共查询到19条相似文献，搜索用时 111 毫秒
1.
中国能源生态效率的空间格局与空间效应 总被引：13，自引：0，他引：13
能源生态效率兼顾能源利用中的生态效益与经济效益,是对能源—环境—经济3E系统效率的度量。基于考虑非期望产出的SBM模型对中国1997-2012年省际能源生态效率进行测度,从空间格局规模、格局强度与格局纹理三个方面分析能源生态效率的空间分布特征和演变规律,运用空间计量模型验证中国省际能源生态效率的空间溢出效应及其影响因素。研究表明:1中国能源生态效率整体偏低,低效率省份约占40%,广东、海南、福建位于能源生态效率值的最前沿,宁夏、甘肃、青海、新疆为主要的低能效地区。全国能源生态效率总体上呈U型演变格局,局部地区主要有增长型、波动型、突变型和平稳型等4种演变类型;2中国能源生态效率在省际尺度上表现出显著的全局与局部空间集聚特征,高高集聚区主要分布在东部沿海和南部沿海地区,低低集聚区主要分布在西北地区和黄河中游地区。空间格局的变化主要发生在高低集聚区与低高集聚区,其中又以京津冀地区的集聚类型演变最为显著;3中国能源生态效率存在着明显的空间效应,某一地区的能源生态效率对相邻地区的空间溢出程度均强于相邻地区的误差冲击对该地区的影响程度;在影响能源生态效率空间效应的诸多因素中,产业结构的影响最大。 相似文献
2.
运用ESDA分析方法,描述了2002年以来中国省域煤炭消费格局在空间上的变化状况。在煤炭消费总体空间格局上,中国省域人均煤耗水平表现出很强的空间自相关性,相似的地区在空间上集聚分布,本地的煤炭消费情况受到周边地区煤炭消费行为的影响。热点区域主要集中在华北和东北地区,且随着时间的推移,热点区有不断增加的趋势。中国省域煤炭消费具有明显的空间自组织性,空间格局演化的随机因素逐渐减弱,而结构化分异对煤炭消费空间格局的形成起到越来越显著的作用。南—北方向煤炭消费的空间差异最大,东南—西北方向煤炭消费的空间差异较小。煤炭消费的空间集聚特征启示政府对能源的管理需要重视空间关联作用,并根据能源消费的空间差异制定相应的管理政策。 相似文献
3.
基于2000~2012年中国31个省（市、自治区）面板数据,运用探索性空间数据分析方法对中国工业废气排放的空间分布特征进行研究,结果显示中国各省域（不含港澳台）工业废气排放存在显著的空间自相关和空间集聚效应;总体呈现东部、西部地区集聚的空间分布特征,其中东部多为高-高集聚区、西部则多为低-低集聚区,并且高值集聚现象的显著性逐渐增强,显著区域呈持续扩张趋势。在此基础上,以STIRPAT模型为基础构建空间计量模型,分析经济发展、人口规模、产业结构、技术水平和国家政策等因素对工业废气排放量的影响。研究结果表明,中国各省域工业废气排放存在空间依赖作用和正的空间溢出效应;经济发展、产业结构与工业废气排放之间呈现显著的正相关关系;技术进步和国家政策对工业废气排放具有抑制作用,而人口增长对工业废气排放的影响并不显著。 相似文献
4.
中国城市碳排放强度的空间溢出效应及驱动因素 总被引：14，自引：3，他引：14
采用核密度估计、空间自相关、空间马尔科夫链和面板分位数回归等方法对1992-2013年全国283个城市碳排放强度的空间溢出效应和驱动因素进行了分析。① 核密度估计结果表明,中国城市碳排放强度总体均值下降,差异在逐步缩小。② 空间自相关Moran's I指数表明城市碳排放强度存在显著的空间集聚性且空间集聚性在逐渐增强,但空间集聚水平的变化逐年缩小。③ 空间马尔科夫链分析结果表明：第一,中国城市碳排放强度存在马太效应,低强度与高强度的城市在相邻年份转移过程中呈现维持初始状态的特征。第二,城市碳排放“空间溢出”效应明显,且不同区域背景下溢出效应存在异质性,即若与碳排放强度低的城市为邻,该城市的碳强度能够增加向上转移的概率,反之亦然。④ 面板分位数结果显示：在碳排放强度低的城市,经济增长、技术进步、适当的人口密度起到减排作用;外商投资强度与交通排放是使碳强度增大的主要因素。在碳排放强度高的城市,人口密度是重要的减排因素,技术进步暂时没起减排作用;工业排放、粗放式的资本投资以及城市土地蔓延则是碳强度上升的主要因素。 相似文献
5.
