长三角地区城市土地与能源消费CO2排放的时空耦合分析

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

李建豹¹^,², 黄贤金^,³^,⁴, 孙树臣⁵, 揣小伟³1. 南京财经大学公共管理学院,南京 210023
2. 南京财经大学政府管理研究中心,南京 210023
3. 南京大学地理与海洋科学学院,南京 210023
4. 国土资源部海岸带开发与保护重点实验室,南京 210023
5. 聊城大学环境与规划学院,聊城 252059

Spatio-temporal coupling analysis of urban land and carbon dioxide emissions from energy consumption in the Yangtze River Delta region

LI Jianbao¹^,², HUANG Xianjin^,³^,⁴, SUN Shuchen⁵, CHUAI Xiaowei³1. School of Public Administration, Nanjing University of Finance & Economics, Nanjing 210023, China
2. Government Management Research Centre, Nanjing University of Finance & Economics, Nanjing 210023, China
3. College of Geography and Oceanography Sciences, Nanjing University, Nanjing 210023, China
4. The Key Laboratory of the Coastal Zone Exploitation and Protection, Ministry of Land and Resources, Nanjing 210023, China
5. School of Environment and Planning, Liaocheng University, Liaocheng 252059, Shandong, China

通讯作者: 黄贤金（1968-），男，江苏扬中人，博士，教授，博士生导师，从事自然资源与区域土地利用变化研究。E-mail：hxj369@nju.edu.cn

收稿日期:2018-07-26修回日期:2018-10-30网络出版日期:2019-09-20

基金资助:

国家自然科学基金项目.41901245
江苏省高等学校自然科学研究面上项目.19KJB170014
国家社会科学基金重大项目.17ZDA061

Received:2018-07-26Revised:2018-10-30Online:2019-09-20
作者简介 About authors
李建豹（1986-）,男,山东临清人,博士,讲师,主要研究方向为城镇化碳排放、土地利用与规划E-mail：lijianbao888@126.com。

摘要
探究城市土地与碳排放的时空耦合关系,是协调城市土地与生态环境亟待解决的重要问题。基于重心模型、总体耦合态势模型和空间耦合协调模型,使用建成区面积、能源消费和DMSP/OLS夜间灯光等数据,分析了1995—2013年长三角地区城市土地与能源消费碳排放的时空耦合特征,并考虑空间因素的影响,构建空间滞后面板Tobit模型分析其驱动因素。结果表明：① 1995—2013年,建成区面积与碳排放量总体上均呈增加趋势。建成区面积由1251 km ²,增加至4394 km ²,碳排放量由30389.49万t,增加至90405.22万t。城市土地与碳排放间呈显著的正相关;② 城市土地与碳排放空间差异明显,上海、南京、杭州、苏州和无锡的城市建成区面积相对较大,碳排放相对较高;③ 长三角地区城市土地与碳排放耦合关系总体上呈减弱-增强-波动的态势。协调关系处于不断演化过程中,低协调阶段的城市数量明显减小,高协调阶段的城市数量明显增加,且呈集聚分布特点。南京、无锡、苏州、杭州和宁波处于高协调阶段;④ 空间滞后面板Tobit模型结果表明：城镇化对城市土地与碳排放耦合协调度具有驱动和制动的双重作用。同时,人口密度、经济水平、产业结构和空间因素对其也具有重要影响。
关键词： 城市土地;能源消费二氧化碳排放;时空耦合;驱动因素;空间滞后面板Tobit模型;长三角地区

Abstract

Exploring the spatio-temporal coupling relationship between urban land and carbon emissions is an important issue to be solved urgently to coordinate urban land and ecological environment. Based on data such as built-up area, energy consumption, and DMSP/OLS night lights, the spatio-temporal coupling relationship between urban land and carbon emissions from energy consumption of the Yangtze River Delta region during 1995-2013 was analyzed by the gravity center model, overall coupled situation model, and spatial coupling coordination model. By taking into account the influence of spatial factors, spatial lag panel Tobit model was constructed to analyze its driving factors. The results are shown as follows: (1)During the period of 1995-2013, built-up area and carbon emissions from energy consumption generally increased. The built-up area increased from 1251 km ² to 4394 km ². Carbon emissions from energy consumption increased from 303.89 million tons to 904.05 million tons. There was significantly positive correlation between built-up area and carbon emissions. (2) There was obvious spatial disparity for urban land and carbon emissions from energy consumption. There were larger built-up areas and higher carbon emissions from energy consumption in Shanghai, Nanjing, Hangzhou, Suzhou and Wuxi. (3) The coupling relationship between urban land and carbon emissions of the Yangtze River Delta generally showed a pattern of first weakened, then strengthened and last fluctuated. The coordination relationship was in the process of continuous evolution. The number of cities in the low-coordination phase obviously decreased, while that in the high-coordination phase obviously increased. Nanjing, Wuxi, Suzhou, Hangzhou and Ningbo were in high coordination. (4) The results of spatial lag Tobit model show that urbanization played a dual role in driving and braking the coupling degree of carbon emissions between urban land and carbon emissions from energy consumption. Meanwhile, population density, economic level, industrial structure and spatial factors had an important impact on the coupling degree. Population density and industrial structure played a significantly positive role in improving the coupling degree. Economic level and spatial factors had a negative impact on the coupling degree.

Keywords：urban land;carbon dioxide emissions from energy consumption;spatio-temporal coupling;driving factor;spatial lag panel Tobit model;Yangtze River Delta region

PDF (9676KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
李建豹, 黄贤金, 孙树臣, 揣小伟. 长三角地区城市土地与能源消费CO₂排放的时空耦合分析. 地理研究[J], 2019, 38(9): 2188-2201 doi:10.11821/dlyj020180774
LI Jianbao. Spatio-temporal coupling analysis of urban land and carbon dioxide emissions from energy consumption in the Yangtze River Delta region. Geographical Research[J], 2019, 38(9): 2188-2201 doi:10.11821/dlyj020180774

