生态学报  2023, Vol. 43 Issue (4): 1353-1365

文章信息

杨新梅, 黄和平, 周瑞辉
YANG Xinmei, HUANG Heping, ZHOU Ruihui
中国城市绿色发展水平评价及时空演变
Evaluation and spatiotemporal evolution of urban green development level in China
生态学报. 2023, 43(4): 1353-1365
Acta Ecologica Sinica. 2023, 43(4): 1353-1365
http://dx.doi.org/10.5846/stxb202204120964

文章历史

收稿日期: 2022-04-12
网络出版日期: 2022-07-04
中国城市绿色发展水平评价及时空演变
杨新梅1,2 , 黄和平1 , 周瑞辉3     
1. 江西财经大学经济学院, 南昌 330013;
2. 宁波财经学院金融与信息学院, 宁波 315175;
3. 南昌工程学院经济贸易学院, 南昌 330099
摘要: 城市绿色发展是实现高质量发展的内在要求,科学评价城市绿色发展水平,把握绿色发展水平的时空演变特征是相关领域研究的前提和基础。基于2003-2019年中国286个地级及以上城市的面板数据,从绿色生产、绿色生态和绿色生活三个方面构建城市绿色发展水平评价指标体系,测算中国城市绿色发展水平,然后通过空间相关分析、热点分析、Dagum基尼系数分解等方法揭示城市绿色发展水平的时空演变特征。结果表明:(1)中国城市绿色发展水平在稳步提升,但仍有很大提升空间。(2)绿色生产指数、绿色生态指数和绿色生活指数逐年增长,平均增长率分别为2.67%、4.61%、1.66%。绿色生态指数对城市绿色发展水平的提升贡献最大,其次是绿色生活指数,绿色生产指数最低,直接拉低了城市绿色发展水平。(3)中国城市绿色发展水平呈现典型的高-高集聚与低-低集聚的正向空间相关。热点区域集中在广东省之外的东部沿海和中部城市。(4)中国城市绿色发展水平的总体差异、区域内及区域间差异均呈现下降趋势,其中区域间差异是总体差异产生的主要来源。
关键词: 城市绿色发展水平    评价指标体系    热点分析    时空演变    
Evaluation and spatiotemporal evolution of urban green development level in China
YANG Xinmei1,2 , HUANG Heping1 , ZHOU Ruihui3     
1. School of Economics, Jiangxi University of Finance and Economics, Nanchang 330013, China;
2. College of Finance and Information, Ningbo University of Finance and Economics, Ningbo 315175, China;
3. School of Economics and Trade, Nanchang Institute of Technology, Nanchang 330099, China
Abstract: Urban green development is the internal requirement to achieve high quality development. It is the premise and basis of relevant research to evaluate the level of urban green development scientifically and grasp the spatiotemporal evolution characteristics of green development level. First, based on the panel data of 286 cities at prefecture level and above in China from 2003 to 2019, this study constructed the evaluation index system of urban green development level from three aspects including green production, green ecology and green living, to estimate the green development level of the Chinese cities. Second, this study reveals the spatial and temporal evolution characteristics of urban green development level by spatial correlation analysis, hot spot analysis, Dagum Gini coefficient decomposition and other methods. The following results are obtained. (1) The level of green urban development in China is steadily improving, but there is still much room for improvement. (2) The green production index, green ecological index and green living index increased year by year during 2003-2019, with average growth rates of 2.67%, 4.61% and 1.66%, respectively. The green ecological index contributes the most to the improvement of urban green development level, followed by the green living index. The green production index is the lowest, directly dragging down the level of urban green development. (3) The level of urban green development in China presents a typically positively spatial correlation with high-high agglomeration and low-low agglomeration. The hot spots are concentrated in the eastern coastal and central cities except Guangdong Province. (4) The overall, intra-regional and inter-regional differences in the level of urban green development in China show a downward trend. Among them, inter-regional differences are the main source of overall differences.
Key Words: urban green development level    evaluation index system    hot spot analysis    spatio-temporal evolution    

绿色发展是21世纪人类发展的共同主题, 也是中国经济转型的根本方向。改革开放40余年, 中国经历了大规模的快速城镇化过程, 取得了非凡的成就, 创造了巨额的财富;然而, 人们在享受着城镇化美好成果的同时, 也饱尝经济发展所带来的生态破坏和环境污染等问题。因此, 绿色发展是中国的必然选择和根本出路[1]。然而由于环境污染存在较强的外部性, 市场机制难以自发解决生态环境保护问题, 地方政府行为又面临机会主义倾向, 使得绿色发展在实践层面存在诸多挑战和困难, 如何科学评价各区域的绿色发展水平并制定差异化的绿色发展政策是首要的困难之一。

国内外已有很多学者对绿色发展水平评价进行过较为详细的研究, 因评价对象尺度和评价方法的差异, 评价指标体系构成也各有不同。其中, Nahman等构建了包含经济、社会和环境等多个维度的绿色经济绩效综合指标体系来测度全球193个国家的绿色经济发展水平[2]。除此之外, 还有蓝庆新和黄婧涵[3]、杜莉和马遥遥[4]、高赢[5]、马骍[6]等国内学者也对国家层面的绿色发展水平做过评价。省域尺度[713]的评价体系多集中在国内。而城市作为人类生产生活和经济发展高级化的集聚地, 是推进绿色发展的重中之重[14]。中国城市化发展进程亦表明, 环境污染问题主要集中发生在城市区域。近年来, 少数学者开始对城市群[1518]及城市[1922]的绿色发展水平进行研究, 但现有研究仅对中国少数或特定类型城市的绿色发展水平进行了测度, 很少有研究系统囊括所有或尽可能多的城市, 由此导致各类城市绿色发展水平难以进行横向比较和缺乏全局路径视野。个别学者测度过中国城市绿色发展水平[2324], 但没有深入分析其时空演变趋势。