中国人口老龄化空间格局演变及其驱动因素 总被引：1，自引：1，他引：1
基于第五、六次人口普查数据,采用ESDA和空间计量模型分析中国地级单元人口老龄化的空间格局演变特征及驱动因素。结果表明：① 胡焕庸线是中国人口老龄化呈东高西低的显著分割线,随着老龄化不断加深,最初自西向东阶梯上升的空间格局逐渐模糊;② 各地级单元间人口老龄化存在较强的空间正相关性,呈现出高-高和低-低相似值集聚的空间分布特征。其中高-高集聚区主要分布在长三角、成渝、山东半岛、辽中南等地区,低-低集聚区主要分布在西北地区、西南部分地区、东北地区西部和珠三角部分地区,10 a间这种正向的空间集聚特征减弱;③ 中国人口老龄化空间格局演变是由人口因素和社会经济因素共同作用决定的,人口因素是直接原因,根本原因是地区社会经济发展的不平衡所致。对此,分别从人口和社会经济角度提出应对人口老龄化对策建议。 相似文献
6.
中国能源消费碳排放强度及其影响因素的空间计量 总被引：21，自引：2，他引：19
碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO2排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。 相似文献
7.
正确把握中国省域旅游竞争力与旅游网络关注度的错位关系,对推动区域旅游高质量发展大有裨益。基于新发展理念构建旅游竞争力评价指标体系,采用重力模型、空间错位指数综合考察2011—2020年中国省域旅游竞争力与旅游网络关注度的空间错位特征及影响因素。结果表明：(1)研究期内中国省域旅游竞争力与旅游网络关注度均呈增长趋势且具有明显的空间分异性,旅游竞争力重心呈集聚分布态势,旅游网络关注度重心则随时间波动变化,大致位于旅游竞争力重心的西南方向;(2)中国省域旅游竞争力与旅游网络关注度空间错位格局由东至西呈现出正向错位向负向错位逐渐过渡的分布特征,正向高错位区由东部沿海省域向中部省域延伸,负向高错位区主要分布在西部特色旅游地与热门网红城市;(3)旅游资源禀赋、经济社会发展、政府政策导向、网络环境等多种因素综合作用促成旅游竞争力与旅游网络关注度的空间错位格局。 相似文献
8.
基于长三角地区1663个3A级旅游景区数据,采用GIS空间分析技术与地理探测器方法,对长三角旅游吸引的城乡空间分异特征及影响因素进行了探究。结果表明：① 长三角旅游吸引物空间分布不均衡性显著,表现出“整体分散,核心集聚”的空间分布特征,“单核、多中心、层级化”的格局特征显著,集聚形态上呈现出明显的“核心-边缘”结构;② 城区吸引物集聚程度高于乡村地区,省域间城乡吸引物分布各有侧重,根据景区丰度指数可将长三角41市划分为“城乡双高型”“城区集聚型”“乡村集聚型”和“城乡双低型”4类旅游地;③ 长三角旅游吸引物城乡分异特征主要是由自然、经济、社会三大因素互相交织、共同作用的结果,但城乡吸引物的空间格局影响因素存在显著差异。 相似文献
9.