1 引言

近年来中国城镇化快速发展,2014年中国城镇化率已与全球平均城镇化率持平,城镇化快速发展对资源环境造成了巨大压力,导致了资源短缺和环境破坏。由于城镇地区人类活动较为强烈,碳排放量较大,城镇地区碳排放已成为人类碳排放的重要来源^[1]。人类活动所产生的碳排放,已成为导致全球变暖的重要因素。全球变暖问题已引起了各国政府的高度重视,中国作为最大的碳排放国,为全球碳减排作出了积极努力,制定了一系列碳减排目标与政策。《国家新型城镇化规划（2014-2020年）》和“十三五”规划纲要明确要求进行低碳城镇化建设,将碳排放作为约束性指标纳入到城镇化建设中显得尤为重要。土地是城镇化的载体,随着城镇化水平的提高,城镇建成区面积快速低效增加。土地资源供应紧缺与经济增长对土地需求增加之间的矛盾日益突出。陆大道院士指出中国土地城镇化速度过快,明显快于人口城镇化速度,且城镇化过程中效率较低,引起了国内决策者和****的广泛关注^[2,3]。如何协调城市土地与生态环境的关系问题是亟待解决的重大难题,而二氧化碳是生态环境的重要组成要素之一^[4]。研究城市土地与碳排放的耦合机理,对城市土地与碳排放的协调发展具有重要意义。

目前有关城市土地与碳排放的研究,主要集中在：一是土地利用方式与碳排放关系研究^[5,6,7]。利用土地与碳排放数据,核算不同土地利用方式的碳排放,分析土地利用方式与碳排放的关系。二是研究土地扩张对碳排放的影响,将城市土地扩张作为引起碳排放的重要原因之一^[8,9,10]。土地扩张改变土地利用方式,对陆地生态系统的碳收支具有重要影响,同时,土地上承载的社会经济活动改变,也对区域碳排放产生重要影响^[11,12]。现有文献主要集中在土地利用方式与土地扩张对碳排放影响的研究,实际上,碳排放对土地也有一定影响,即两者之间相互影响,耦合度可测度土地与碳排放间的相互影响程度。鲜见从耦合视角^[13],研究城市土地与碳排放的时空耦合关系。该研究有助于揭示城市土地与碳排放的耦合机理,促进城市土地与碳排放协调发展。因此,本文从耦合视角,研究城市土地与碳排放的时空耦合关系。

长三角地区主要包括上海市、江苏省的南京、苏州、无锡、常州、镇江、泰州、南通、扬州及浙江省的杭州、绍兴、宁波、台州、舟山、湖州和嘉兴等16市。长三角城市群是世界第六大城市群,是中国最大的城市群和城镇化发展较快地区^[14]。1995年以来,由于各类开发区的建设,土地扩张速度较快,建成区面积由1995年的1251km²,增加到2013年的4394 km²,增长率为7.23%。碳排放由1995年的30389.49万t,增加到2013年的90405.22万t,增长率为6.24%,建成区面积增长速度快于城市碳排放增长速度。《长江三角洲城市群发展规划》要求长三角地区进行低碳发展,提高城市土地利用效率,掌握城市土地与碳排放的时空耦合关系,有利于实现长三角地区低碳高效发展。因此,本文以长三角地区为研究对象,开展城市土地与能源消费二氧化碳排放（下文中“碳排放”一律指“能源消费二氧化碳排放”）的时空耦合研究,揭示城市土地与碳排放的耦合机理,以期为长三角地区低碳城市建设提供科学依据。

2 数据来源与研究方法

2.1 数据来源

本文中需要数据主要包括统计数据、矢量数据和DMSP/OLS夜间灯光数据。建成区面积、第二产业比例、人口密度和人均GDP数据来源于1996—2014年《中国城市统计年鉴》,城镇化水平和能源消费数据来源于1996—2014年《中国能源统计年鉴》《中国统计年鉴》《浙江统计年鉴》《江苏统计年鉴》,各市的统计年鉴及国民经济和社会发展统计公报。长三角地区行政区划的矢量图源于国家基础地理信息中心1:400万数据库。1995—2013年DMSP/OLS夜间灯光数据源自美国国家海洋和大气管理局NOAA（National Oceanic and Administration）下属的国家地球物理数据中心NGDC（National Geophysical Data Center）。

长三角地区缺少统一口径的城市尺度能源统计数据,一些市的能源统计数据缺失,城市能源消费碳排放数据,使用已有的能源消费数据和DMSP/OLS夜间灯光数据反演获得,具体处理方法参照Liu等^[15]和Su等^[16]的研究,主要处理过程如下：首先,采用IPCC参考算法估算城市能源消费碳排放,其次,根据DMSP/OLS夜间灯光影像,提取城市范围内的夜间灯光总值,并与相应的碳排放量统计值拟合,构建碳排放反演模型,最后,根据各城市内的夜间灯光值,利用碳排放反演模型模拟各城市的碳排放量。为了检测数据的精度,比较模拟值与统计值的差异发现,CO₂模拟值与统计值的平均相对误差为5.96%,表明基于夜间灯光数据模拟长三角地区城市能源消费碳排放的精度较高。

能源消费和DMSP/OLS夜间灯光数据用于反演能源消费碳排放量,建成区面积和能源消费碳排放用于分析城市土地与碳排放的时空特征及耦合协调度,城镇化水平、第二产业比例、人口密度和人均GDP用于分析城市土地与碳排放耦合协调度驱动因素。

2.2 研究方法

2.2.1 总体耦合态势模型总体耦合态势是描述土地与碳排放相互影响的程度。长三角地区的城市土地重心与碳排放重心在空间上是分离的,城市土地重心位于碳排放重心的西侧,且二者的分布不相交叉。因此,采用重心模型和耦合态势模型分析长三角地区城市土地与碳排放的总体耦合态势。城市土地和碳排放重心模型分别为^[17]：

（1）

X_{L} = \frac{\overset{n}{\sum_{i = 1}} L_{i} x_{i}}{\overset{n}{\sum_{i = 1}} L_{i}}

（2）

Y_{L} = \frac{\overset{n}{\sum_{i = 1}} L_{i} y_{i}}{\overset{n}{\sum_{i = 1}} L_{i}}

（3）

X_{C} = \frac{\overset{n}{\sum_{i = 1}} C_{i} x_{i}}{\overset{n}{\sum_{i = 1}} C_{i}}

（4）

Y_{C} = \frac{\overset{n}{\sum_{i = 1}} C_{i} y_{i}}{\overset{n}{\sum_{i = 1}} C_{i}}

式中：X_L、Y_L分别表示长三角地区土地重心的经度和纬度坐标;X_C、Y_C分别表示长三角地区碳排放重心的经度和纬度坐标;L_i和C_i分别表示i城市的建成区面积和碳排放量;x_i和y_i分别表示i城市的经度和纬度坐标;n表示长三角地区的城市数量,为16。