习近平总书记在十九大报告及考察讲话中多次提到, 人与自然和谐共生的绿色发展就是要统筹协调好生产、生态和生活三者的关系, 坚持生态优先, 绿色发展。践行绿色发展理念, 就是要推动生产、生活、生态协调发展。生态+生产+生活=绿色发展。因此, 影响绿色发展水平的因素主要包括绿色生产、绿色生态和绿色生活三个大方面。

鉴于此, 本文拟从绿色生产、绿色生态和绿色生活三个方面构建城市绿色发展水平评价指标体系, 对2003—2019年中国286个地级及以上城市绿色发展水平进行测算, 然后通过空间相关分析等方法揭示城市绿色发展水平的时空演变特征, 以期为缩小中国城市绿色发展水平的地区差异、促进城市绿色发展水平提供理论依据。

1 城市绿色发展水平评价指标体系构建

根据绿色发展内涵, 在前人研究成果的基础上, 更加注重突出城市空间的绿色发展特点, 更加注重指标选取的科学性、系统性和平衡性, 并按照层次分析法构建城市绿色发展水平评价指标体系[25], 如表 1

表 1 城市绿色发展水平评价指标体系 Table 1 Evaluation index system of urban green development level
目标层
Target level
一级指标
First-level index
二级指标
Second-level index
三级指标
Third-level index
单位
Unit
指标属性
Index attribute
城市绿色发展水平
Level of green urban development
A1绿色生产 B1经济增长质量 C1人均实际GDP增长率 % +
C2工业增加值占GDP比重 % +
C3第三产业增加值占GDP比重 % +
C4污染产业产值占工业总产值比重 % -
C5居民人均可支配收入 104 +
B2污染排放强度 C6单位GDP废水排放量 t/104 -
C7单位GDP二氧化硫排放量 t/104 -
C8单位GDP烟尘排放量 t/104 -
B3资源利用强度 C9单位GDP总用电量 kW·h/104 -
C10单位GDP用水量 m3/104 -
C11单位GDP建成区面积 km2/104 -
A2绿色生态 B4生态保护 C12造林面积占辖区面积比重 % -
C13森林覆盖率 % +
B5环境治理 C14生活污水处理率 % +
C15生活垃圾无害化处理率 % +
C16工业固体废物综合利用率 % +
B6资源禀赋 C17人均水资源量 m3/人 +
C18人均园林绿地面积 hm2/人 +
A3绿色生活 B7绿色行为 C19人均生活用电量 kW h-1-1 -
C20人均日生活用水量 m3 d-1-1 -
C21城镇每万人口公共交通客运量 104人次 +
B8居住环境 C22建成区绿化覆盖率 % +
C23PM2.5 μg/m3 -
C24空气质量优良天数比例 % +
C25区域环境噪声值 dB -
指标属性中“+”表示正向指标或激励型指标, “-”表示逆向指标或约束型指标

(1) 绿色生产方面。考察绿色生产水平, 既要考察经济增长的量, 还要注重经济增长的质。即高产出的同时还要低污染、低消耗。故绿色生产下设经济增长质量、污染排放强度和资源利用强度3个二级指标。其中经济增长质量体现产出高效且结构优良的状况, 采用人均GDP增长率和工业增加值占GDP比重、第三产业增加值占GDP比重、污染产业产值占工业总产值比重、居民人均可支配收入来衡量;人均GDP增长率、工业增加值占GDP比重和第三产业增加值占GDP比重、居民人均可支配收入等指标的值越高, 说明当地经济增长质量越高, 产出率越高, 越有利于绿色发展。污染产业产值占工业总产值比重越大, 说明该地区工业总产值中污染产业产值贡献越多, 污染产业产值越大, 产生的污染越多, 越不利于绿色发展。污染排放强度体现污染排放情况, 选用单位GDP废水排放量、单位GDP二氧化硫排放量、单位GDP烟尘排放量反映, 其值越大, 说明单位GDP污染排放量越多, 越不利于绿色发展。资源利用强度体现资源消耗情况, 采用单位GDP用电量、单位GDP用水量、单位GDP建成区面积考察电、水和土地等资源的利用效率, 其值越大, 说明每一单位GDP耗用的电量、水量和土地面积越多, 资源利用效率越低, 越不利于绿色发展。

