基于FAHP-TOPSIS法的我國省域低碳發展水平評價

胡林林,賈俊松, 毛端謙, 劉春燕

(1. 江西師范大學 地理與環境學院, 南昌 330022；2. 江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗室, 南昌 330022； 3. 江西師范大學 研究生院, 南昌 330022)

基于FAHP-TOPSIS法的我國省域低碳發展水平評價

胡林林1,2,3,賈俊松1,2, *, 毛端謙1,3, 劉春燕1,2

(1. 江西師范大學 地理與環境學院, 南昌 330022；2. 江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗室, 南昌 330022； 3. 江西師范大學 研究生院, 南昌 330022)

在區分低碳經濟與低碳發展的基礎上，構建了一套低碳發展指標體系，并采用整合的FAHP-TOPSIS法對我國30個省區進行評價研究。結果表明：(1)該指標體系是實用且有效的，可以成功的用來評價一個區域的低碳發展水平。(2)整合的FAHP-TOPSIS法引入了模糊數集，能有效處理專家評估過程中的模糊性，評估結果也符合實際。(3)2003年到2008年，上海低碳發展水平有所下降，下降率為1.91%；其余各省區均在增長，浙江增長最大，北京增長最小，兩者增長率分別為29.73%和0.38%。(4)北京一直擁有相對最高的低碳發展水平，而遼寧和江西一直分別處于第6和10位。寧夏、青海、甘肅、貴州及河南則一直依次處于低碳發展水平的倒數前5位，且位次不變。最后，分析了評估結果的合理性及不確定性并提出了一些提高省域低碳發展水平的可行途徑及未來可進一步研究的方向。

FAHP-TOPSIS; 低碳發展水平; 省域; 評價

自2003年英國首次提出低碳經濟(LCE)概念以來[1]，與低碳有關的研究開始大量出現，并形成了諸多不同的方向，低碳發展(LCD)就是其中之一。LCE是一種低消耗、低排放而高GDP輸出的經濟形態[1]，而LCD目前還沒有國際統一的明確定義[2- 3]。另一方面，對LCD的研究多以某一單個省、市區為例，評價方法多為傳統的方法[4]。

據此，本文先深入分析LCD內涵，構建其指標體系，再以我國30個省區為例，采用整合的FAHP-TOPSIS法對其進行評價研究具有一定的創新意義，結果可供有關決策者參考。

1 數據與方法

1.1 數據來源

包括：1)終端能源消費量數據來自對應年份的《中國能源統計年鑒》，單位全部轉化為標準煤。2)人口、城市化率及GDP數據則分別來自《中國人口統計年鑒》及《中國統計年鑒》。GDP數據統一采用2000年不變價折算。3)人文發展指數數據來自聯合國發展規劃署的《中國人類發展報告2009/10》及《中國人類發展報告2005—追求公平的人類發展》。4)森林覆蓋率數據來自《中國林業統計年鑒》。5)指標權重原始數據來自問卷調查表。6)CO2排放數據來自文獻[5]。香港、澳門、臺灣及西藏因數據缺乏被省略。

1.2 指標體系構建

Yuan等[6]認為LCD是在保證經濟增長的前提下不斷降低溫室氣體(如CO2)排放的一種發展模式。戴星翼[7]認為LCD的最大阻力來自于對經濟增長的過度追求，應摒棄GDP主義。Mulugetta等[2]認為LCD根源于可持續發展，民眾參與也極其重要。Guan等[3]認為有必要明確LCD概念并仔細解構它。綜上，本文認為LCD不過于強調GDP增長，而是依據碳排放現狀，分別從碳源、碳捕獲及人文發展等角度對其進行調控，以促使其不斷降低的一種可持續發展模式。

(1) 碳排放現狀(CES)是反映一個區域是否處于LCD狀態的最直觀指標。用碳排放總量(TAM)、人均碳排放量(QPC)、能源強度(EIN)和碳排放強度(CIN)來表示它，人均碳排放量為碳排放總量的人均值，能源強度指單位GDP產出所消耗的能源量，碳排放強度指單位GDP產出所放出的CO2[8]。上述4個指標值越大，越不符合LCD模式，即它們與LCD關系均為負。早在朱守先等[9- 10]研究國內LCD水平時，就選擇QPC、碳生產率及碳能源排放系數這3指標，而碳生產率即為本文CIN倒數，碳能源排放系數是本文EIN與CIN兩指標相比而得的一個指標，可見，朱的3個指標與本文這4個指標本質是一致的。之后，李福軍[11]、趙先超等[12]及朱臻等[13]延用了朱的指標，吳彼愛等[4]則在朱的指標上加了一個地均碳排放量指標。