采用土地重心与碳排放重心的空间重叠性及其变动轨迹的一致性,从静态和动态的角度,分析长三角地区城市土地与碳排放的空间耦合态势,本文主要利用空间重叠性判断空间耦合态势,重叠性越高,耦合性越强。空间重叠性用土地重心与碳排放重心间的距离S表示,距离越短,则重叠性越高。S的表达式如下^[18]：

（5）

S = \sqrt[]{{(X_{L} - X_{C})}^{2} + {(Y_{L} - Y_{C})}^{2}}

土地与碳排放变动轨迹一致性用土地与碳排放重心较上一时间点产生位移的矢量交角θ表示,θ越小表示变动越一致。由于θ取值范围在0^°~180^°之间,可用其余弦值表示变动一致性指数（H）,该值越大则表示变动越一致,当H=1时表示完全同向,H=-1表示完全反向。设重心较上一时间点经度与纬度变化量分别为

Δ

x和

Δ

y,由余弦定理可知^[18]：

（6）

H = \frac{(Δ x_{L} Δ x_{C} + Δ y_{L} Δ y_{C})}{\sqrt[]{(Δ x_{L}^{2} + Δ y_{L}^{2}) (Δ x_{C}^{2} + Δ y_{C}^{2})}}

2.2.2 空间耦合协调模型耦合度是指两个或两个以上系统受自身和外界的各种相互作用而彼此影响的现象^[19]。本文研究土地系统与碳排放系统的耦合度,用城市建成区面积和碳排放量分别表示城市土地系统和碳排放系统的水平。则耦合度可表示如下^[19]：

（7）

A = \frac{2 \sqrt[]{f (L) g (C)}}{(f (L) + g (C))}

式中：A表示耦合度;f（L）表示土地系统的水平;g（C）表示碳排放系统的水平。依据0<A≤ 0.3、0.3<A≤0.5、0.5<A≤0.8、0.8<A≤1,将耦合阶段分为分离阶段、拮抗阶段、磨合阶段和耦合阶段。

耦合协调度是城市土地与碳排放在发展过程中和谐一致的程度。耦合协调度值越大,耦合协调性越强。为研究城市土地与碳排放间的耦合协调关系,构建耦合协调度模型B^[19]：

（8）

T = af (L) + bg (C)

（9）

B = {(A \times T)}^{0.5}

式中：T表示土地与碳排放的综合调和指数;a和b分别表示土地与碳排放的贡献份额,参照现有研究^[19],设置a和b均为0.5;B表示土地与碳排放的耦合协调度。借鉴现有研究成果^[20],依据0<B≤ 0.3、0.3<B≤0.5、0.5<B≤0.8、0.8<B≤1,将耦合协调阶段分为低协调阶段、中协调阶段、高协调阶段和极协调阶段。

2.2.3 空间滞后面板Tobit模型采用空间滞后面板Tobit模型分析城市土地与碳排放耦合协调度驱动因素,具体模型表达式如下：

（10）

B_{it} = α + ρW B_{it} + β X_{it} + μ_{i} + λ_{t} + ε_{it}

式中：i、t分别表示城市和年份;B_it表示i城市t年土地与碳排放的耦合协调度;α表示常数项;ρ表示空间自回归系数;W表示Q型空间邻接矩阵;β表示各解释变量的回归系数;X_it表示i城市t年各解释变量,分别为城镇化水平、城镇化水平平方、第二产业比例、人口密度、人均GDP;μ_i表示空间固定效应;λ_t表示时间固定效应;ε_it表示随机误差项。

3 城市土地与碳排放的时空特征

3.1 城市土地与碳排放的时间特征

由图1可知,建成区面积和碳排放总体上均呈增加趋势,其中,建成区面积大致可分为三个阶段：1995—2000年建成区面积缓慢增加;2000—2004年建成区面积快速增加阶段,由2000年的1703 km²增加到2004年的2765 km²,增长率为12.88%,主要是由于各类开发区大规模建设,上海、江苏和浙江分别实施了“经济特区”计划、沿江开发战略和杭州湾开发战略,推动了区内社会经济的快速发展,经济的快速发展对土地需求增加,导致城市建成区面积增加^[21];2004—2013年建成区面积平稳增长。由于国家出台了相关的调控城市蔓延政策,加强土地节约集约利用,严格土地用途管制,控制建设用地总规模。2006年,实施严格的耕地保护政策,坚守18亿亩耕地红线。长三角地区土地资源稀缺,城市用地空间减少,土地城镇化过快的现象有所缓解,建成区面积扩张速度放缓。

图1

新窗口打开|下载原图ZIP|生成PPT
图1β1995—2013年长三角地区建成区面积和能源消费碳排放情况

Fig. 1Built-up area and carbon emissions from energy consumption in the Yangtze River Delta during 1995-2013

碳排放大致可分为三个阶段：1995—1999年碳排放变化不大;1999—2011年碳排放快速增加,尤其是2001年以后,碳排放增速明显增大,随着中国加入世界贸易组织（World Trade Organization,WTO）,经济全球化快速发展,吸引了大量外资,外向型经济快速发展;2008年以后,碳排放增速明显减小,表面上是由于长三角地区对外开放程度较高,受全球金融危机的冲击,外部需求缩小,出口大幅度降低。实质上是因为长三角地区产品类型主要是以高端产品低附加值段为主,即劳动密集型,依靠廉价的劳动力和土地资源发展的外向型经济。该产品类型不但效益低,而且风险大,很容易遭受全球经济的影响,在以后的发展中应积极推进产业转型升级,向前段的研发设计阶段拓展。随后长三角地区采取了积极应对全球金融危机的措施,同时,2010年世界经济逐渐复苏,国外需求增加,碳排放量仍然增长较快;2011—2013年碳排放先降后升,由于经济发展进入新常态,2012年后长三角地区经济增速明显下降,开始加强产业结构调整,转变经济增长方式。

由表1可知,城市土地与碳排放的Pearson相关系数均为正且通过了1%水平的显著性检验,表明长三角地区城市土地与碳排放间呈显著的正相关,即城市土地扩张的同时,碳排放增加。Pearson相关系数总体呈下降趋势,表明长三角地区城市土地与碳排放间相关性呈减弱趋势。其中,1995年的Pearson相关系数最大,为0.96,2003年的最小,为0.78。

