中亚制造业发展的空间差异与结构特征

中亚经济地理是世界地理研究的重要组成部分,对新疆的向西开放战略起到基础支撑作用。制造业布局是中亚经济地理研究的核心内容之一,运用数理统计方法对中亚五国制造业发展的空间格局和结构特征进行初步分析。结果表明：中亚拥有得天独厚的资源优势,为其发展制造业打下坚实的基础,但受前苏联推行的“劳动分工”政策影响,中亚五国的制造业结构相对单一。独立后五国的制造业在经历初期的衰退后开始发展,产业多样性有所增强,但由于能源产业的迅速发展,制造业占工业增加值的比重大幅下降,由1994年的53.6%降至2010年的约30%。制造业空间布局和产业结构呈现以下特点：制造业空间分布不均衡,哈萨克斯坦制造业在五国中占具核心地位;哈国内制造业空间分布也呈现“东高西低”的不均衡分布格局;五国制造业有进一步重型化趋势;轻工业整体发展稳定,部分国家轻工产品依赖进口;制造业发展依赖外商投资和技术支持。     

1992-2015年中亚五国土地覆盖与蒸散发变化

1991年苏联解体,中亚五国独立使得土地覆盖与蒸散发格局发生深刻变化。以中亚五国为研究区,采用欧空局气候变化项目（CCI）土地覆盖和全球陆地数据同化系统（GLDAS）蒸散发数据,分析1992-2015年土地覆盖与蒸散发时空变化特征,进一步研究耕地蒸散耗水特征。结果表明：① 中亚五国土地覆盖变化具有阶段性特征,耕地扩张引起土地覆盖格局变化。1992-2003年耕地快速增加（1.1万km ²/a）,林地和草地大幅减少。2003-2015年耕地增速趋缓（0.3万km ²/a）,林地和草地有一定恢复,裸地和水体持续减少,城镇用地持续增长。耕地共增加12.3万km ²,林地和草地分别减少4.0万km ²和2.3万km ²,且集中于哈萨克斯坦中北部。裸地减少3.5万km ²,集中于哈萨克斯坦西南部,水体减少3.1万km ²,集中在咸海湖泊。乌兹别克斯坦耕地减少、裸地增加,吉尔吉斯斯坦、塔吉克斯坦和土库曼斯坦土地覆盖变化幅度较小;② 中亚五国蒸散发变化与土地覆盖格局基本一致。蒸散发总体呈增加态势（6 mm/a）,1992-2003年快速增加（11.3 mm/a）,2003-2015年缓慢上升（2.4 mm/a）。中亚五国年蒸散发达到276.8 mm,东南部的吉尔吉斯斯坦（347.3 mm）和塔吉克斯坦（302.9 mm）最高,中北部的哈萨克斯坦（297.9 mm）次之,西南部的乌兹别克斯坦（211.0 mm）和土库曼斯坦（150.0 mm）最低;③ 中亚五国蒸散耗水结构受耕地面积大小的影响。中亚五国耕地蒸散耗水的贡献由24.7%增至27.9%,土库曼斯坦耕地蒸散耗水仅占本国的11%,其他国家均超过25%。草地、林地和裸地的蒸散耗水贡献降低,但哈萨克斯坦、吉尔吉斯斯坦和塔吉克斯坦仍以草地和林地蒸散耗水为主（≥ 50%）,土库曼斯坦（61.3%）和乌兹别克斯坦（46.4%）的裸地蒸散耗水占绝对优势。本文明确了中亚五国土地覆盖连续动态变化过程,细化各国土地覆盖与蒸散发特征及差异,增强对土地覆盖与蒸散发现状的认识,可为水土资源管理和生态环境保护提供数据参考。     