(2) 绿色生态方面。绿色生态环境主要体现在三个方面:①生态保护指标方面(森林覆盖率、造林面积等);②污染物控制方面(污水经中水站处理成中水、垃圾减量并无害处理等);③资源环境存量方面(水资源和园林绿地等资源环境存量)。因此绿色生态下设生态保护、环境治理、资源禀赋3个二级指标。其中, 生态保护体现的是各地区对生态环境的保护与建设力度及生态系统的自我保护能力。选取当年造林总面积占辖区面积比重和森林覆盖率来反映。其中当年造林总面积占辖区面积比重反映当年新增造林面积, 体现地区对生态环境的保护和建设力度, 其值越大, 表明该地区保护生态环境的力度越大, 越有利于该地区的绿色发展;森林覆盖率反映现存的森林面积, 体现的是生态系统的自我净化和保护能力, 其值越高, 代表森林资源越丰富, 生态系统的自我保护能力越强, 越利于绿色发展。环境治理体现的是各地区对污水、垃圾等排放物的处理力度, 选用生活污水处理率、生活垃圾无害化处理率、工业固体废物综合利用率来反映, 其值越高, 说明该地区污水处理及垃圾处理力度越强, 越有利于绿色发展。资源禀赋体现一个地区水资源和园林绿地资源禀赋状况, 选用人均水资源量、人均园林绿地面积来体现, 其值越大, 说明该地区资源禀赋越好, 生态绿化越好, 越有利于绿色发展。

(3) 绿色生活方面。只要是对人类健康生活有益都是绿色生活包括的对象。例如:节水节电等绿色消费行为、尽量乘坐公共交通等绿色出行行为、改善居民居住环境等都是绿色生活包括的内容。本文将绿色生活分为居民绿色行为和居民居住环境。其中居民绿色行为包括居民生活用水用电和绿色出行等, 因此选用人均生活用电量、人均日生活用水量、城镇每万人口公共交通客运量来反映。人均生活用电量和人均日生活用水量越低, 反映居民节电节水等消费意识越强, 越利于提高城市绿色发展水平。城镇每万人口公共交通客运量反映居民选择公共交通工具的绿色出行倾向, 其值越大, 说明绿色出行频率越多, 越有利于绿色发展。居住环境包括大气环境和声环境等, 这里选取建成区绿化覆盖率、PM2.5、空气质量优良天数比例和区域环境噪声值来体现。建成区绿化覆盖率越高, 说明城市绿化越好, 越有利于城市绿色发展;PM2.5值越小, 空气质量优良天数比例越大, 说明空气质量越好, 正向影响绿色发展水平, 反之则负向影响绿色发展水平。区域环境噪声值越大, 说明地区的声质量越差, 越不利于绿色发展, 是城市绿色发展水平的负向指标。

2 研究方法与数据来源 2.1 城市绿色发展水平测算方法

为保持客观性, 同时为了避免熵值法常出现的极大极小权重的问题, 本文采用纵横向拉开档次评价法[26]对城市绿色发展水平进行测度分析。具体步骤如下:

(1) 数据标准化处理。正向指标采用式(1)进行标准化处理, 逆向指标采用式(2)进行标准化处理。

(1)
(2)

式中:Xij(i=1, 2; j=1, 2, …, m)为无量纲处理前的原始指标值, max(Xij)、min(Xij)分别为Xij的最大值和最小值。

(2) 依据拉开档次法原理, 把n个被评价对象看成是m维评价空间xi1, xi2, …, xim中的n个点, 投影到某一空间, 使得各投影点在这一空间最分散。根据面板数据设置综合评价函数, 见公式(3)。

(3)

其中:yi为被评价单元i的评价值;ωj是第j个评价指标的权重, 若记yi=(y1, y2, ..., yn)T, Ak=, ω=(ω1, ω2, …, ωm)T, 则公式(3)可写为公式(4)。

(4)

(3) 确定权重ω。为了使得不同被评价对象之间的差异最大, 就要指标x的线性函数y=ωTxn个被评价对象的方差最大, 以此确定权重ω。差异见公式(5)。

(5)

y=代入公式(5), 并进行标准化处理可知y=0, 得公式(6)。

(6)

式中:ω=(ω1, ω2, …, ωm)Tm×m阶对称矩阵;Hk=AkTAk(k=1, 2, …, N)为实对称矩阵。显然对于ω不加限制时, 公式(6)可以取任意大的值, 这里限定ωTω=1, 求公式(6)的最大值, 也就是选择ω, 得公式(7)。

(7)

ωH的最大特征值所对应的权重时, 公式(7)取得最大值, 将ω归一化即可求出权重系数ω, 且

(4) 计算城市绿色发展指数。依据公式(3)计算城市绿色发展指数, 即城市绿色发展水平。

2.2 空间相关分析方法

城市的地理位置不仅影响其自身的绿色发展水平, 也会影响其邻域的绿色发展水平, 故需要对城市绿色发展水平的空间自相关性进行度量。空间自相关分析是研究某一区域属性时空格局演进的常用方法, 通常采用Moran指数[27]来测度, 包括全域空间自相关和局域空间自相关两部分。

① 全局空间自相关。该分析用于描述某一属性在总体空间内是否存在集聚性状态, 见公式(8)。

(8)

其中, I为全局Moran指数, n为区域个数, yiyj分别为区域ij地理单元的属性值, y为各区域属性值的平均值;Wij为空间关系权重矩阵。采用地理距离d的倒数作为空间权重矩阵。

Moran指数介于[-1, 1]之间, 当Moran指数大于0时, 说明各地区某属性取值正相关, 即趋于空间集聚;当Moran指数趋近于0时, 则说明属性取值不存在空间自相关;当Moran指数小于0时, 则负相关, 值越小说明空间分异性越强。统计量Z用于检验Moran指数的显著性水平, 见公式(9)。

(9)

式中, E(I)为期望值;VAR(I)为I的方差。若Z>0且通过Z值显著性统计检验, 则说明某属性在空间分布上具有显著的正相关性;若Z < 0且通过Z值显著性统计检验, 则说明某属性在空间分布上具有显著的负相关性;否则为不相关。

