效率有降有升,西部稳定上升;东北地区不同,存在年均速率为0.43%的逐年下降趋势,这是因为东北地区的产业结构清洁度与技术高级度下降,污染排放量不断增加,创新能力不足以支撑社会变革需求,阻碍了其资源环境综合承载力提升[16]。
利用Dagum基尼系数测算资源环境承载能力差异,结果如表 3所示:
对于社会承载水平(K1)方面,四大板块均存在显著的组内差异,其中,差异最大的属西部地区,基尼系数均值为0.1534,是差异最小的东北地区的2.58倍,表明西部各省份存在严重的发展不平衡问题。但从变动趋势看,东部地区内各省份间差异呈逐年扩大趋势,经计算,江苏与海南省的K1逐年减弱,与广东差距不断扩大,是造成东部地区内部省份间空间差异的主要原因。而中、西及东北板块内部省份间差异逐年缩小,缩小速率最快的为东北地区,达到8.787%,分别为中部地区的11.84倍、西部地区的7.96倍,可见未来东北地区各省份的社会承载协调水平将不断提升。
对于污染防治能力(K2)方面,东部地区各省份间平均差异最大,中、西部和东北地区内部省份间差异较小,变动趋势分析显示,东、中及西部地区的各省份间差异逐年上升,且中部增长速率最高,分别为东部和西部扩大速率的2.14和1.86倍,由于而东北差距逐年缩小,这可能由于东北各省老工业的全面转型,产业链不断延长,提升了省间的协同度。
对于生态修复潜力(K3)方面,四大板块内部各省份间依然存在一定差异,其中,组内差异最大的为西部和东北地区、东部地区次之、中部地区最小,可见,中部地区各省份间的生态保护度较为协同,未来改善生态环境的阻力较小,而西部地区存在树林植被、黄土高原、沙漠、草原等不同地貌,东北地区大兴安岭森林仅分布于黑龙江省,资源禀赋差异造成区域森林资源的不平衡分布。而从变动趋势看,板块内省份间的K3差异呈逐年缩小趋势,年均降幅为10.20%,中部地区降速最快,东部缩小速率较为滞缓,不足中部地区的1/10。
4.1.2 四大板块间资源环境承载力差异分析利用Dugum基尼系数进一步测度四大板块间差异,结果如图 2所示。
东西部之间K1存在较大差距。东部地区长期具有的更高要素回报率,劳动力、资本等大量流入,社会承载压力不断提升,但随着经济结构转型与资源禀赋的限制,引起资源支撑与经济支撑不足,导致东部地区与西部地区差距不断扩大。
对于污染防治能力(K2),平均差异最大的为东部与东北地区,差距达到0.1126,组间差异最小的为中部与西部地区,组间平均差距为0.0901。从组间差异的变动趋势分析,各板块间差距在2017年前波动较为剧烈,但之后呈现缓慢的上升趋势。从板块间差距的变动趋势分析,东部与中部、西部以及中部与西部间差距存在波动式扩大趋势,年均增长率分别为9.72%、7.69%和10.38%,而东部与东北部、中部与东北部及西部与东北部间差距均存在波动式缩小趋势,降低速率分别为2.57%、0.24%和0.54%,说明东北地区近些年加大了环保投资,污染治理取得了显著成效。
对于生态修复潜力,东部与西部地区间平均组间差距最大,是东部与中部的1.923倍,中部和东北部间差距较小,平均差距为0.1964。推测原因为西南地区生态资源禀赋较好,承受能力更强,且在保护植被的环保要求下,森林退化程度也在逐渐减弱。中部与西部、东部与西部间差距随时间呈现出波动式扩大趋势,其中,中部与西部间差距扩大速率更高,达到1.067%,东部与西部间差距增长较缓,年均为0.503%,这可能与西部地区的“荒漠化治理”,而东部、中部地区的城市用地面积较大,难以扩展森林面积有关。差距在东部与中部、东部与东北部、中部与东北部、西部与东北部间随时间呈现出波动式降低趋势,其年均降幅分别为5.14%、4.78%、4.37%和0.64%。
4.1.3 区域资源环境承载力总体差异及分解我国东、中、西及东北板块的资源环境承载力总体Dagum基尼系数和分解结果见表 4。2011—2019年社会承载水平(K1)差异呈逐年缓慢缩小状态,总体差异均值为0.1218,其中29.57%来源于各板块省份间差异、38.30%来源于板块间差异、32.13%来源于超变密度,可见四大板块间差距仍是造成K1差距的主要原因。
污染防治能力(K2)的基尼系数总体差异均值为0.0992,在2011—2019年波动式扩大趋势,可能是因为部分地区依然存在偏向短期增长的投资行为,形成中国的“污染天堂”,污染排放物居高不下,污染治理滞后,较多地区治理效果尚未显现。K2总体差异中超变密度贡献率最大(38.13%)。因此四大板块的交叉重叠对总体差异的影响作用最大,超变密度亦呈现波动式上升趋势。