中国省际水资源利用效率与空间溢出效应测度

基于省际水足迹和灰色水足迹等的面板数据,本文利用带有考虑和不考虑非期望产出的数据包络分析方法测度了1997-2011 年中国31 个省市区的水资源利用效率;建立基于经济—空间距离函数的空间权重矩阵,探讨水资源利用效率的空间自相关关系;利用绝对β趋同模型验证水资源利用效率增长趋势存在绝对β趋同,考虑和不考虑非期望产出情况下达到1/2 趋同程度的时间分别约为52.6 和5.6 年;运用空间Durbin 计量模型研究了中国省际水资源利用效率的空间溢出效应。研究发现：（1） 考虑和不考虑非期望产出的中国省际水资源利用效率都具有显著的空间自相关性;（2） 考虑和不考虑非期望产出的空间自回归系数ρ分别为0.278 和0.507,且都在1%的水平上显著,说明中国水资源利用效率存在空间溢出效应;（3） 考虑非期望产出情况下中国各省市的教育经费、交通基础设施、工业和农业用水比重因素正向影响水资源利用效率,外商直接投资、万元工业增加值用水量、人均用水量、降水总量因素负向影响水资源利用效率;（4） 不考虑非期望产出情况下中国各省市的劳均GDP因素较大正向显著影响,而交通基础设施和万元工业增加值用水量因素变为不显著影响;（5） 不考虑非期望产出的水资源利用效率测度对中国水资源真实利用情况出现偏差估计及对政策制定产生误导,考虑环境因素到水资源利用效率测度更为合理。     

丝绸之路经济带中国-哈萨克斯坦国际合作示范区经贸合作重点与模式选择

在丝绸之路经济带建设的大背景下,中国-哈萨克斯坦(以下简称中哈)两国经贸合作在中亚地区和哈萨克斯坦均占据着绝对主导地位,中哈双边贸易额占中国与中亚五国总贸易额的62.8%,中国是哈萨克斯坦第二大出口市场和第一大进口来源地,进一步加强中国与哈萨克斯坦开展经济贸易合作,不仅是建设丝绸之路经济带核区建设的突破点,而且将成为丝绸之路经济带建设的新窗口。通过分析中哈两国对外贸易现状和互补性特点,在中哈国际合作示范区重点开展经贸合作的五大重点领域,包括农业、旅游、医疗、人文和金融领域,提出了中哈国际合作示范区经贸合作的松散型模式、制度性模式和功能型模式,通过比选认为功能型模式是中哈国际合作示范区经贸合作的最佳模式。     

主成分分析法在新疆兵团经济可持续发展能力评价中的应用

采用多元统计主成分分析方法对新疆兵团13个师1991～2006年的各师农场职工家庭人均纯收入、人均农业增加值、人均工业增加值、人均第二产业增加值、人均GDP等11个经济指标进行分析计算并且对各师的综合经济可持续能力进行比较。结果表明：从原始数据中提出占总方差86．6％的4个因子来反映各师的经济可持续发展程度,经分析发现影响各师的4个主成分因子：（1）人均GDP、人均工业增加值（包括第二产业、第三产业的增加值）的因子控制;（2）人均新增固定资产、人均固定资产投资等反映人均资产投入的综合指标;（3）反映人均耕地面积、人均利润、人均社会消费品零售总额的综合指标。（4）反映人均农业增加值、人均固定资产投入及人均社会消费品零售总额的综合指标。然后将各主成分得分结合主成分权重进行计算得出各师经济可持续能力值,其中农一师排在第一。从总体上看1992～2006年各师经济可持续发展的综合指标趋势是逐渐上升的,发展具有可持续性。,     