Tab. 1
表1
表1β 1995—2013年长三角地区建成区面积和碳排放相关性
Tab. 1The correlation between built-up area and carbon emissions in the Yangtze River Delta during 1995-2013

年份	Pearson相关系数	年份	Pearson相关系数	P
1995	0.96	2005	0.85	0.00
1996	0.95	2006	0.84	0.00
1997	0.95	2007	0.85	0.00
1998	0.96	2008	0.85	0.00
1999	0.95	2009	0.85	0.00
2000	0.95	2010	0.84	0.00
2001	0.93	2011	0.83	0.00
2002	0.78	2012	0.85	0.00
2003	0.78	2013	0.82	0.00
2004	0.86

新窗口打开|下载CSV

3.2 城市土地与碳排放的空间特征

将建成区面积和碳排放数据与GIS图形数据连接,利用自然断点法,将其分为4级,得到图2和图3。由图2可知,1995年泰州的建成区面积最小,为22 km²,上海的最大,为390 km²,最大值是最小值的17.73倍。建成区面积较大值分布在上海和南京,较小值分布在泰州、绍兴、嘉兴、舟山、湖州、台州和扬州。2005年泰州的建成区面积仍最小,为50 km²,上海的仍最大,为820 km²,最大值是最小值的16.4倍。建成区面积较大值分布在上海、南京、杭州、苏州和无锡,较小值分布在泰州、舟山、南通和扬州。与1995年相比,建成区面积的绝对差异增大。建成区面积较大值区扩张,增加了杭州、苏州和无锡,由于沪杭甬产业带的深度开发,加快了城市土地扩张,浙江省形成了以空间扩张为驱动力的发展模式,土地市场较为活跃,苏州和无锡由于受上海的辐射带动作用,经济快速发展,对土地的需求增加,导致城市土地扩张。2013年舟山的建成区面积最小,为60 km²,上海的仍最大,为886 km²,最大值是最小值的14.77倍。建成区面积较大值区与2005年相同,较小值区包括舟山、湖州、嘉兴、泰州、台州、镇江、扬州、南通、常州和绍兴,与2005年相比,较小值区明显扩张。

图2

新窗口打开|下载原图ZIP|生成PPT
图2β1995—2013年长三角地区建成区面积

Fig. 2Built-up area in the Yangtze River Delta during 1995-2013

图3

新窗口打开|下载原图ZIP|生成PPT
图3β 1995—2013年长三角地区能源消费碳排放

Fig. 3Carbon emissions from energy consumption in the Yangtze River Delta during 1995-2013

由图3可知,1995年舟山的碳排放最小,为111.57万t,上海的最大,为9667.19万t,最大值是最小值的86.65倍,表明长三角地区碳排放差异较大。碳排放较小值区包括舟山、台州和湖州,较大值区主要分布在上海和江苏,包括上海、苏州、南京、南通、无锡和杭州,其中,上海、南京和杭州是长三角地区的核心城市,上海的人口较多,经济发展速度较快,经济发展对能源依赖较强,导致能源消费碳排放较高;南京的第二产业比例较高,尤其是重工业比例较高,碳排放量较大;杭州虽然作为低碳城市,低碳经济取得了一定的成效,但经济快速增长,导致碳排放较高。而苏州、无锡和南通受上海的辐射带动作用,经济水平相对较高,能源消费量相对较大。2005年舟山碳排放量最小,为326.13万t,上海最大,为16783.27万t,最大值是最小值的51.46倍。碳排放较大值区包括上海、苏州、无锡、宁波、杭州和南京。与1995年相比,碳排放较高值区少了南通,多了宁波。宁波是华东地区重要的能源和重化工业基地,同时受沪杭甬产业带发展的影响,碳排放总量相对较高。舟山处于较小值区,由于其具有临海优势,可再生能源和海洋资源较为丰富,海洋经济和旅游业较为发达。2013年碳排放较高值区多了南通,较低值区保持不变。

4 城市土地与碳排放耦合协调度分析

4.1 总体耦合态势分析

根据重心模型、空间叠置性和变动一致性的结果（见图4和图5）,城市土地与碳排放的耦合态势大致可分为三个阶段：

图4

新窗口打开|下载原图ZIP|生成PPT
图4β1995—2013年长三角地区建成区面积重心和碳排放重心移动分布

Fig. 4Built-up area and carbon emissions geometric center shift in the Yangtze River Delta during 1995-2013

图5

新窗口打开|下载原图ZIP|生成PPT
图5β 1995—2013年长三角地区建成区面积和碳排放重心的距离和变动一致性指数

Fig. 5Distance and change consistency index of built-up area and carbon emission geometric center in the Yangtze River Delta during 1995-2013

（1）1995—2002年,耦合性减弱阶段。1995—1998年城市土地重心向东南移动,1998—2001年重心向西南移动,由于沪杭甬产业带的深度开发,加剧了城市土地扩张,尤其是杭州和宁波建成区面积增加迅速。2001—2002年向西北出现了大幅度移动,由于2002年南京市建成区面积迅猛增加。1995—2002年碳排放重心向东南移动,主要由于沪杭甬产业带的深度开发及民营企业大发展,杭州、宁波等地的经济社会快速发展,对能源具有较强的依赖性,消耗了大量能源,产生了大量碳排放。土地重心的移动速度（年均4.81 km）明显快于碳排放的移动速度（年均2.28 km）,土地重心与碳排放重心的距离由1995年的10.88 km,增加到2002年的35.26 km,表明1995—2002年期间城市土地与碳排放重心间的距离增大,耦合性减弱。（2）2002—2005年,耦合性增强阶段。城市土地重心向东南移动,由于上海、苏州、杭州、嘉兴、绍兴和湖州等地的建成区面积快速扩张。碳排放重心向西北移动,由于苏锡常和宁镇扬地区经济的快速发展,导致碳排放量增加。土地重心的移动速度（年均7.20 km）明显快于碳排放重心的移动速度（年均2.67 km）,土地重心与碳排放重心的距离由2002年的35.26 km,下降到2005年的21.48 km,表明2002—2015年期间城市土地扩张与碳排放重心间的距离缩小,两者耦合性增强。（3）2005—2013年,耦合性波动变化阶段。2005—2007年城市土地重心向东南移动,2007—2008年向东北移动,2008—2013年向西北移动,由于2007年以来,江苏省加大了对苏北的支持力度,苏北地区发展势头良好,对土地需求增加,使得土地扩张速度相对较快。2005—2008年碳排放重心向东南移动,2008—2013年总体向西北移动。土地重心的移动速度（年均1.26 km）明显慢于碳排放重心的移动速度（2.13 km）。2005—2013年期间土地重心与碳排放重心的距离呈波动变化趋势,且变动一致性指数有正有负,表明2005—2013年期间城市土地与碳排放的耦合性波动变化。