各板块的总体差距在生态修复潜力(K3)中平稳,出现不断缩小趋势,四大板块省份内差异、交叉重叠所产生的差异缓慢缩小;板块间差异则为剧烈的波动式扩大趋势(年均增长速率3.39%),且对总体差距的平均贡献率达到了51.65%,成为了影响各区域整体生态恢复的最大阻碍。因此,未来四大板块应在生态保护、植树造林方面加强协作,缩小板块间差距,使我国森林资源更加协调,防止生态环境破坏造成空间挤出效应,减弱区域资源环境承载力。
5 区域资源环境承载力的收敛性分析 5.1 区域资源环境承载力的σ收敛利用变异系数测算资源环境承载力,结果如表 5所示。全国总体社会承载水平(K1)的变异系数期末小于期初,年均下降速率为1.31%,总体存在σ收敛;中部、西部及东北部也呈逐年缩小趋势。然而,东部地区σ收敛程度不断降低,变异系数由2011年的0.1270提高到2019年的0.1480,年均增幅为1.75%,表明东部地区内部各省份K1的差异随时间推移而扩大,这可能会阻碍东部地区平衡、协调发展的进程。全国总体污染防治能力(K2)的变异系数扩大了1.62倍,不存在σ收敛。仅东北地区不断降低,年均降幅为5.41%,存在σ收敛,板块内各省份的K2离差随时间不断降低,且σ收敛程度最高;东、中及西部地区由σ收敛转为发散。说明全国的污染水平可能会更加的不平衡、不协调。全国总体生态修复潜力(K3)的变异系数均值为0.4352,年均降幅为0.86%,且K3存在σ收敛;纵观四大板块均值发现,西部地区最大,是中部地区的3.45倍。推断未来四大板块,尤其是中部地区的生态修复潜力更易趋于均衡。
我国四大板块各模型样本数据的Hausman、Wald、LM及LR检验结果显示,西部K1和K2、东部K2和K3、东北K3适用时期固定的OLS模型,东北K1和K2、中部K2适用个体固定的OLS模型,中部K1、西部K3适用双固定的OLS模型,东北K1适用于时期固定的SEM模型,中部K3适用个体固定的SDM模型。
表 6显示了β收敛检验结果。东部、中部及东北部K1的β估计系数都通过了5%或1%的显著性水平检验,且K1增长率与初始值负相关,存在显著的β收敛趋势,对比三个模型可知东北地区β收敛趋势最强、中部次之、东部较弱,这主要是东北地区K1较低的吉林省在产业结构转型过程中,降低了能源消耗量,提升了社会承载水平,在追赶辽宁与黑龙江。西部地区不存在β收敛,宁夏、重庆等地K1提升缓慢,与云南、贵州等省份有较大差距。K2的β估计系数均通过显著性水平检验且为负值,收敛趋势最强的为东北、西部次之、中部最弱。东部K2增长率与初始值无关,不存在β收敛,即东部各省份间在污染防治方面并未形成协同治理模式,亟待转变治理思路,提高如江苏、上海和天津的污染防治能力。四大板块K3的β估计系数均通过了显著性检验,存在显著的β收敛趋势,说明未来四大板块的各省份间K3将趋于平衡,中部的β估计系数显著,ρ呈负显著,显示空间相关性为β收敛的重要原因。同时,东部的β收敛趋势最弱,可能由山东、天津等地经济发展较快,生态提升能力受创所致。
6 研究结论及政策建议本文利用2011—2019年我国31个省域(除港、澳、台)面板数据,基于熵值法从社会承载水平、污染防治能力与生态修复潜力三个维度测算各省域区域资源环境承载力,进而采用Dagum基尼系数和空间计量模型的方法刻画区域资源环境承载力空间特征与敛散趋势,主要结论如下:第一,我国区域资源环境承载力存在“西强东弱”的不均衡特征,提升速率存在“西快东缓”的特征;东北地区当前承载力较强,但在考察期内社会承载水平、污染防治能力与生态修复潜力均随时间呈缓慢降低趋势,未来承载力提升面临巨大挑战。此外,各省域的资源环境承载力存在经济发展水平依赖性,经济发展较落后的新疆、西藏和青海等省份具有更高的承载力。第二,资源环境承载力间均存在较大的空间差异。板块间总体差距是造成区域社会承载水平(K1)与生态修复潜力(K3)不均衡的主要成因,而差异在省份间与板块间的重叠是造成污染防治能力(K2)不均衡的主要因素,此外,东部地区制约着整体资源环境承载力的提升。第三,四大板块的σ收敛与β收敛趋势特征不一。总体上,K1存在较强的σ收敛趋势,K2则无;地区上,东北资源环境承载力的三个维度都存在较强的σ收敛趋势,且不断增强;西部K1与K3的σ收敛度均低,增幅上升;东部与中部K2的σ收敛随时间呈现出高度发散状态。四大板块K2与K3的β收敛趋势存在西部与东北部强、东部与中部弱的不均衡特征,中部地区K3的β收敛来源于空间相关性。鉴于以上结论,本文提出:
一是不断提升东部地区资源环境综合承载能力,助力于区域经济高质量发展。区域资源环境综合承载力存在“西强东弱”,东部地区是提升的主要掣肘。因此,应不断提升东部地区承载力,树立统一与平衡发展理念,调动东部地区省份间协作的主观能动性,全面提升承载力,同时加速推进东部向中、西部及东北地区进行产业转移,发挥西部地区承载力优势。期间逐步淘汰东部地区的高耗能、高污染产业,通过技术创新与流程改进等方式,降低产业能耗,提升发展支撑力与资源环境的恢复力。
二是优化资源配置、提高生态保护力度,缩小板块间社会承载水平与生态修复潜力差距。建议优化地区间资源配置,增强东部地区的社会承载水平,缩小东西部差距;同时加强环境保护,严格控制污染排放,通过税费补贴与处罚机制,促使企业重视污染物处理及工艺革新,增强废气与废物处理能力,提升东部的生态恢复潜力,不断缩小东部与东北部的污染防治能力差距。
三是科学制定东北地区的资源开发与生态保护方案,不断促进东北地区资源环境承载力全面提升。建议科学评价东北各省市的资源环境承载力,结合主体功能区规划、生态保护规划等,科学布局东三省工业产业,分类推进产业发展,引导府际间协作,打破行政割据,延长产业链,促进产业主体协同,促使政府共享制定资源方案,推进环境保护与绿色发展,全面提升东北地区的资源环境承载力。
四是推进绿色技术创新,发挥技术溢出效应,修复生态环境,增强区域环境承载力。本文显示四大板块的σ收敛与β收敛趋势特征不一,东部地区的生态修复潜力不存在σ与β收敛趋势,整体提升存在较大压力。鉴于此,结合东部地区在人才、资本等方面的先天优势,建议加快科学研究进度,不断提升绿色技术水平,节能减排,同时通过产学研协作平台,促进省域间交流与合作,发挥知识溢出与技术溢出效应,带动落后地区提高技术水平,增强绿色创新能力,不断提升资源环境承载力。
[1] |
李勇, 任保平. 转换成本、晋升激励和经济增长质量[J]. 财贸研究, 2019, 30(3): 1-14. [Li Yong, Ren Baoping. Switching cost, promotion based incentive and quality of economic growth[J]. Finance and Trade Research, 2019, 30(3): 1-14.] |
[2] |
孙阳, 王佳韡, 伍世代. 近35年中国资源环境承载力评价: 脉络、热点及展望[J]. 自然资源学报, 2022, 37(1): 34-58. [Sun Yang, Wang Jiawei, Wu Shidai. Resource and environmental carrying capacity in China for 35 years: Evolution, hotspots, future trend[J]. Journal of Natural Resources, 2022, 37(1): 34-58.] |
[3] |
张书海, 阮端斌. 资源跨区域流动视角下的承载力评价: 一个动态评价框架及其应用[J]. 自然资源学报, 2020, 35(10): 2358-2370. [Zhang Shuhai, Ruan Duanbin. Evaluation of resources and environment carrying capacity from the perspective of resource cross-regional mobility: A dynamic evaluation framework and practice[J]. Journal of Natural Resources, 2020, 35(10): 2358-2370.] |
[4] |
Sarma A K, Singh V P, Kartha S A, et al. Urban Hydrology, Watershed Management and Socio-Economic Aspects[M]. Switzerland: Springer, 2016: 1-370.