中亚五国能源产业发展及其对区域经济的影响

基于1993-2010年能源数据,探讨了中亚地区的能源产业发展情况及各国的能源生产与消费差异。研究表明:(1)中亚五国的能源产量先降后升,2010年能源总产量达2.61×108t,98%以上产于哈萨克斯坦、土库曼斯坦和乌兹别克斯坦,原油、煤炭总产量一直呈增长趋势,天然气总产量变化不大。(2)能源产品消费量随生产量的变化先降后升,2010年能源消费总量为1.45×108t,哈萨克斯坦、乌兹别克斯坦和土库曼斯坦的能源消费量和人均能源消费量远高于吉尔吉斯斯坦和塔吉克斯坦,能源资源丰富的国家能源利用效率相对较低。(3)近年来中亚五国的能源净出口量大幅增加,2010年能源净出口总量为1.16×108t,1998年以后哈萨克斯坦取代土库曼斯坦成为中亚地区的主要能源出口国,吉尔吉斯斯坦和塔吉克斯坦的天然气、原油和煤炭等能源需求则主要依靠进口。(4)经济发展对能源产业的依赖较强,哈萨克斯坦、乌兹别克斯坦和土库曼斯坦丰富的能矿资源成为国家经济发展的主要增长点,吉尔吉斯斯坦和塔吉克斯坦能源矿产资源较为缺乏,导致经济总量较低、经济发展速度相对较慢。     

2001—2018年中亚干旱区地表水资源时空变化特征

基于2001—2018年长时间序列地表水遥感监测数据,提取中亚五国地表水面积信息,通过动态度法、变化斜率法和相关分析法揭示中亚五国地表水面积的时空动态变化特征并对其进行驱动力分析。结果表明：① 中亚五国地表水呈“北密南疏”分布特征,中北部地表水变化明显。近18 a来,季节水面积呈显著增加趋势,增加了133.55%,而永久水呈波动减少趋势,减少了17.27%。哈萨克斯坦地表水面积占比最大且变化也最为明显,其次是乌兹别克斯坦,其余三国无较大变化。② 2001—2018年,中亚五国全区季节水动态度为7.42%,并呈快-慢-快的增长趋势,而永久水呈增长-下降-增长的演变趋势,乌兹别克斯坦地表水变化最为活跃;北部边缘及图尔盖洼地、西部里海沿岸和咸海地区永久水面积显著减少而季节水显著增加,永久水向季节水转换现象明显。③ 中亚五国增温趋势不明显,降水呈减少趋势,人口、GDP和耕地均呈增加趋势。中亚五国地表水面积变化主要受社会经济因子的影响,气候因子对地表水的影响不显著。     

知识经济贡献度测度及其对北京城市发展的启示

知识经济的快速发展,已成为驱动城市创新发展的重要因子,其贡献测度成为城市科学关注的热点。以北京为例,科学界定知识产业的范畴,构建流通、投入、存量、产出四维测度框架,应用层次分析法测度知识经济对北京城市发展的贡献度。结果表明：信息化指数、研发投入比重、每万人口专利、知识产业比重能较好地刻画知识经济的贡献度;北京城市发展的知识经济贡献率逐年提高,已接近70%;北京城市知识经济贡献度提高的主要驱动因子是知识产业增加值占GDP比重和信息化。     

基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测

定量分析碳排放的影响因素,对降低区域碳排放具有重要的指导意义。利用STIRPAT模型,定量分析江苏省能源消费碳排放量与人口、富裕度（以人均GDP表示）、技术进步（以能源强度表示）和城镇化水平之间的关系,通过岭回归拟合后发现,人口数量、人均GDP、能源强度、城市化水平每变化1%,江苏省能源消费碳排放量将分别发生3.467%、(0.242+0.024 lnA)%、0.313%和0.151%的变化。在以上研究的基础上,设置8种不同的发展情景,分析了江苏省未来能源消费碳排放量的发展趋势。结果表明,当人口、经济保持低速增长,并保持高技术增长率时,有利于控制江苏省的能源消费碳排放量,2020年江苏省的能源消费碳排放量预测值为202.81 MtC。     