基于1995—2020年多源空间数据,通过InVEST模型与人类足迹指数法,探究国家重点生态功能区生境质量与人类活动时空分布特征,进一步采用双变量局部自相关与空间杜宾模型测度两者空间依赖性与空间效应。结果表明：（1）25 a间研究区生境质量逐年下降,总体上呈“西部由南向北递减、东部交错分布”的格局。（2）25 a间人类活动强度与广度均不断加深,高低值分布以“胡焕庸线”为界。（3）人类活动与生境质量有明显的空间依赖性,LISA聚类图表明高-高、高-低、低-高集聚类型下生态区数量分别为15、5、5,无低-低集聚区。（4）不同自然-社会背景下,典型人类活动对生境质量影响的空间效应方向不同,但都有显著的空间溢出效应。具体表现为：高-高集聚区内人口与GDP分布总效应为正,贡献度以人口分布为主;高-低集聚区内人口与GDP分布仍以正向的空间溢出效应为主,但GDP贡献最高;低-高集聚区人口分布影响效应为负,GDP仍是以高贡献的正向空间溢出效应为主;无论何种集聚区,交通道路都是以负向的空间溢出效应为主。较科学地评估了国家重点生态功能区生态环境与人类活动的发展现状,丰富了研究的方法与思路;数理分析基础上的... 相似文献
10.
房地产业是中国国民经济的重要支柱行业,从微观视角解析房地产企业空间格局与区位选择因素对指导中国城市房地产业健康发展至关重要。论文基于杭州市房地产业工商企业登记数据,采用最近邻指数、Ripley's K函数、最近邻层次聚类等空间点模式方法以及地理探测器模型,系统分析了杭州市房地产企业空间集聚特征与区位选择影响因素,研究结果表明：① 杭州市房地产业及其子行业企业分布均存在显著的空间集聚特征,不同类型房地产行业企业的空间集聚程度呈现出“房地产中介服务>房地产开发经营>物业管理>其他房地产业”的规律特征;② 杭州市房地产业及其子行业企业的空间集聚强度均呈现出“先增后减”的空间尺度分异特征,但不同类型房地产业企业的空间集聚强度和集聚尺度却存在差异;③ 杭州市房地产企业分布的热点集聚区主要集中在沿西湖或钱塘江南部周围区域,但不同类型房地产业企业的热点集聚区分布等级和规模数量却有所差异;④ 地理探测器分析表明,集聚因素、区位因素和交通因素是影响杭州市房地产企业区位选择的有效因素。 相似文献
11.
通过测算全国30个省域2000—2015年的二氧化碳排放量，采用自然段点法，分别对2000年、2005年、2010年和2015年各省碳排放量进行分类，分析其空间分异化特征。采用空间自相关分析法揭示了相邻各省份碳排放量的空间关联性。在此基础上，运用对数均值迪氏分解法，从能源结构、能源强度、经济发展和人口规模等角度，对碳排放影响因素进行无残差分解。结果表明：1）时间上，我国碳排放总量整体呈上升趋势，在2014—2015年仅下降2%。除北京市外，其余各省份的碳排放量呈增长趋势；空间上，高值碳排放由环渤海及东部沿海省份逐步蔓延至中西部个别省份;2）各省域碳排放主要呈现高高集聚和低高集聚的特征，高高集聚稳定集中在辽宁、河北、山东、山西和江苏省，北京市和天津市与高碳排放的省份形成一个低高集聚区域;3）东、中部比西部省份更易受能源结构、能源强度、经济发展和人口规模等因素的影响。经济发展对碳排放是驱动作用，能源强度对碳排放是抑制作用，能源结构对各省份碳排放的影响有正向驱动和负向抑制作用，除贵州省外，其余省份人口规模对碳排放均是正向驱动作用。 相似文献
12.
旅游产业集聚与区域旅游经济增长的关系——基于2001—2017年中国省际面板数据 总被引：1，自引：0，他引：1
基于空间自相关分析法,综合考察2001—2017年中国30个省区（不含西藏自治区和港澳台地区）旅游经济增长的空间相关性特征,继而构建空间杜宾模型探讨区域旅游经济增长的影响因素,并着重解析旅游产业集聚对区域旅游经济增长的空间溢出效应。结果表明：中国旅游产业集聚整体呈波动上升态势,且区域间差距日渐缩小;中国旅游经济增长具有显著空间相关性,局域空间分布以“H-H”和“L-L”类型为主;区域经济发展水平、城镇化水平、产业结构和区域创新能力是推动本省区及邻近省区旅游经济增长的重要因素,旅游产业集聚显著促进本省区旅游经济增长,对邻近省区则是负向影响,而交通设施条件对本省区旅游经济增长具有负向抑制效应,对邻近省区影响不明显,地区开放程度对旅游经济增长的作用不显著。 相似文献
13.