4.2 空间耦合特征分析

计算长三角地区各市的耦合度,根据耦合度将其分为4种类型：分离阶段、拮抗阶段、磨合阶段和耦合阶段（见图6）。由图6可知,1995—2013年耦合度大于0.8的城市占长三角地区的大部分,尤其是2013年,各市的耦合度均大于0.8。1995年,泰州和舟山处于分离阶段,以上地区经济水平较低,产业结构单一,第一产业占比相对较高,城镇化水平较低,建成区面积相对较小,土地扩张速度较慢,碳排放量较低;嘉兴和绍兴处于磨合阶段;其他市均处于耦合阶段,由于经济水平相对较高,产业结构较为合理,城镇化水平较高,土地扩张速度较快,碳排放较高。2005年泰州和舟山仍处于分离阶段,南通处于拮抗阶段,扬州处于磨合阶段,其他市处于耦合阶段。2013年长三角地区各市均处于耦合阶段。比较1995年、2005年和2013年处于耦合阶段的区域发现,耦合阶段的区域不断扩大,表明随着经济水平和城镇化水平的不断提高,城市建成区面积不断增加,碳排放增加。

图6

新窗口打开|下载原图ZIP|生成PPT
图6β1995—2013年长三角地区建成区面积和碳排放的耦合度空间分布

Fig. 6Coupling degree spatial distribution of built-up area and carbon emissions in the Yangtze River Delta during 1995-2013

为进一步分析建成区面积与碳排放的耦合协调程度,计算其耦合协调度。根据不同耦合协调度,将其分为低协调阶段、中协调阶段、高协调阶段和极协调阶段（见图7）。由图7可知,建成区面积与碳排放耦合协调度的空间分布与建成区面积及碳排放的空间分布存在一致性。碳排放的高值区,其耦合协调度也处于高值区,由于经济发展,带来了能源消费的增加,导致碳排放增加,且伴随城市土地扩张。处于低碳排放的区域,其耦合协调度也较低,该类城市碳排放与建成区面积间呈低水平的协调发展,其经济水平较低,产业结构仍待优化,碳排放与建成区面积增加相对缓慢。1995年,处于低协调阶段的包括舟山、泰州、绍兴、嘉兴、湖州、台州、扬州和镇江,中协调阶段的包括常州、宁波、南通、无锡、杭州和苏州,南京处于高协调阶段,上海处于极协调阶段。2005年,处于低协调阶段的包括舟山、泰州、南通、扬州、镇江、湖州和绍兴,中协调阶段的包括嘉兴、常州、台州、宁波和无锡,高协调阶段的包括杭州、苏州和南京,上海仍处于极协调阶段。与1995年相比,低协调阶段和中协调阶段的城市减少,高协调阶段的城市增加,极协调阶段的城市不变。2013年,处于低协调阶段的包括舟山、湖州、嘉兴和泰州,中协调阶段的包括台州、镇江、扬州、绍兴、常州和南通,高协调阶段的包括宁波、无锡、杭州、南京和苏州,上海处于极协调阶段。与2005年相比,低协调阶段的区域数量明显减少,中协调阶段和高协调阶段的区域数量增加,极协调阶段的不变。上海、南京和杭州的耦合协调度较高,主要是由于其产业结构优化升级,已经由“二三一”转换成为了“三二一”,现代服务业逐渐取代了传统服务业,高端制造业取代了传统制造业,土地的使用效率升高,碳排放强度下降,城市土地与碳排放协调发展。同时,其对相邻地区具有较好的引领示范作用,相邻地区的耦合协调度均呈明显提高。综合比较1995年、2005年和2013年的结果发现,长三角地区建成区面积与碳排放的协调关系处于不断演化过程中,低协调阶段的城市数量明显减小,高协调阶段的城市数量明显增加。泰州、湖州和舟山一直处于低协调阶段,上海一直处于极协调阶段,其对苏州和无锡的辐射带动作用较为明显,均由中协调阶段转为高协调阶段。由于沪杭甬产业带的深度开发,促进了城市土地扩张和碳排放的增加,使得杭州和宁波的耦合协调度增加。

图7

新窗口打开|下载原图ZIP|生成PPT
图7β 1995—2013年长三角地区建成区面积和碳排放的耦合协调度空间分布

Fig. 7Coupling coordination degree spatial distribution of built-up area and carbon emissions in the Yangtze River Delta during 1995-2013

5 城市土地与碳排放耦合协调度驱动因素分析

5.1 变量选择

城市土地与碳排放耦合协调发展受多种因素的影响,本文综合分析现有研究^[22,23,24],并结合长三角地区实际,选取耦合协调度为因变量,从城镇化、产业结构、人口密度和经济水平等方面,选择城镇化水平、第二产业比例、人口密度和人均GDP为自变量,同时,为了研究城镇化水平与耦合协调度间是否存在环境库兹涅茨曲线关系,将城镇化水平的平方项也作为自变量。对各变量进行无量纲化处理。考虑空间因素的影响,采用空间滞后面板Tobit模型研究长三角地区城市土地与碳排放协调发展的驱动因素。

5.2 模型选择

1995—2013年耦合协调度的Moran’s I为-0.14,P值为0.00,表明长三角地区耦合协调度存在显著的负的空间自相关性,有必要考虑空间因素的影响。耦合协调度处于0 ~1之间,有必要考虑使用Tobit面板模型。因此,本文使用空间滞后面板Tobit模型研究城市土地与碳排放耦合协调度的影响因素。采用最大似然估计法（Maximum Likelihood Estimation,ML）估计空间滞后面板Tobit模型,结果见表2。模型的F值为522.46,整体上通过了1%水平的显著性检验,R²和调整R²分别为0.90和0.89,表明因变量能够被空间滞后面板Tobit模型解释89%,模型整体拟合效果较好。空间自回归系数为-0.10,且通过了1%水平的显著性检验,表明长三角地区耦合协调度存在空间溢出效应。