快速城市化区域耕地变化与经济发展关系研究——以重庆市九龙坡区为例

以重庆市九龙坡区为例,分析了快速城市化区域耕地面积变化与经济发展之间的动态变化特征,并运用脱钩理论深入研究了耕地面积变化与经济发展之间的脱钩情况。结果表明：（1）随着人均GDP的直线增长,九龙坡区的耕地面积不断减少。（2）固定资产投资增长率与耕地面积减少率之间存在一定的同步性,而GDP增长率滞后于耕地面积减少率。（3）九龙坡区耕地面积变化和经济发展之间有类似的库兹涅茨曲线特征,但受耕地面积的自身波动变化影响,库兹涅茨曲线特征不是十分典型。（4）脱钩分析表明九龙坡区以绝对脱钩占主导地位,脱钩指数在波动变化中呈减小趋势。     

旅游与碳排放：全球视角与区域比较

文章基于全球88个国家1995到2018年的数据,运用动态面板数据模型估计了旅游对碳排放的影响。结果表明：① 从全球范围来看,旅游者人次对人均碳排放和碳强度有显著的增加效应。随着旅游者人次的进一步增加,旅游和人均碳排放、碳强度之间存在倒U型和N型曲线关系。旅游收入对人均碳排放和碳强度有显著的降低效应。旅游收入和人均碳排放之间存在倒U型和N型曲线关系,旅游收入和碳强度之间的非线性关系则与之相反。② 旅游者人次增加了发达国家的人均碳排放但是降低了其碳强度,在发展中国家则相反。在发达国家,旅游收入对人均碳排放和碳强度有显著的负向影响,但在发展中国家则为显著的正向影响。③ 经济增长和产业结构增加了旅游对人均碳排放的正向影响,可再生能源利用和技术进步强化了旅游收入对碳强度的负向影响。本研究成果有助于全面、深入地理解旅游对碳排放的影响及其区域异质性特征。     

“一带一路”视域下中国与中亚国家地缘经济合作比较研究

中亚五国是我国西出的首站,是参与丝绸之路经济带建设的重要国家,中国与中亚的贸易投资合作直接关系到我国地缘经济空间的拓展,对“一带一路”建设意义重大。本文从地缘经济和区域经济合作的角度,运用统计分析和比较分析的方法,研究比较了中亚五国经济总量的发展变化,中亚五国的贸易环境及其与中国贸易的成效,以及中亚五国的营商环境和中国对中亚各国投资的成效。主要结论如下：中亚国家的贸易投资环境总体处于较低水平,仍需得到进一步改善;中国对中亚不同国家的贸易和投资呈同向发展的趋势;中国与中亚国家正在形成能源资源进口与民用品出口的格局;中国对中亚国家的贸易投资不平衡,呈现出国别差异较大、个别行业分布过于集中的特点,可能会加大中国对中亚国家贸易投资的风险。为进一步提升双方合作,提出以下建议：提高区域贸易投资便利化水平;因国施策,进一步发挥各方潜力,扩大贸易投资规模;促进区域经济的均衡可持续发展;鼓励双向投资,提高贸易投资的广度和深度,与中亚共同构建更加合理的区域贸易投资体系。     

中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素

基于1992-2013年中国城市遥感模拟反演碳排放数据,采用空间自相关、空间马尔科夫矩阵和动态空间面板数据模型,在同时考虑碳排放的时空滞后效应和不同地理经济空间权重矩阵的条件下,对城市碳排放的演化路径和关键影响因素进行了定量识别和减排政策探讨。研究表明,中国城市能源消费碳排放的区域差异正逐步缩小,空间上呈现出明显的高排放俱乐部集聚特征,同时碳排放类型演化具有明显的路径依赖特征;面板数据模型估计结果表明经济增长与人均碳排放呈现显著的倒“U”型曲线关系,而绝大多数城市的人均碳排放处于随经济发展而增加的阶段,二产偏重的经济结构和投资的粗放增长共同正向作用于城市碳排放,而人口的集聚效应、技术水平的提升、对外开放度和公路运输强度的增加则共同抑制城市碳排放水平的提高。因此未来要抑制促增因素和发挥促降因素的作用才能有效降低城市碳排放;优化产业结构、精简粗放投资、增加研发强度以及提升公路通达性是未来实现中国城市节能减排的有效途径。     