② 局部空间自相关。将全局空间自相关的Moran指数分解到各个组成单元, 用以检验局部地区是否存在空间集聚区, 见公式(10)。

(10)

其中, Ii为局部Moran指数, S2为样本修正方差, 其他变量解释同式(8)。Ii为正说明区域单元周围呈现高-高或低-低的空间集聚区, Ii为负说明区域单元周围呈现高-低或低-高的空间集聚区。

2.3 区域差异分析方法

根据Dagum[28]提出的基尼系数分解方法, 对中国东部、中部和西部的城市绿色发展水平进行区域差异分解。总体基尼系数的计算方法见公式(11)。

(11)

其中, yji(yhr)是j(h)区域内各城市的绿色发展水平综合指数, y是绿色发展水平综合指数的平均值, n是城市个数, k是区域个数, nj(nh)是j(h)区域内城市个数, G是总体基尼系数, jhk个区域中不同的区域, 且j=1, 2, ..., k, irj(h)区域内不同的城市。

Dagum将总体基尼系数G分解为区内差异贡献Gw、区间净值差异贡献Gnb、超变密度贡献Gt, 它们之间的关系满足G=Gw+Gnb+Gt。式(12)和式(13)分别表示某区域(如东部)的基尼系数Gjj和区域之间(jh区域)的基尼系数Gjh, 式(14)—(16)分别表示经济区内差异贡献Gw、经济区间净值差异贡献Gnb、超变密度贡献Gt

(12)
(13)
(14)
(15)
(16)

其中, pj=nj/nj地区城市数与全国城市总数的比值, sj=njyj/ny, j=1, 2, ..., kDjhj区域和h区域之间绿色发展水平的相对影响, 计算公式为:

(17)

其中, djhpjh的计算公式如式(18)和式(19)所示, 将djh定义为区域之间绿色发展水平的差值, 可以理解为j区域和h区域中满足yji-yhr>0条件的所有样本值之和的数学期望, pjh定义为超变一阶矩, 表示jh区域中所有的yhr-yji>0样本值之和的数学期望;Fj(Fh)为j(h)地区的累积密度分布函数。

(18)
(19)
2.4 数据来源

本文选取2003—2019年中国286个地级及以上城市作为研究对象。各城市宏观数据主要来自《中国城市统计年鉴》(2004—2020年)及各省、市统计年鉴, 生态保护方面指标及空气优良天数、区域环境噪声值指标的数据主要来源于各省、市2003—2019年环境状况公报。水资源量数据来源于各省水资源公报。缺失数据采用线性插值法进行补充。考虑数据完整和可得, 这里选取的286个地级及以上城市不包括中国港澳台各市和缺失数据较严重的毕节市、巢湖市、海东市、三沙市、铜仁市、儋州市和自治州、盟等地区。

3 结果与分析 3.1 全国城市绿色发展水平总体分析

根据以上计算方法, 全国城市绿色发展水平均值及一级指标(绿色生产指数、绿色生活指数、绿色生态指数)的结果见表 2

表 2 城市绿色发展水平的全国均值及一级指标的均值 Table 2 The mean value of urban green development level and each sub-index
年份
Year
全国均值
National mean level
绿色生产指数
Green production index
绿色生态指数
Green ecological index
绿色生活指数
Green living index
2003 0.4130 0.3970 0.4204 0.6180
2004 0.4745 0.4004 0.5175 0.6201
2005 0.5100 0.4138 0.5686 0.6550
2006 0.4966 0.4162 0.5707 0.6502
2007 0.5636 0.4307 0.6421 0.6533
2008 0.5865 0.4413 0.6721 0.6625
2009 0.6077 0.4543 0.6999 0.6746
2010 0.6423 0.4618 0.7498 0.7244
2011 0.6619 0.4727 0.7751 0.7607
2012 0.6851 0.4902 0.8043 0.7755
2013 0.7038 0.5058 0.8276 0.7753
2014 0.7199 0.5237 0.8460 0.7849
2015 0.7342 0.5429 0.8621 0.7993
2016 0.7444 0.5578 0.8718 0.8010
2017 0.7536 0.5749 0.8792 0.8044
2018 0.7689 0.5972 0.8926 0.8067
2019 0.7822 0.6214 0.9038 0.8173

从全国均值可以发现, 全国总体的城市绿色发展水平在稳步提升, 由2003年的0.4130逐年提升至2019年的0.7822, 16年来增长了近1倍, 平均每年增长3.83%, 仅2006年全国城市绿色发展水平略有下降, 原因可能在于:高耗能、高污染行业增长过快, 占全国工业能耗和二氧化硫排放近70%的六大行业增长20.6%, 2006年末未实现年初确定的节能降耗和污染减排的目标, 直至2007年初, 国务院印发了《节能减排综合性工作方案》, 并纳入地方政府领导干部综合考核评价, 实行“一票否决制”后节能减排才有所好转。其余年份全国城市绿色发展水平均为正增长, 但增长率呈下降趋势。若按百分制来看, 全国城市绿色发展水平处于0—1之间, 满分为1(100分)。2009年之前, 全国城市绿色发展水平小于0.6(60分), 为不及格水平。2009年全国城市绿色发展水平为0.6077, 刚达到及格水平, 随后逐年改善, 截至2019年, 全国城市绿色发展水平为0.7822, 仍低于0.8(80分), 说明全国城市绿色发展水平还有很大提升空间。若按2003—2019年绿色发展水平全距(潜在最大值-潜在最小值)的四分位数间距, 将全国286个城市的绿色发展水平划分为高[0.8, 1.0]、中高[0.6, 0.8)、中等[0.4, 0.6)、中低[0.2, 0.4)和低(0, 0.2)5类等级水平, 则全国城市绿色发展水平由2003年的中等水平上升到2019年的中高水平。