Tab. 2
表2
表2β空间滞后面板Tobit模型估计结果
Tab. 2Results of spatial lag panel Tobit

变量	弹性系数	P
常数项	0.00	0.89
城镇化水平	-0.65	0.00
城镇化水平平方	1.36	0.00
第二产业比例	0.18	0.00
人口密度	0.31	0.00
人均GDP	-0.14	0.01
ρ	-0.10	0.00
R²	0.90
调整R²	0.89
自然对数似然函数值（LogL）	-239.90

注：ρ为空间自回归系数。

新窗口打开|下载CSV

城市建成区面积的扩大,可导致土地利用效率降低,能源消耗量增加,直接导致碳排放增加。同时,建成区面积的扩张,带来土地利用方式的改变,由农用地与生态用地转换为建设用地,间接导致碳排放增加。碳排放增加是经济发展的结果,而经济发展迫切需要土地,使得城市建成区面积扩张。

城镇化水平及其二次项的弹性系数分别为-0.65和1.36,通过了1%水平的显著性检验,且其弹性系数最大,表明城镇化水平与耦合协调度呈显著负相关,且两者间呈“U”型曲线关系,城镇化对耦合协调度具有驱动和制动的双重作用,在城镇化早期阶段,耦合协调度降低,城镇化后期阶段,耦合协调度升高,城镇化水平是影响土地与碳排放耦合协调度的最重要因素,提高城镇化水平,是改变耦合协调度的重要途径。早期随着城镇化水平提高,人们的生活方式改变,对各种物质资料需求增加,直接导致碳排放增加。由于土地城镇化速度过快,可能导致城市土地扩张与碳排放的耦合协调度下降。当城镇化达到一定水平后,管理水平和技术水平相对较高,城镇化水平的提高能够有效抑制碳排放的增加。同时,靠土地拉动经济的时代已基本结束,土地需求相应减少,使其耦合协调度升高。

第二产业比例与耦合协调度的弹性系数为正且通过了1%水平的显著性检验,表明第二产业比例与耦合协调度间呈显著正相关。在其他因素保持不变的前提下,第二产业比例每增加1%,耦合协调度升高0.18%。长三角地区处于工业化中后期发展阶段,产业结构逐渐由非农产业替代农业,由“二三一”结构转换为“三二一”结构,产业结构的变化对城市建成区面积和碳排放具有重要影响。第二产业对土地的需求较大,是碳排放的重要来源,因此,第二产业比例越高,城市建成区面积增加越快,碳排放量增加越快,土地与碳排放的耦合协调度越高。

人口密度与耦合协调度的弹性系数为正且通过了1%水平的显著性检验,表明人口密度与耦合协调度间呈显著正相关。在其他因素保持不变的前提下,人口密度每增加1%,耦合协调度增加0.31%。随着人口密度的增加,对各种资源与基础设施的压力增大,可能导致环境污染与破坏,碳排放量增加。人口密度的增加,导致土地承载压力增加,对土地的需求增加,使土地与碳排放的耦合协调度增加。

人均GDP与耦合协调度的弹性系数为负且通过了1%水平的显著性检验,表明人均GDP与耦合协调度间呈显著负相关。在其他因素保持不变的前提下,人均GDP每增加1%,耦合协调度降低0.14%。随着经济水平的提高,人们对各种物质资料的消耗增加,碳排放增加。经济水平较高地区城市建成区快速扩张的阶段已基本结束,开始实施严格的土地控制政策,土地扩张速度减小,使土地与碳排放的耦合协调度下降。

6 结论与讨论

本文以长三角地区16个核心城市为研究对象,运用重心模型、总体耦合态势模型和空间耦合协调模型,分析了1995—2013年城市土地与碳排放的时空耦合特征,揭示了城市土地与碳排放的耦合机理,得出以下主要结论：

建成区面积和碳排放总体上均呈增加趋势。建成区面积与碳排放存在明显的区域差异。上海、南京、无锡、苏州、杭州和宁波的建成区面积明显高于其他城市,且以上城市的碳排放明显高于其他城市。城市土地与碳排放间呈显著的正相关。

长三角地区城市土地与碳排放耦合关系总体上呈减弱-增强-波动的态势。1995—2002年,城市土地重心先向东南移动,后向西南移动,最后向西北移动。碳排放重心向东南移动,重心间距离总体呈增大趋势,耦合性减弱。2002—2005年,土地重心向东南移动,碳排放重心向西北移动,重心间距离缩小,由2002年的35.26 km下降到2005年的21.48 km,耦合性增强。2005—2013年,土地重心先向东南移动,后向东北移动,最后向西北移动,碳排放重心先向东南移动后向西北移动。土地重心与碳排放重心的距离呈波动变化趋势,耦合性波动变化。长三角地区建成区面积与碳排放的协调关系处于不断演化过程中,低协调阶段的城市数量明显减小,高协调阶段的城市数量明显增加,且呈集中分布特点,高协调阶段城市主要包括南京、无锡、苏州、杭州和宁波。

城市土地与碳排放耦合协调受多种因素的影响,且各因素对耦合协调度影响程度不同。长三角地区城市土地与碳排放耦合协调度和城镇化水平、产业结构、人口密度及经济水平存在明显差异。城镇化对城市土地扩张和碳排放具有驱动和制动的双重作用,是改变城市土地与碳排放耦合协调度的重要途径。第二产业比例越高,对土地需求越大,碳排放量越大,土地与碳排放的耦合协调度越高。人口密度越高,消耗的物质资源越多,碳排放量越大,由于土地承载能力有限,随着人口密度增加,土地需求增加,使土地与碳排放的耦合协调度增加。经济水平较高地区,土地快速扩张的阶段已基本结束,对各种物质资料需求较大,碳排放较多,使土地与碳排放的耦合协调度下降。

基于以上结论,提出控制土地扩张,降低碳排放,促进二者协调发展的建议：

首先,长三角地区建成区面积较大地市,碳排放量较高,应严格土地用途管制,控制建设用地总规模,划定合理的城市开发边界;其次,城镇化对耦合协调度具有驱动和制动的双重作用,应稳步推进新型城镇化建设,根据不同城镇化发展阶段,制定不同的土地政策和碳减排政策,优化城市空间布局,充分利用基础设施,调整城镇发展模式,实施低碳城镇化发展策略;最后,由于耦合协调度在不同地级市间存在空间溢出效应,各地市政府在制定政策时,应综合考虑相邻地市。

本研究中存在一定的局限性。首先,由于受数据可获得性的限制,研究时间段为1995—2013年。若能获得2013年以后的数据,可对近期长三角地区城市土地与碳排放时空耦合关系开展研究。其次,本文中采用相关系数、总体耦合态势模型、空间耦合协调模型和空间滞后面板Tobit模型分析了城市土地与碳排放之间的关系及其驱动因素,但对于第二产业比例、人口密度如何增加耦合协调度,城镇化水平和人均GDP如何降低耦合协调度,其具体的作用路径需进一步研究,未来可运用系统动力学模型开展相关研究。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

宋德勇, 徐安 . 中国城镇碳排放的区域差异和影响因素
中国人口·资源与环境, 2011,21(11):8-14.