|
[5] |
Dai D, Sun M D, Lv X B, et al. Evaluating water resource sustainability from the perspective of water resource carrying capacity, a case study of the Yongding River watershed in Beijing-Tianjin-Hebei region, China[J]. Environmental Science and Pollution Research, 2020, 27(17): 21590-21603. DOI:10.1007/s11356-020-08259-5 |
[6] |
Guyond T, Comeau L A, Bacher C, et al. Climate change influences carrying capacity in a coastal embayment dedicated to shellfish aquaculture[J]. Estuaries & Coasts, 2015, 38(5): 1593-1618. |
[7] |
Tang H J, Jiang J Q. Research on the population carrying capacity of the land resources in the Economic Area of Zhujiang Delta[J]. Chinese Geographical Science, 2001, 11(2): 174-180. DOI:10.1007/s11769-001-0039-8 |
[8] |
Cheng K, Fu Q, Cui S, et al. Evaluation of the land carrying capacity of major grain-producing areas and the identification of risk factors[J]. Nat Hazards, 2017, 86(1): 263-280. DOI:10.1007/s11069-016-2686-1 |
[9] |
Wu W J, Zhou J S, Niu J Y, et al. Study on coupling between mineral resources exploitation and the mining ecological environment in Shanxi Province[J]. Environment, Development and Sustainability, 2021, 23(9): 13261-13283. DOI:10.1007/s10668-020-01209-8 |
[10] |
王亮, 刘慧. 基于PS-DR-DP理论模型的区域资源环境承载力综合评价[J]. 地理学报, 2019, 74(2): 340-352. [Wang Liang, Liu Hui. The comprehensive evaluation of regional resources and environmental carrying capacity based on PS-DR-DP theoretical model[J]. Acta Geographica Sinica, 2019, 74(2): 340-352.] |
[11] |
Meadows D H, Meadows D L, Randers J, et al. The limits to growth. A report for the Club of Rome's project on the predicament of mankind[J]. Technological Forecasting & Social Change, 1972, 4(3): 323-332. |
[12] |
封志明, 游珍, 杨艳昭, 等. 基于三维四面体模型的西藏资源环境承载力综合评价[J]. 地理学报, 2021, 76(3): 645-662. [Feng Zhiming, You Zhen, Yang Yanzhao, et al. Comprehensive evaluation of resource and environment carrying capacity of Tibet based on a three-dimensional tetrahedron model[J]. Acta Geographica Sinica, 2021, 76(3): 645-662.] |
[13] |
鲍珂宇, 何刚, 金兰, 等. 基于突变级数法的安徽各市相对资源承载力研究[J]. 地域研究与开发, 2021, 40(4): 39-44. [Bao Keyu, He Gang, Jin Lan, et al. Research on relative resources carrying capacity of cities in Anhui province based on catastrophe progression method[J]. Areal Research and Development, 2021, 40(4): 39-44.] |
[14] |
吴浩, 江志猛, 林安琪, 等. 基于隐性—韧性—显性的武汉城市资源环境承载力空间特征[J]. 地理学报, 2021, 76(10): 2439-2457. [Wu Hao, Jiang Zhimeng, Lin Anqi, et al. Analyzing spatial characteristics of urban resource and environment carrying capacity based on Covert-Resilient-Overt: A case study of Wuhan city[J]. Acta Geographica Sinica, 2021, 76(10): 2439-2457.] |
[15] |
张曦, 郭淑芬. 空间效应视角下的中国省域工业技术创新效率收敛性研究[J]. 调研世界, 2022(1): 48-57. [Zhang Xi, Guo Shufen. Research on the convergence of China's provincial industrial technology innovation efficiency from the perspective of spatial effect[J]. The World of Survey and Research, 2022(1): 48-57.] |
[16] |
王婷婷, 宋飏, 钱思彤, 等. 东北地区制造业空间格局演化及其空气污染环境效应——基于企业数据的实证[J]. 地理研究, 2022, 41(1): 193-209. [Wang Tingting, Song Yang, Qian Sitong, et al. Spatial pattern of manufacturing industry and its impact on air pollution in Northeast China based on enterprise data[J]. Geographical Research, 2022, 41(1): 193-209.] |