表 2可以看出:①绿色生产指数、绿色生态指数和绿色生活指数在考察期内呈现逐年增长态势, 平均增长率分别为2.67%、4.61%、1.66%。与全国均值增长率(3.83%)相比, 绿色生态指数增长较快, 对城市绿色发展水平的提升贡献最大。②由于各指标增长速率不同, 绿色生产指数、绿色生态指数和绿色生活指数对绿色发展的贡献在不同时期表现不一, 在2003—2007年间, 贡献大小分别为:绿色生活指数>绿色生态指数>绿色生产指数, 2007—2019年, 则变为:绿色生态>绿色生活>绿色生产。③绿色生活指数2003—2019年期间一直处于全国城市绿色发展水平均值之上, 且平稳增长, 但增长幅度最小。④绿色生产指数虽然也呈现逐年上升, 但是增长幅度(2.67%)远远弱于绿色生态指数(4.61%)及全国均值的上升幅度(3.83%), 而且从具体数值来看, 绿色生产指数是拉低全国城市绿色发展水平的主要贡献因子。说明在考察期内中国城市的发展模式仍是传统的粗放发展模式, 即高速经济增长的同时, 生产要素投入高, 能源资源消耗高, 污染排放强度高, 资源利用效率低, 最终拉低了绿色生产指数。因此要加速提升城市绿色发展水平, 迫切需要提高绿色生产水平。

3.2 空间相关分析

为了进一步刻画城市绿色发展水平的差异及时空演变趋势, 运用ArcGIS软件对全国城市绿色发展水平进行时空演变分析。本文选取2003年、2009年、2014年、2019年4个时间断面来刻画分析不同时期绿色发展水平的变化, 见图 1, 其中的白色部分为非研究对象, 表 3为4个时间断面的绿色发展水平不同等级的城市个数构成情况。

图 1 中国地级以上城市绿色发展发展水平的空间差异及演变 Fig. 1 Spatial difference and evolution of green development level of cities above prefecture level in China

表 3 绿色发展水平各等级地级市数量分布/个 Table 3 Distribution of the number of cities at different levels of green development
等级划分
Levels
2003年 2009年 2014年 2019年 等级划分
Levels
2003年 2009年 2014年 2019年
低水平地区
Low level area
31 0 0 0 中高水平地区
Medium high level area
38 173 257 193
中低水平地区
Medium low level area
105 17 0 0 高水平地区
High level area
0 0 11 93
中等水平地区
Medium level area
112 96 18 0 合计
Total
286 286 286 286

图 1表 3可以发现以下中国城市绿色发展水平的变化特征:① 2003年至2019年, 颜色由浅及深, 城市绿色发展水平由低水平和中低水平居多转变为中高水平和高水平居多。具体来看, 2003年, 中国城市绿色发展水平普遍不高, 近一半城市的绿色发展水平为中低水平及以下, 中高水平地区仅占13.3%, 高水平地区更是一个也没有。到2009年, 中国城市绿色发展水平则实现了飞跃式的提升。其中286个城市全部脱离低水平阶段, 中低水平地区也仅占6%不到, 94%以上城市跃居为中等水平及中高水平。再到2014年, 除零星几个城市还处于中等水平外, 93.7%的城市绿色发展水平为中高水平及以上, 其中高水平地区有11个。截止到2019年, 100%的城市绿色发展水平居中高水平及以上, 高水平地区的城市数量有93个, 约占总数的1/3。② 2003—2019年间, 中等及以下水平地区在数量上明显减少, 中高水平和高水平的地区在数量上大幅增加, 且在空间分布上主要集聚在东部和中部地区。具体来看, 绿色发展水平排名靠前的多位于东部地区, 绿色发展水平较低地区多位于西部地区和少数中部地区, 这可能与改革开放以来国家不均衡的经济发展有关, 京津冀、长三角、珠三角等东部地区作为中国最具活力的经济中心, 在占据优越的地理位置的同时获得来自经济、社会和环境等方面资源的充足投入较多, 导致绿色发展水平相对较高。这一空间分布特征同时也侧面体现了发展是硬道理, 绿色发展并不是停止发展。东部地区大多不具有先天资源环境禀赋优势, 绿色发展水平反而较高, 这主要得益于经济社会高质量发展;而西部地区很多城市具有先天资源环境禀赋优势, 其绿色发展水平反而陷入“低端锁定”, 原因在于尚未将资源环境禀赋优势转换为经济优势, 仅固守“绿色”却不“发展”, 并不是绿色发展。因此要协调“绿色”与“发展”之间的关系, 绿色发展才是中国城市高质量发展的内在要求。

为了揭示空间因素对城市绿色发展水平的影响, 本文通过测算绿色发展水平的Moran′s I指数来检验全局空间相关性, 见表 4;再通过绘制2003年、2009年、2014年和2019年中国286个城市冷热点图来考察局域空间相关性, 具体利用ArcGIS 10.6中空间统计工具中热点分析(Getis-Ord Gi*)可以得到表示概率的P值和标准差的倍数的Z得分。热点和冷点分别表示Z得分在0.01, 0.05和0.10的显著水平下显著为正和负, 分别代表统计上显著的高值空间聚集和低值空间聚集, 见图 2