(2) 碳源控制水平 (CSCL) 指標組用非化石能源消耗占比(PNF)、非煤炭能源消耗占比(PNC)以及可再生能源消耗占比(PRE)來表示。將PNC從PNF中分離出來作為一單獨指標，是因為相對于等量單位的石油和天然氣，煤炭有著最高的二氧化碳排放量[8]。將PRE從PNF中分離出來是因為非化石能源與可再生能源不能完全等同。該組指標值越高，越符合LCD模式，即它們與LCD關系為正。

(3) 碳捕獲能力(CCC)指吸收CO2的能力。碳捕獲與存儲 (CCS)技術是CCC的一個方面。然而，目前CCS數據獲取困難，故只采用森林覆蓋率 (PFC)反映該能力。區域PFC越高，其通過光合作用吸收CO2量就越多，就越符合LCD模式，即PFC與LCD關系為正。

(4) 人文發展水平用人文發展指數(HDI)表示，該指數由聯合國開發計劃署(UNDP)于1990年開始逐年發布[14]。它由長壽水平(預期壽命)、教育水平(成人識字率)和生活水平(人均GDP對數)三方面指標綜合而成，該指標能揭示一個國家或區域社會整體的人文發展狀況[14]。范定祥等[15]采用協整與格蘭杰因果檢驗發現，從長期看，降低我國碳排放強度能夠促進其人文發展，而我國人文發展反過來也能推動其碳排放強度的降低。而碳排放強度越低，低碳發展水平越高。可見，提高我國人文發展水平，最終能促進我國低碳發展水平的提高，即兩者關系為正。

(5) 城市化水平(UL)用城市化率(PUR)來表示，它是指非農業人口占總人口的比例。Lehmann認為一個緊湊的、交通便利的城市對于下降總體上的溫室氣體排放量有更大的潛力[16]。這說明城市化率越高，越有潛力實現LCD，即兩者關系為正。趙紅等[17]用協整模型，劉華軍等[18]用面板模型分析了我國城市化對二氧化碳排放的影響，結果也均證明了兩者關系為正。值得說明的是，有學者將LCE與LCD混合起來，構建低碳經濟(發展)指標體系[19]，這與本文有著本質區別。考慮到有學者主張LCD應摒棄GDP主義[5]，故本文未對該GDP指標及其結構做深入分析。綜上所述，具體構建的LCD水平指標體系如表1所示。

表1 低碳發展水平指標體系

1.3 評價方法說明

本文FAHP-TOPSIS法是先在傳統層次分析法(AHP)的基礎上,引入模糊集理論(Fuzzy set)，形成模糊層次分析法(FAHP)，用FAHP法去綜合不同專家的經驗觀點，從而形成指標體系的一個最終權重。然后，將該權重代入理想點模型(TOPSIS)中計算區域最終的LCD水平值。

1.3.1 FAHP

AHP是一種可將不同來源的知識連接起來綜合成一個有用的信息,并可根據該信息作決策的定量與定性相結合的方法[20]。知識的來源可以是經驗或工程信息等[21]。當專家的經驗知識綜合成一個信息且該信息通過一致性檢驗[21]時，該信息可用。然而該方法不能完全反映人類思維方式[22]。人類思維的模糊性是決策制定過程中普遍存在的一種特征。如果制定決策不考慮這些模糊性的話，那么所得結果可能會是錯誤的[23]。

圖1 三角模糊數Fig.1 Triangular fuzzy number =(l,m,u)

模糊數集理論能很好的考慮這些模糊性，因而可在一定程度上解決該問題[24]。本文采用1983年由Van Laarhoven和Pedrcyz所創立的三角模糊數，該模糊數的數學表達式如式(1)所示，對應的圖形意義如圖1所示[25]。

(1)

用下列4種方法來求解三角模糊數集獲得指標權重：(1)傳統模糊程度值分析法,具體計算過程見文獻[23]。(2)樂觀指數法，其通過式(2)獲得模糊數程度值權重向量為:

(2)

式(2)中，i為評價指標編號，α是一個樂觀指數，變化區間在[0, 1]。α值接近于0, 表示決策制定者悲觀，反之，近于1表決策者樂觀。本文按一般做法[26]將其值定為0.5。最終，通過式(3)，獲得標準化權重向量W=(w1,w2,…,w3)T：

(3)