The sustainable development has been seriously challenged by global climate change due to carbon emissions. As a developing country, China promised to reduce 40%-45% below the level of the year 2005 on its carbon intensity by 2020. The realization of this target depends on not only the substantive transition of society and economy at the national scale, but also the action and share of energy saving and emissions reduction at the provincial scale. Based on the method provided by the IPCC, this paper examines the spatiotemporal dynamics and dominating factors of China’s carbon intensity from energy consumption in 1997–2010. The aim is to provide scientific basis for policy making on energy conservation and carbon emission reduction in China. The results are shown as follows. Firstly, China’s carbon emissions increased from 4.16 Gt to 11.29 Gt from 1997 to 2010, with an annual growth rate of 7.15%, which was much lower than that of GDP (11.72%). Secondly, the trend of Moran’s I indicated that China’s carbon intensity has a growing spatial agglomeration at the provincial scale. The provinces with either high or low values appeared to be path-dependent or space-locked to some extent. Third, according to spatial panel econometric model, energy intensity, energy structure, industrial structure and urbanization rate were the dominating factors shaping the spatiotemporal patterns of China’s carbon intensity from energy consumption. Therefore, in order to realize the targets of energy conservation and emission reduction, China should improve the efficiency of energy utilization, optimize energy and industrial structure, choose the low-carbon urbanization approach and implement regional cooperation strategy of energy conservation and emissions reduction. 相似文献
14.
节能减排约束下中国省域旅游生态效率评估及空间格局研究 总被引：1，自引：1，他引：0
旅游生态效率评估及空间格局研究是揭示中国省域旅游业发展质量与态势的重要基础。论文以“自下而上”法核算中国省域旅游能源消耗与碳排放为基础,综合运用考虑非期望产出的Super-SBM模型、Malmquist指数及探索性空间数据分析等方法,探究节能减排约束下2000—2017年中国省域旅游生态效率及其空间分异、收敛和关联格局。结果表明：① 旅游能源消耗与碳排放总体呈先增长、后下降的倒“U”形演化趋势,支持环境库兹涅茨曲线(EKC)假说;② 旅游生态效率总体呈波动增长趋势,并有较大增长潜力,纯技术效率驱动生态效率优化发展;③ 旅游生态效率在省域、地区尺度上均呈现空间分异格局,但趋向收敛平衡发展;④ 旅游生态效率呈现由强到弱的正向空间关联格局,其发展模式以低—低集聚为主,低—高集聚次之,空间集聚模式待优化。各省区应以生态效率水平较高的地区为基准,通过要素流动、规模效应、技术进步及环境规制等手段,实现旅游业高质量协调发展。 相似文献
15.
基于卫星观测技术核算出中国26个省份2007-2016年的氮氧化物排放量数据。首先,对省域氮氧化物排放的时空分布特征进行了详细分析。然后,采用空间面板数据模型对影响氮氧化物排放的社会经济驱动因素进行了实证研究。结果表明：① 以重工业发展为主的河北、山西、山东、河南、内蒙古以及经济较为发达的江苏和广东是氮氧化物污染的重灾区。② 中国省域氮氧化物排放存在显著的空间正自相关现象。③ 空间计量模型估计结果显示：氮氧化物排放存在显著的空间溢出效应。地区经济发展水平提高、第二产业比重提升以及煤炭消费量增加是引起氮氧化物排放的重要驱动因素。然而,地区技术水平升级以及外商直接投资则可以有效地减少氮氧化物排放,改善环境质量。 相似文献
16.
中国省际生态福利绩效测算及影响因素研究 总被引：2，自引：0，他引：2
采用非期望产出SBM模型对2001~2015年中国省际生态福利绩效进行测算研究,运用空间自相关方法和空间误差模型对中国省际生态福利绩效的空间分布特征及影响因素进行检验。结果表明:① 中国生态福利绩效总体水平较高,但呈现出下降态势;各省市之间差异性明显,仅有北京、上海等6个省市实现有效,其他省市均存在不同程度的无效率状态;区域之间也存在差异性,总体呈现出东部>西部>中部的分布格局。② 中国省际生态福利绩效呈现正向空间自相关性,存在明显的集聚状态。③ 中国省际生态福利绩效的主要影响因素有技术进步、绿化程度、社会性支出、医疗水平、城镇化、产业结构和环境规制。 相似文献
17.