表 4 基于空间矩阵的城市绿色发展水平全局Moran′s I指数 Table 4 Global Moran′s I index of urban green development level based on spatial matrix
年份
Year
空间矩阵类型
Type of space
matrix
全局Moran′s I
Global Moran′s I
Z P 年份
Year
空间矩阵类型
Type of space
matrix
全局Moran′s I
Global Moran′s I
Z P
2003 距离矩阵 0.059 9.797 0.000 2012 距离矩阵 0.062 10.231 0.000
2004 距离矩阵 0.065 10.722 0.000 2013 距离矩阵 0.063 10.420 0.000
2005 距离矩阵 0.078 12.791 0.000 2014 距离矩阵 0.074 12.227 0.000
2006 距离矩阵 0.060 9.903 0.000 2015 距离矩阵 0.072 11.818 0.000
2007 距离矩阵 0.072 11.815 0.000 2016 距离矩阵 0.091 14.827 0.000
2008 距离矩阵 0.082 13.384 0.000 2017 距离矩阵 0.104 16.864 0.000
2009 距离矩阵 0.076 12.527 0.000 2018 距离矩阵 0.120 19.501 0.000
2010 距离矩阵 0.084 13.698 0.000 2019 距离矩阵 0.112 18.192 0.000
2011 距离矩阵 0.050 8.426 0.000

图 2 中国城市绿色发展水平变化的热点和冷点空间分布:2003、2009、2014和2019年 Fig. 2 Hotspot analysis based on spatial distance matrix: 2003, 2009, 2014 and 2019

表 4可以看出, 2003—2019年中国城市绿色发展水平的Moran′s I指数均为正, 且均在1%显著性水平上通过检验, 表明中国城市绿色发展水平在空间分布上呈显著的正相关。这意味着中国城市绿色发展水平呈现典型的空间集聚特征, 即高-高集聚(H-H)型与低-低集聚(L-L)型空间集聚模式。这表明绿色发展水平较高的地区, 往往与其他绿色发展水平较高的地区相邻, 同理, 绿色发展水平较低的地区, 往往被绿色发展水平较低的其他城市包围。

图 2可以看出:2003—2009年间, 中国城市凸显的热点地区主要集中在广东省之外的东部沿海城市和邻近沿海的中部城市;冷点区域则位于西部地区和靠近珠三角的两广地区, 其他较小的冷点区域则分布在东北地区。2014—2019年间, 中国城市的热点区域依然集中在广东省之外的东部沿海城市和邻近沿海的中部城市;西部城市的冷点区域在缩小, 而东北地区的冷点区域在扩大, 两广地区的冷热点效应变得不再明显。

3.3 分区域结果分析

为描述不同区域城市绿色发展水平的差异, 将全样本划分为东部、中部、西部三大区域[29](表 5)。

表 5 中国三大区域划分 Table 5 Three regional divisions of China
区域Area 所包含的省及直辖市Provinces and municipalities included
东部East 北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、辽宁
中部Central 山西、安徽、江西、河南、湖北、湖南、吉林、黑龙江
西部West 内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆

首先, 通过计算三大区域的城市绿色发展水平均值, 并绘制出演变趋势图(图 3), 可以发现:第一, 中国东部、中部和西部的城市绿色发展水平的总体走势与全国城市绿色发展水平大致相同, 研究期间内曲折上行;第二, 城市绿色发展水平存在区域差异性, 从大到小排名依次是东部、中部和西部, 其中东部城市的绿色发展水平均值高于全国均值;第三, 东部与中、西部城市间的差异在考察期内逐步缩小, “追赶”趋势比较明显。

图 3 2003—2019年中国城市三大区域及全国绿色发展水平走势图 Fig. 3 Trend of China′s regional green development level in 2003—2019

然后, 运用Dagum基尼系数分解法测度全国城市绿色发展水平的总体差异、区域内差异、区域间差异以及差异来源, 结果如图 45表 6所示。

图 4 区域内基尼系数 Fig. 4 Intra-regional Gini coefficient

图 5 区域间基尼系数 Fig. 5 Inter-regional Gini coefficient

表 6 绿色发展水平区域差异的来源分解 Table 6 Source decomposition of regional difference of green development level
年份
Year
区内差异贡献
Contribution of
regional differences
贡献率/%
Ratio of
contribution
区间差异贡献
Contribution of
interval differences
贡献率/%
Ratio of
contribution
超变密度贡献
Contribution of
supervariable density
贡献率/%
Ratio of
contribution
2003 0.0664 30.3716 0.0772 35.2825 0.0751 34.3458
2004 0.0526 30.4483 0.0589 34.1028 0.0612 35.4489
2005 0.0444 29.4600 0.0602 39.9630 0.0461 30.5771
2006 0.0514 30.2651 0.0568 33.4100 0.0617 36.3249
2007 0.0373 30.2855 0.0433 35.1567 0.0425 34.5578
2008 0.0344 30.4699 0.0403 35.7012 0.0382 33.8289
2009 0.0301 30.1772 0.0382 38.2358 0.0315 31.5870
2010 0.0252 30.4742 0.0310 37.5356 0.0265 31.9902
2011 0.0229 30.9349 0.0245 33.1624 0.0265 35.9027
2012 0.0189 30.6679 0.0221 35.8793 0.0206 33.4528
2013 0.0170 30.9961 0.0176 32.2377 0.0201 36.7662
2014 0.0145 30.6535 0.0171 36.3443 0.0156 33.0022
2015 0.0126 30.6659 0.0143 34.6737 0.0143 34.6604
2016 0.0111 30.1840 0.0144 39.0423 0.0113 30.7738
2017 0.0112 30.0909 0.0149 40.0528 0.0111 29.8563
2018 0.0092 29.6540 0.0133 42.7892 0.0086 27.5568
2019 0.0087 30.3393 0.0108 37.7726 0.0091 31.8881