式(3)中，k為專家數編號，后兩種方法標準化向量的過程與之類似，故不再贅述。

(4)

(4)α截角法。其計算公式為：

αLeft=α× (m-l) +l

(5)

αRight=u-α× (u-m)

(6)

Ci=λ× (αRight)i+ (1-λ) × (αLeft)i

(7)

式中，這里α與上文α不同。根據Pan建議[28], 這里α固定取值為0.7，λ固定取值為0.8。Ci即為權重向量。上述4種方法計算得到的結果根據實際情況進行取舍，明顯不符合實際的結果需舍棄。

1.3.2 TOPSIS

TOPSIS由Hwang 和Yoon于1981年首次提出[29]。該方法認為一個函數的最優解應在最接近于正理想點并且最遠離負理想點的那個點，其計算所得標準化決策矩陣rij與FAHP計算所得LCD水平指標權重wi相乘，便得加權標準化決策矩陣vij[30]：

vij=wi×rijj=1,2,…，l

(8)

(9)

2 結果與分析

2.1 指標權重

專家評估的口語化答案可分為極端、強烈、明顯、稍微及同等重要幾個級別以及它們中間的一些級別，如表2所示。首先把這些專家返回的口語化答卷，按照表2所示的模糊數轉化規則轉化為三角模糊數矩陣，再對這些三角模糊數矩陣逐一進行一致性檢驗[31]。RI為平均隨機一致性指標，當n=1,2,…,9時，RI分別為0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45。CI為檢測出來的一致性值，CR表示CI與RI的比值。只有CR小于0.1時，評價結果才可接受，即通過。通過了檢驗的答卷才被認為是有效答卷，否則是無效答卷，需舍棄[31]。具體發放的問卷調查表有103份，被調查專家來自一些著名高校和科研院所，如北京大學、清華大學及中國科學院等，其中，收回的完整答卷有81份，而最后通過一致性檢驗并被認為是有效答卷的有17份。

表2 口語化變量及其對應的三角模糊數

然后，對有效答卷的專家觀點進行綜合，綜合后的結果需再次進行模糊一致性檢驗。以二級評價層為例，綜合后的專家觀點三角模糊數矩陣如表3所示，從該矩陣模糊一致性檢驗的結果可以看出，其CR值為0.0034，小于0.1，說明其通過了檢驗[31]，可用其繼續進行下一步運算。

表3 綜合的專家觀點三角模糊數矩陣(二級評價層)

模糊一致性檢驗: CI=0.0038, RI=1.119, CR=0.0034lt;0.1

層次指標權重確定。采用4種方法計算指標體系各層級權重，第二層級權重結果如表4所示。從中可看出，傳統程度值分析法的CSCL和CCC權重均為0，這表明：碳源控制水平指標及碳捕獲能力指標與LCD水平指標之間不存在關系，這是不符合事實的，故應舍棄。其余3種方法所得結果均可接受，取這3種結果的平均值，作為二級評價指標的最終權重，即表4第6列。

全局指標權重確定。以上過程所得的層次指標權重需要全部轉化為全局權重。以TAM指標為例，它所在的三級層次權重為0.309，而其所在的二級指標層CES所對應的層次權重為0.233，因而，TAM指標的全局權重可按以下方法計算得出：0.309×0.233=0.072。表5為所得全局指標權重結果。

2.2 低碳發展水平時間動態

將上述指標的全局權重結果代入TOPSIS模型，可獲得各省市區的LCD水平結果(表6)。從表6可以看出，寧夏、青海、甘肅、貴州及河南5個省區一直處于LCD水平的倒數前5名。寧夏在最末位，2003年的LCD水平值只有0.226，2008年增長到0.236，增長量為0.01，增長率為4.38%(表6)。河南、貴州、甘肅及青海在2003年的LCD水平值分別為0.482、0.468、0.445及0.440，2008年分別增長到0.556、0.553、0.509及0.487，增長量分別為0.074、0.085、0.065及0.047，增長率分別為15.35%、18.13%、14.58%及10.78%(表6)，但仍然處于倒數第5、4、3及2位。

表4 二級指標體系權重的4種結果比較與選擇

表5 指標系統權重

2003年LCD水平前10名內省區在2008年排名仍處在前10名內，如北京、遼寧與江西在2003年及2008年的LCD水平排名均保持在順數第1、6及10位(表6)，但其他7個省區(浙江、廣東、福建、黑龍江、吉林、上海及天津)位次有所變化 (表6)。此外，其余15個省區的LCD水平的位次變化規律不明顯(表6)。