Regional inequality,spatial spillover effects,and the factors influencing city-level energy-related carbon emissions in China

Data show that carbon emissions are increasing due to human energy consumption associated with economic development. As a result, a great deal of attention has been focused on efforts to reduce this growth in carbon emissions as well as to formulate policies to address and mitigate climate change. Although the majority of previous studies have explored the driving forces underlying Chinese carbon emissions, few have been carried out at the city-level because of the limited availability of relevant energy consumption statistics. Here, we utilize spatial autocorrelation, Markov-chain transitional matrices, a dynamic panel model, and system generalized distance estimation (Sys-GMM) to empirically evaluate the key determinants of carbon emissions at the city-level based on Chinese remote sensing data collected between 1992 and 2013. We also use these data to discuss observed spatial spillover effects taking into account spatiotemporal lag and a range of different geographical and economic weighting matrices. The results of this study suggest that regional discrepancies in city-level carbon emissions have decreased over time, which are consistent with a marked spatial spillover effect, and a ‘club’ agglomeration of high-emissions. The evolution of these patterns also shows obvious path dependence, while the results of panel data analysis reveal the presence of a significant U-shaped relationship between carbon emissions and per capita GDP. Data also show that per capita carbon emissions have increased in concert with economic growth in most cities, and that a high-proportion of secondary industry and extensive investment growth have also exerted significant positive effects on city-level carbon emissions across China. In contrast, rapid population agglomeration, improvements in technology, increasing trade openness, and the accessibility and density of roads have all played a role in inhibiting carbon emissions. Thus, in order to reduce emissions, the Chinese government should legislate to inhibit the effects of factors that promote the release of carbon while at the same time acting to encourage those that mitigate this process. On the basis of the analysis presented in this study, we argue that optimizing industrial structures, streamlining extensive investment, increasing the level of technology, and improving road accessibility are all effective approaches to increase energy savings and reduce carbon emissions across China.     

温室气体排放评价指标及其定量分析

温室气体排放的科学定量评价是建立国际温室气体减排框架、确定各国合理的减排责任、部署国际减排行动的基础。通过系统阐述目前国际上通行的温室气体排放的主要评价指标(国别排放指标、人均排放指标、GDP 排放指标和国际贸易排放指标等), 并通过定量评价剖析这些评价指标的优缺点及其局限性。讨论了发展科学、公平和易于广泛接受的新评价指 标的可能性。基于可持续发展的公平性原则, 提出了“工业化累积人均排放量” 的新指标, 以客观定量评价世界各国工业化以来温室气体历史累积排放量的当代人均量。新指标的结果显示, 英美等老牌工业化国家的工业化累积人均排放量远高于全球平均水平和发展中国家的 水平。还提出并讨论了人均单位GDP 排放量、消费排放量、生存排放量等潜在的评价指标。     

中国能源消费碳排放的时空差异及驱动因素研究

随着气候变化日益加剧,碳排放及其影响越来越受到人们的关注。针对我国30个省区2000-2015年终端能源消费产生的碳排放进行核算,分析中国能源消费碳排放的区域特征和时空差异,并通过STIRPAT模型和面板数据模型相结合的方法从碳排放量和碳排放强度两个视角对碳排放的驱动因素进行分析。研究发现,从全国层面来看,人口规模、人均GDP、能源强度以及城市化水平对碳排放量产生正向的驱动作用,即每提升1%,碳排放量将分别增加1.046 9%、0.938 6%、0.722 6%、0.411 6%,而产业结构对碳排放具有负向的驱动效应。对于碳排放强度而言,人均GDP和产业结构均产生负向的抑制作用。从区域层面来看,通过经济水平分组,东、中、西部三大区域由于经济发展水平的差异,各个因素对碳排放的影响也有所不同并表现出一定的规律性;城市化水平分组表现出随着城市化水平的提高,碳排放量也随之降低。通过研究,可为我国合理制定CO₂减排的区域差异化政策提供参考依据。     