(1) 全国总体差异和区域内差异。由图 4可知, 全国和各区域内部的基尼系数(G)在考察期内呈显著下降, 表明中国城市绿色发展水平的总体差异和东部、中部和西部区域内差异均呈下降趋势。

(2) 区域间差异。图 5可以看出, 区域间的绿色发展水平基尼系数呈现一致的下降趋势, 说明区域间差异在缩小, 这也正好佐证了前文的“追赶”趋势明显的结论。

(3) 差异来源及其贡献。从表 6图 4图 5的结果可得, 考察期内, 区域内差异、区域间差异、超变密度的年平均贡献率分别为30.36%、36.55%和33.09%, 这表明区域间差异是区域总体差异产生的主要来源, 但是三者之间的贡献率相差较小。

4 结论与启示 4.1 结论

基于2003—2019年中国286个城市的面板数据, 从绿色生产、绿色生态和绿色生活三个方面构建城市绿色发展水平评价指标体系, 进而测算中国城市绿色发展水平。然后通过空间相关分析、热点分析、Dagum基尼系数分解等方法多维度探讨城市绿色发展水平时空动态演变特征。研究发现:

(1) 全国总体的城市绿色发展水平在稳步提升, 但仍有很大的改善空间。由2003年的中等水平(0.4130)逐年提升至2019年的中高水平(0.7822), 16年来增长了近1倍, 中等及以下水平地区明显减少, 截止到2019年, 100%的城市绿色发展水平居中高水平及以上, 高水平地区的城市数量有93个, 约占总数的1/3, 且在空间分布上主要集聚在东部和中部地区。

(2) 绿色生产指数、绿色生态指数和绿色生活指数考察期内逐年增长, 平均增长率分别为2.67%、4.61%、1.66%。与全国城市绿色发展水平均值增长率(3.83%)相比, 绿色生态指数增长较快, 绿色生活指数增长幅度最小。由于各指标增长速率不同, 绿色生产指数、绿色生态指数和绿色生活指数对绿色发展的贡献在不同时期表现不一。在2003—2007年间, 贡献大小分别为:绿色生活指数>绿色生态指数>绿色生产指数, 2007—2019年, 则变为:绿色生态>绿色生活>绿色生产。绿色生态指数对城市绿色发展水平的提升贡献最大。绿色生产指数虽然也呈现逐年上升, 但是增长幅度(2.67%)远远弱于绿色生态指数(4.61%)及全国均值的上升幅度(3.83%), 而且从具体数值来看, 绿色生产指数是拉低城市绿色发展水平的主要贡献因子。说明在考察期内中国城市的发展模式仍是传统的粗放发展模式, 即高增长的同时, 生产要素投入高, 能源资源消耗高, 污染排放强度高, 资源利用效率低, 最终拉低了绿色生产指数。因此要加速提升城市绿色发展水平, 迫切需要提高绿色生产水平。

(3) 中国城市绿色发展水平呈典型的H-H型空间集聚与L-L型空间集聚的正向空间相关性。绿色发展水平较高的地区, 往往与其他绿色发展水平较高的地区相邻, 同理, 绿色发展水平较低的地区, 往往被绿色发展水平较低的其他城市包围。2003—2009年间, 中国城市凸显的热点地区主要集中在广东省之外的东部沿海城市和邻近沿海的中部城市;冷点区域则位于西部地区和靠近珠三角的两广地区, 其他较小的冷点区域则分布在东北地区。2014—2019年间, 中国城市的热点区域依然集中在广东省之外的东部沿海城市和邻近沿海的中部城市;西部城市的冷点区域在缩小, 而东北地区的冷点区域在扩大, 两广地区的冷热点效应变得不再明显。

(4) 中国东部、中部和西部区域城市绿色发展水平均曲折上行, 但存在区域差异性。城市绿色发展水平从大到小排名依次是东部城市、中部城市和西部城市。但中国城市绿色发展水平的总体差异及各区域内差异和区域间差异均呈现一致的下降趋势, 区域间差异是区域总体差异产生的主要来源。

4.2 启示

第一, 应继续提升全国绿色发展总体水平, 且“发展”和“绿色”协调并进。充分重视绿色发展的空间非均衡特征, 各级政府应积极采取措施有效缩小各地区经济发展水平及产业结构的差距。

第二, 应重点提高绿色生产水平以达到显著提升绿色发展水平的目的。各地方政企应该以节能、降耗、减污为目标, 推动绿色工业发展, 实现绿色清洁生产。

第三, 应以绿色发展水平较高地区为中心辐射周边地区, 带动周边地区的发展。同时绿色发展水平较低的地区可以借鉴水平较高区域的发展模式。

第四, 国家应重点关注中部和西部地区的城市并给予其政策支持, 同时引导区域间合作, 实现优势互补, 缩小区域间差异。各地区应该根据资源环境承载潜力、现有开发密度和发展潜力, 逐步形成主体功能定位分工, 形成东中西良性互动, 协调发展。