表6 各省區低碳發展水平結果和變化

括號內的數字表示它們的LCD水平排序，黑體表示排序無變化，黑斜體表示它們的增長量和增長率表現極端

變化趨勢與幅度方面：大體上，只有上海呈現稍微下降的趨勢，下降約0.013，下降率為1.91%(表6)。其余各省區的LCD水平都在增長，浙江增長量和增長率均最大，分別為0.17和29.73%， 因而浙江的LCD水平位次迅速從第9名上升到第2名(表6)。北京的LCD水平增長量和增長率均最小，分別為0.003和0.38%，幾乎可以忽略，但由于北京在2003年的LCD水平本身就最高，因而其仍可在2008年保持第1名的位置(表6)。

2.3 低碳發展水平空間動態

為分析方便，將LCD水平值小于0.5的階段稱為極低階段，大于等于0.5并小于0.6的階段稱為低階段，大于等于0.6并小于0.7的階段稱為中階段，LCD水平值大于等于0.7的階段稱為較高階段，按此方法可將各省區LCD水平劃分為4類，具體結果如圖2所示。

圖2 低碳發展水平空間動態變化(此圖引自http://www.webmap.cn/mapDir.php)Fig.2 The spatial change of the LCD

從圖2可看出，寧夏和青海的LCD水平值總是處于極低階段，新疆、河北、內蒙古、山東與江蘇總是處于低階段，天津、上海、吉林與遼寧總是處于中階段，而北京LCD水平總處于較高階段。甘肅、山西、河南與貴州的LCD水平在2003年處于極低階段，但到2008年有所增長而進入了低階段。同樣地，江西、海南、湖南、重慶、廣西、湖北、陜西、云南、四川與安徽在2003年處于LCD水平的低階段，但在2008年有所增長進入了中階段；黑龍江、福建與廣東在2003年處于LCD水平的中階段，但在2008年有所增長進入了較高階段；浙江由于增長量最大，由2003年的低階段越過中級段直接進入LCD水平的較高階段。

對比其中極其典型的幾個區域(北京、青海、寧夏、浙江和上海，它們原始數據見表7)，可發現：本文評價結果是符合客觀事實情況的，因而是合理的。如，北京LCD水平總最大，寧夏和青海LCD水平總是倒數第1和2位(表6)。而從它們原始指標數據表7也可看出：北京EIN及CIN極低，在0.5—1.4之間；而寧夏和青海的EIN及CIN則很高，分別在3—10及7—33之間(表7)。這表明北京能源消費效率較高，能源利用技術水平相對更節能，因而更符合LCD模式。其次，北京森林覆蓋率(PFC)及城市化率(PUR)分別在18%—22%及72%—85%之間，遠高于寧夏和青海的PFC及PUR(表7)，而這兩個指標值越高，表明區域越符合LCD模式。還有，北京可再生能源占比(PRE)及人文發展水平(HDI)也比寧夏和青海的值更高(表7)，這進一步表明北京更符合LCD模式。可見，指標原始數據反映出的實際結果與本文評價結果一致，不同的是評價結果更精確。

再如，浙江的LCD水平增長最快而北京最慢。而從原始數據表7也可很容易地看出他們增長的快慢：浙江的碳排放總量(TAM)及人均碳排放量(QPC)雖然從2003年到2008年有所增長，但由于其經濟增速更快，使得其能源強度(EIN)和碳強度(CIN)反而有所下降，這前4個指標對提升浙江的LCD水平具有相互抵消的作用。這一點，北京與浙江類似(表7)。而后6個指標兩區增長程度則不同，浙江可再生能源占比(PRE)及城市化率(PUR)分別從2003年的0.015及25.43%增長到2008年的0.034及57.60%，增長達2.267與2.265倍；而北京后6個指標的增長均不大。

表7 典型省區原始指標數據

上述這些對結果的分析表明，采用本文方法進行LCD評價所得的結果是符合實際且合理的。表7最后顯示上海碳排放總量有所增加且森林覆蓋率有所降低，而其也是唯一LCD水平有所下降的區域，這也是符合實際情況的，因為一個區域的碳排放總量增加必然導致其LCD水平下降的，同樣，森林覆蓋率降低，吸收CO2的能力變弱，也必然導致其LCD水平下降。