A quantitative comparison and analysis on the assessment indicators of greenhouse gases emission

Anthropogenic greenhouse gases (GHG) emission and related global warming issues have been the focus of international communities for some time. The international communities have reached a consensus to reduce anthropogenic GHG emissions and restrain global warming. The quantitative assessment of anthropogenic GHG emissions is the scientific basis to find out the status of global GHG emission, identify the commitments of each country, and arrange the international efforts of GHG emission reduction. Currently the main assessment indicators for GHG emission include national indicator, per capita indicator, per GDP indicator, and international trade indicator etc. The introduction to the above indicators is put forward and their merits and demerits are analyzed. Based on the GHG emission data from the World Resource Institute (WRI), the US Energy Information Administration (EIA), and the Carbon Dioxide Information Analysis Center (CDIAC), the results of each indictor are calculated for the world, for the eight G8 industrialized countries (USA, UK, Canada, Japan, Germany, France, Italy and Russia), and the five major developing countries including China, Brazil, India, South Africa and Mexico. The paper points out that all these indicators have some limitations. The Indicator of Industrialized Accumulative Emission per Capita (IAEC) is put forward as the equitable indicator to evaluate the industrialized historical accumulative emission per capita of every country. IAEC indicator can reflect the economic achievement of GHG emission enjoyed by the current generations in every country and their commitments. The analysis of IAEC indicates that the historical accumulative emission per capita in industrialized countries such as UK and USA were typically higher than those of the world average and the developing countries. Emission indicator per capita per GDP, consumptive emission indicator and survival emission indicator are also put forward and discussed in the paper.     

中国经济“新三步走”战略下人均碳排放预测

Under the context of the New Three-step strategy of Chinese economic development, we use the reverse tracing method and petroleum, natural gas and coal as sources of carbon emissions. To eliminate the impact of regional and technological levels in the energy conversion process we improved the IPAT model and used it to predict and analyze China’s per capita carbon emissions in three assumed scenarios up to 2050. We found that China’s per capita carbon emissions peak will occur respectively in 2020 and 2030 in different assumed scenarios; national per capita carbon emissions will reach 2.0127–2.6791 tons; China’s per capita carbon emissions will grow continuously at an average rate of 2.25%–3.40% per year before the peak year and then will decline at a rate of 1.33%–1.78% per year. By the year of 2050, national per capita carbon emissions will be 1.3147–1.8817 tons.     

我国城市居民直接能耗的碳排放类型及影响因素

针对我国287个地级以上城市,在测算了近9年居民直接能耗导致的CO₂排放量的基础上,进行聚类、对比,并分析城市居民直接能耗的碳排放影响因素,得到以下结论:全国分为6类城市居民直接能耗碳排放类型;高碳排放型城市的地均碳排放强度、人均工资碳排放强度及居民直接能耗CO₂排放总量等方面均比低碳排放型城市高,人均地方生产总值碳排放强度低于低碳排放型城市,并多为经济发达城市和资源丰富城市,其碳排放构成上分别以电、交通能耗碳排放和气碳排放为主导,高碳排放型城市居民直接能耗CO₂排放量占全国地级以上城市的86.20%。我国大部分地级城市居民直接能耗的碳排放属于相对低碳排放型,其人均CO₂排放量低于全国平均水平。城市所在地的降温度日数(CDD)、采暖期、采暖强度、人均能源供给量、居民的人均工资、城市人均地方生产总值是影响城市居民直接能耗CO₂排放量的主要因素。