参考文献
[1]
胡鞍钢, 周绍杰. 绿色发展: 功能界定、机制分析与发展战略. 中国人口·资源与环境, 2014, 24(1): 14-20. DOI:10.3969/j.issn.1002-2104.2014.01.003
[2]
Nahman A, Mahumani B K, De Lange W J. Beyond GDP: towards a green economy index. Development Southern Africa, 2016, 33(2): 215-233. DOI:10.1080/0376835X.2015.1120649
[3]
蓝庆新, 黄婧涵. "一带一路"沿线国家绿色发展水平评价研究. 财经问题研究, 2020(4): 121-128.
[4]
杜莉, 马遥遥. "一带一路"沿线国家的绿色发展及其绩效评估. 吉林大学社会科学学报, 2019, 59(5): 135-149.
[5]
高赢. "一带一路"沿线国家低碳绿色发展绩效研究. 软科学, 2019, 33(8): 78-84.
[6]
马骍. "一带一路"沿线国家环境全要素生产率动态评价及绿色发展的国别差异——基于DEA-Malmquist指数的实证研究. 河南大学学报: 社会科学版, 2019, 59(2): 17-25.
[7]
张旭, 魏福丽, 袁旭梅. 中国省域高质量绿色发展水平评价与演化. 经济地理, 2020, 40(2): 108-116.
[8]
程钰, 王晶晶, 王亚平, 任建兰. 中国绿色发展时空演变轨迹与影响机理研究. 地理研究, 2019, 38(11): 2745-2765.
[9]
王勇, 李海英, 俞海. 中国省域绿色发展的空间格局及其演变特征. 中国人口·资源与环境, 2018, 28(10): 96-104.
[10]
蔡绍洪, 魏媛, 刘明显. 西部地区绿色发展水平测度及空间分异研究. 管理世界, 2017(6): 174-175.
[11]
任嘉敏, 马延吉. 东北老工业基地绿色发展评价及障碍因素分析. 地理科学, 2018, 38(7): 1042-1050.
[12]
孙才志, 童艳丽, 刘文新. 中国绿色化发展水平测度及动态演化规律. 经济地理, 2017, 37(2): 15-22.
[13]
尹传斌, 蒋奇杰. 绿色全要素生产率分析框架下的西部地区绿色发展研究. 经济问题探索, 2017(3): 155-161.
[14]
白杨, 黄宇驰, 王敏, 黄沈发, 沙晨燕, 阮俊杰. 我国生态文明建设及其评估体系研究进展. 生态学报, 2011, 31(20): 6295-6304.
[15]
黄跃, 李琳. 中国城市群绿色发展水平综合测度与时空演化. 地理研究, 2017, 36(7): 1309-1322.
[16]
吴传清, 黄磊. 演进轨迹、绩效评估与长江中游城市群的绿色发展. 改革, 2017(3): 65-77.
[17]
刘杨, 杨建梁, 梁媛. 中国城市群绿色发展效率评价及均衡特征. 经济地理, 2019, 39(2): 110-117.
[18]
熊曦, 张陶, 段宜嘉, 方晓萍, 周家宇. 长江中游城市群绿色化发展水平测度及其差异. 经济地理, 2019, 39(12): 96-102.
[19]
黄磊, 吴传清. 长江经济带城市工业绿色发展效率及其空间驱动机制研究. 中国人口·资源与环境, 2019, 29(8): 40-49.
[20]
赵领娣, 袁田, 赵志博. 城镇化对绿色发展绩效的门槛效应研究——以大西北、黄河中游两大经济区城市为例. 干旱区资源与环境, 2019, 33(9): 10-16.
[21]
罗宣, 金瑶瑶, 王翠翠. 转型升级下资源型城市绿色发展效率研究——以中部地区为例. 西南交通大学学报: 社会科学版, 2017, 18(6): 77-83.
[22]
张欢, 罗畅, 成金华, 王鸿涛. 湖北省绿色发展水平测度及其空间关系. 经济地理, 2016, 36(9): 158-165.
[23]
刘凯, 任建兰, 穆学英, 陈延斌. 中国地级以上城市绿色化水平测度与空间格局. 经济问题探索, 2017(11): 77-83.
[24]
欧阳志云, 赵娟娟, 桂振华, 倪永明, 韩冰, 庄长伟. 中国城市的绿色发展评价. 中国人口·资源与环境, 2009, 19(5): 11-15.
[25]
杨新梅. 中国城市绿色发展研究: 理论、测度与影响因素[D]. 江西南昌: 江西财经大学, 2022.
[26]
杨新梅, 黄和平. 中国城市生态文明建设水平评价及时空动态演变. 生态经济, 2020, 36(8): 213-220, 225-225.
[27]
Sokal R R, Thomson J D. Applications of spatial autocorrelation in ecology//Legendre P, Legendre L, eds. Developments in Numerical Ecology. Berlin: Springer, 1987: 431-466.
[28]
Dagum C. A new approach to the decomposition of the Gini income inequality ratio. Empirical Economics, 1997, 22(4): 515-531.
[29]
成金华, 李悦, 陈军. 中国生态文明发展水平的空间差异与趋同性. 中国人口·资源与环境, 2015, 25(5): 1-9.