[本文引用: 1]

[ Song

Deyong

, Xu

. Regional difference and influential factors of China’s urban carbon emissions. China Population,
Resources and Environment, 2011,21(11):8-14.]

[本文引用: 1]

[2]

陆大道, 宋林飞, 任平 . 中国城镇化发展模式: 如何走向科学发展之路
苏州大学学报: 哲学社会科学版, 2007, ( 2):1-7.

[本文引用: 1]

[ Lu

Dadao

, Song

Linfei

, Ren

Ping

. China's urbanization development model: How to move toward the path of scientific development
Academic Journal of Suzhou University (Philosophy and Social Science), 2007, ( 2):1-7.]

[本文引用: 1]

[3]

陆大道, 姚士谋, 李国平 , 等. 基于我国国情的城镇化过程综合分析
经济地理, 2007,27(6):883-887.

DOI:10.3969/j.issn.1000-8462.2007.06.002 URL [本文引用: 1]

城镇化推动了我国经济社会的快速发展,并大大提高了城镇居民的生产生活条件。然而,近10多年来,我国城镇化速度却脱离了循序渐进的原则,忽视了城镇化的质量与可持续发展,出现了"冒进式"的城镇化现象。文章通过我国城镇化过速发展与空间失控的原因分析研究,建议采取严格而多方面的综合措施,遏制"冒进式"城镇化和空间失控的严重趋势。使我国城镇化严格按照循序渐进的原则,走一条资源节约型即"高密度、高效率、节约型、现代化"的道路。

[ Lu

Dadao

, Yao

Shimou

, Li

Guoping

, et al. Comprehensive analysis of the urbanization process based on China’s conditions
Economic Geography, 2007,27(6):883-887.]

DOI:10.3969/j.issn.1000-8462.2007.06.002 URL [本文引用: 1]

方创琳, 周成虎, 顾朝林 , 等. 特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径
地理学报, 2016,71(4):531-550.

[本文引用: 1]

[ Fang

Chuanglin

, Zhou

Chenghu

, Gu

Chaolin

, et al. Theoretical analysis of interactive coupled effects between urbanization and eco-environment in mega-urban agglomerations
Acta Geographica Sinica, 2016,71(4):531-550.]

[本文引用: 1]

[5]

赖力 . 中国土地利用的碳排放效应研究
南京: 南京大学博士学位论文, 2010.

[本文引用: 1]

[ Lai

. Carbon emission effect of land use in China
Nanjing: Doctoral Dissertation of Nanjing University, 2010.]

[本文引用: 1]

[6]

Araujo M S

, Silva

, Campos C

. Land use change sector contribution to the carbon historical emissions and the sustainability
Renewable and Sustainable Energy Reviews, 2009,13(3):696-702.

[本文引用: 1]

[7]

Zhao

, Huang

, Liu

, et al. Carbon emission of regional land use and its decomposition analysis: Case study of Nanjing city, China
Chinese Geographical Science, 2015,25(2):198-212.

[本文引用: 1]

[8]

曾德珩, 罗丽姿 . 城市扩张与转型对碳排放影响研究
统计与决策, 2014, ( 17):115-119.

[本文引用: 1]

[ Zeng

Deheng

, Luo

Lizi

. The impact of urban expansion and transformation on carbon emissions
Statistics & Decision, 2014, ( 17):115-119.]

[本文引用: 1]

[9]

杜官印 . 建设用地对碳排放的影响关系研究
中国土地科学, 2010,24(5):32-36.

[本文引用: 1]

[ Du

Guanyin

. Research on influences of construction land on carbon emission
China Land Science, 2010,24(5):32-36.]

[本文引用: 1]

[10]

毛熙彦, 林坚, 蒙吉军 . 中国建设用地增长对碳排放的影响
中国人口·资源与环境, 2011,21(12):34-40.

[本文引用: 1]

[ Mao

Xiyan

, Lin

Jian

, Meng

Jijun

. Effects of construction land expansion on carbon dioxide emission in China. China Population,
Resources and Environment, 2011,21(12):34-40.]

[本文引用: 1]

[11]

Kalnay

, Cai

. Impact of urbanization and land-use change on climate
Nature, 2003,423(6939):528.

[本文引用: 1]

[12]

Jiang

, Deng

, Tang

, et al. Modelling the potential impacts of urban ecosystem changes on carbon storage under different scenarios by linking the CLUE-S and the InVEST models
Ecological Modelling, 2017, ( 345):30-40.

[本文引用: 1]

[13]

赵荣钦, 李志萍, 韩宇平 , 等. 区域“水-土-能-碳”耦合作用机制分析
地理学报, 2016,71(9):1613-1628.

[本文引用: 1]

[ Zhao

Rongqin

, Li

Zhiping

, Han

Yuping

, et al. The coupling interaction mechanism of regional water-land-energy-carbon system
Acta Geographica Sinica, 2016,71(9):1613-1628.]

[本文引用: 1]

[14]

Tian

, Jiang

, Yang

, et al. The urban growth, size distribution and spatio-temporal dynamic pattern of the Yangtze River Delta megalopolitan region, China
Ecological Modelling, 2011,222(3):865-878.

[本文引用: 1]

[15]

Liu

, He

, Zhang

, et al. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008
Landscape and Urban Planning, 2012,106(1):62-72.

[本文引用: 1]

[16]

, Chen

, Wang

, et al. A new method for extracting built-up urban areas using DMSP-OLS nighttime stable lights: A case study in the Pearl River Delta, southern China
GIScience & Remote Sensing, 2015,52(2):218-238.