LIU Xianzhao 《资源与生态学报(英文版)》2020,11(5):483-498
An accurate understanding of the real situation of energy-related carbon emissions and the main factors driving the carbon emissions increments are crucial for China to realize its emission mitigation targets. Adopting the comparative decomposition of an extended LMDI (Log-Mean Divisia Index) approach, this study decomposed the changes in carbon emissions of Jiangsu, Henan, and Inner Mongolia, which are located in the eastern, central and western parts of China. This analysis led to three main findings. 1) During the period of 1996-2017, the energy-related carbon emissions in the examined provinces exhibited upward trends, but with some differences among the provinces. 2) The influences of driving factors on carbon emissions varied distinctly in different provinces and economic stages. Economic growth had the largest positive effect on provincial carbon emissions increases. From 1996 to 2017, the contribution rates of economic development to emissions growth in Henan, Jiangsu and Inner Mongolia were 307.19%, 205.08% and 161.26%, respectively. This influence was followed by urbanization and population size. 3) Energy intensity played a leading role in facilitating emissions-reduction in the examined provinces, except for during the tenth Five-Year Plan, followed by the energy structure. The effect of rural population proportion was the weakest among all the curbing factors. Furthermore, urban and rural resident°s energy consumption per capita demonstrated relatively minor impacts and disparate directions of influence in the different provinces and economic periods, but began to play increasing roles in driving up provincial emissions changes. For example, residential energy consumption in Jiangsu contributed over 7.9% to the total carbon emission growth in 1996-2017, among which urban residents’ per-capita energy consumption contributed more than 3.8%. In view of these findings, policy makers should formulate targeted emission reduction measures that are based on the distinct situations and key factors which affect carbon emissions in each province. 相似文献
18.
《地理学报(英文版)》2019,(2)
In this study, we adopt kernel density estimation, spatial autocorrelation, spatial Markov chain, and panel quantile regression methods to analyze spatial spillover effects and driving factors of carbon emission intensity in 283 Chinese cities from 1992 to 2013. The following results were obtained.(1) Nuclear density estimation shows that the overall average carbon intensity of cities in China has decreased, with differences gradually narrowing.(2) The spatial autocorrelation Moran's I index indicates significant spatial agglomeration of carbon emission intensity is gradually increasing; however, differences between regions have remained stable.(3) Spatial Markov chain analysis shows a Matthew effect in China's urban carbon emission intensity. In addition, low-intensity and high-intensity cities characteristically maintain their initial state during the transition period. Furthermore, there is a clear "Spatial Spillover" effect in urban carbon emission intensity and there is heterogeneity in the spillover effect in different regional contexts; that is, if a city is near a city with low carbon emission intensity, the carbon emission intensity of the first city has a higher probability of upward transfer, and vice versa.(4) Panel quantile results indicate that in cities with low carbon emission intensity, economic growth, technological progress, and appropriate population density play an important role in reducing emissions. In addition, foreign investment intensity and traffic emissions are the main factors that increase carbon emission intensity. In cities with high carbon intensity, population density is an important emission reduction factor, and technological progress has no significant effect. In contrast, industrial emissions, extensive capital investment, and urban land expansion are the main factors driving the increase in carbon intensity. 相似文献
19.
基于LandScan全球人口和ESA全球土地利用数据,构建2000—2015年中国省域人口空间结构数据库,刻画省域人口空间结构的时空格局,进而运用面板固定效应法、两阶段最小二乘法和差分GMM法探索空间结构对省域经济绩效的影响及这种影响对不同规模省域的差异,最后从省会城市集聚（不）经济的角度分析其内在机制。结果发现：① 2000—2015年,中国所有省会城市的人口规模都得到了显著增加,省域人口空间结构存在单中心化的演变趋势,且中西部地区省域人口空间结构相对偏单中心化;② 对所有省份尤其是人口规模相对较小的省份而言,人口空间结构单中心化倾向于提高省域经济效率,而对人口规模相对大的省份,人口空间结构单中心化很可能不利于省域经济效率的提高;③ 省会城市自身已经初显集聚不经济的迹象。 相似文献