[本文引用: 1]

[17]

陈志刚, 王青, 黄贤金 , 等. 长三角城市群重心移动及其驱动因素研究
地理科学, 2007,27(4):457-462.

DOI:10.3969/j.issn.1000-0690.2007.04.002 URL Magsci [本文引用: 1]

长三角城市群在整个中国的区域发展战略中具有十分重要的地位,为深入把握这一地区发展的空间变化态势、更好地指导长三角地区的发展实际,在测算和分析1994～2004年间长三角城市群重心位置及其变化趋势的基础上,深入探讨了近些年长三角城市群重心移动的驱动因素。结果显示,1994年以来,长三角地区的城市群重心向西北方向移动了超过20 km,重心所在位置由苏州和嘉兴的交界处移至苏州市中心附近。而从其变化的趋势来看,未来的城市群重心仍将偏向西北方向,落到苏州和无锡的交界地带。这种态势的出现主要是由于长三角内部各城市受到其自然和区位条件、经济发展以及社会环境等诸多因素的影响,使得其发展呈现出一定的差异性,进而驱动了各城市不同程度的发展及其在整个长三角地区地位的转变,并最终致使城市群重心向自然区位条件优越、经济社会发展较快的西北方向移动。

[ Chen

Zhigang

, Wang

Qing

, Huang

Xianjin

, et al. Movement of urban agglomeration gravity and its driving forces in the Yangtze Delta of China
Scientia Geographica Sinica, 2007,27(4):457-462.]

DOI:10.3969/j.issn.1000-0690.2007.04.002 URL Magsci [本文引用: 1]

樊杰, 陶岸君, 吕晨 . 中国经济与人口重心的耦合态势及其对区域发展的影响
地理科学进展, 2010,29(1):87-95.

DOI:10.3760/j.issn:1001-7097.2007.07.012 URL Magsci [本文引用: 2]

<p>区域发展差距一直是中国区域协调发展所面临的重要问题，经济和人口的空间分布态势作为区域发展空间均衡过程的体现，与区域差距的形成有密切关联。通过计算1952年至2005年中国经济重心和人口重心的地理坐标以及重心间的空间重叠性与变动一致性，刻画了53年间我国经济和人口空间分布的耦合态势，证明了其与区域差距的大小高度相关。在构建经济、人口重心空间耦合过程的作用机制模型的基础上，用均衡点跃迁和势能差转化解释了区域发展的空间均衡过程，揭示了内生和外部因素在其中的作用机制，提出了区域发展差距的“多阶段倒U形”的演变规律，并据此分析了1952年以来中国区域发展空间均衡过程周期性变化的动因，并对促进区域协调发展的途径进行了讨论。</p>

[ Fan

Jie

, Tao

Anjun

, Lv

Chen

. The Coupling mechanism of the centroids of economic gravity and population gravity and its effect on the regional gap in China
Progress in Geography, 2010,29(1):87-95.]

DOI:10.3760/j.issn:1001-7097.2007.07.012 URL Magsci [本文引用: 2]

, Li

, Zhou

, et al. Investigation of a coupling model of coordination between urbanization and the environment
Journal of Environmental Management, 2012,98:127-133.

[本文引用: 4]

[20]

刘浩, 张毅, 郑文升 . 城市土地集约利用与区域城市化的时空耦合协调发展评价: 以环渤海地区城市为例
地理研究, 2011,30(10):1805-1817.

[本文引用: 1]

[ Liu

Hao

, Zhang

, Zheng

Wensheng

. Evaluation on spatio-temporal development and interaction of intensive urban land use and urbanization: Case studies of the cities in the Bohai rim region
Geographical Research, 2011,30(10):1805-1817.]

[本文引用: 1]

[21]

周艳, 黄贤金, 徐国良 , 等. 长三角城市土地扩张与人口增长耦合态势及其驱动机制
地理研究, 2016,35(2):313-324.

[本文引用: 1]

[ Zhou

Yan

, Huang

XianJin

, Xu

Guoliang

, et al. The coupling and driving forces between urban land expansion and population growth in Yangtze River Delta
Geographical Research, 2016,35(2):313-324.]

[本文引用: 1]

[22]

陈晓红, 万鲁河 . 城市化与生态环境耦合的脆弱性与协调性作用机制研究
地理科学, 2013,33(12):1450-1457.

Magsci [本文引用: 1]

<p>城市化与生态环境耦合受到人类活动高强度干扰，要实现耦合的协调发展与脆弱性的减少需要一定内外力的强力支撑。在阐述城市化与生态环境耦合脆弱性与协调性概念、特征的基础上，提出城市化与生态环境耦合的协调性与脆弱性是在自然条件与孕灾环境、人口素质与城市文明、产业升级与技术进步、制度创新与管理科学、系统自身的恢复力等多种机制的共同作用下发展的。通过挖掘城市化与生态环境耦合的脆弱性与协调性之间的的宏观作用机制，促进城市化与生态环境的良性互动，为提高城市与区域可持续发展能力提供科学参考。</p>

[ Chen

Xiaohong

, Wan

Luhe

. The interactive mechanisms for the coordination and vulnerability between regional urban and eco-environment
Scientia Geographica Sinica, 2013,33(12):1450-1457.]

Magsci [本文引用: 1]

孙黄平, 黄震方, 徐冬冬 , 等 .泛长三角城市群城镇化与生态环境耦合的空间特征与驱动机制
. 经济地理, 2017, 37(2): 163-170+186.

[本文引用: 1]

[ Sun

Huangping

, Huang

Zhenfang

, Xu

Dongdong

, et al. The spatial characteristics and drive mechanism of coupling relationship between urbanization and eco-environment in the Pan Yangtze River Delta
Economic Geography, 2017,37(2):163-170, 186.]

[本文引用: 1]

[24]

吕晓, 臧涛, 张全景 .土地政策的农户认知及其农地转出响应研究: 基于山东省287份农户问卷调查的实证
[J].南京农业大学学报( 社会科学版), 2017, 17(5): 100-110+154.

[本文引用: 1]

[ Lv

Xiao

, Zang

Tao

, Zhang

Quanjing

. Farm households’ cognition of land policy and its effect on farmland transfer: Based on the investigation of 287 farmer households in Shandong province
Journal of Nanjing Agricultural University (Social Sciences Edition), 2017,17(5):100-110, 154.]

[本文引用: 1]