3 結論與討論

3.1 結論

(1)本文構建的LCD水平評價指標系統，其中，包含5個二級指標和10個三級指標，是一套非常實用有效且可靠的分析工具，可以成功地幫助人們分析區域LCD狀態。

(2)整合的FAHP-TOPSIS法是先在AHP的基礎上，引入模糊數集理論，形成FAHP法，再將FAHP法與TOPSIS法連接起來使用而形成，該方法能有效處理專家評估時的模糊性，因而具有一定的優越性和更強的適用性。對結果的分析也證明了該方法評估結果的合理性。因而該方法值得推廣。

(3)2003年到2008年，上海LCD水平有所下降，下降率為1.91%；其余各省區均在增長，浙江增長最大，北京增長最小，兩者增長率分別為29.73%和0.38%。

(4)北京一直擁有相對最高的LCD水平，而遼寧和江西一直分別處于第6和10位。總體上來講，2003年LCD水平排在前10位的省區在2008年也在前10位，只是除上述的北京、遼寧和江西3省區位次保持不變外，其余7省區(浙江、廣東、福建、黑龍江、吉林、上海及天津)的位次有所變動。而寧夏、青海、甘肅、貴州及河南的LCD水平一直處于倒數第1、2、3、4及5位，且位次不變。剩余15省區的LCD水平的變化規律不明顯。

3.2 討論

“北京LCD水平高而寧夏低”與“北京能源消費效率、森林覆蓋率、城市化率及可再生能源占比等指標高于寧夏的事實”是一致的，表明要提高區域的LCD水平，有必要：第一、制定相關節能技術改造的機制和措施，加強措施的執行力度，從而提高區域能耗效率；第二、繼續加強植樹造林，提高區域森林覆蓋率；第三、積極響應國家“十二五”相關規劃的號召，建設緊湊型城市及布局科學合理的新型城鎮，進而提高城鎮化率；第四、充分開發利用區域的可再生能源，如風能、太陽能、地熱能、小水電能、生物質能及垃圾利用發電，等。“上海LCD水平有所下降” 與“上海碳排放總量有所增加的事實”也是一致的，表明：要提高區域LCD水平，還需實行碳排放總量控制及各省區配額分配與交易等制度，以從市場經濟角度減少能耗的浪費，降低碳排放。

值得說明的是，按0.5、0.6及0.7劃分的各省區LCD水平所處的階段是相對的，如，北京LCD水平處于較高階段，并不表明北京發展模式已屬于LCD模式，而是僅僅表明相對其他省區來講，其更符合LCD模式。事實上，我國各省區發展均需積極向LCD模式轉型。其次，盡管有研究表明城市化水平與LCD水平關系為正[12- 13]，但它們之間也可能存在非線性關系或因階段變化而出現正負交替變化的關系；盡管有研究認為LCD應摒棄GDP主義[5]，但GDP結構也可能在一定程度上反映LCD狀況，而本文未對其考慮；盡管有研究認為我國人文發展水平與LCD水平關系為正[15]，但兩者關系可能會因發展階段變化而變化。所有這些都會對本文結論帶來不確定性(偏差)，這需要在以后的研究中加以改進，如引入GDP結構指標，考慮指標間的非線性關系、指標關系的階段變化性等。第三，碳捕獲能力(CCC)指標中，只考慮了森林覆蓋率(PFC)指標，而忽視了灌木林、草地等植被的碳捕集能力及區域CCS等技術應用情況；其他因素(如工業技術等)也可能影響碳排放及LCD，而本文未對其進行考慮。所有這些也都會對本文結論帶來不確定性(偏差)，因而，在未來的研究中應選擇合適的指標反映它們，只要這些指標的數據可獲得，就可把它們引入進來完善本研究。第四，問卷調查時，經檢驗有效答卷17份，數量有些偏少，這一定程度上會增加本文結果的不確定性(偏差)，削減結論的合理性，因而，將來應從更大范圍內選擇更多的專家，獲取更多的有效答卷來彌補該不足。

[1] Department of Trade and Industry (DTI). Energy White Paper: Our Energy Future-Creating a Low Carbon Economy. London: DTI, 2003.

[2] Mulugetta Y, Urban F. Deliberating on low carbon development. Energy Policy, 2010, 38(12): 7546- 7549.

[3] Guan D, Barker T. Low-carbon development in the least developed region: a case study of Guangyuan, Sichuan province, southwest China. Natural Hazards, 2012, 62(2): 243- 254.

[4] Wu B A, Gao J H. On levels of low-carbon development and potentials of six provinces of central China. Resources and Environment in the Yangtze Basin, 2010, 19(2):14- 19.

[5] Lei M, Guo J, Chai J, Zhang Z K. China′s regional CO2emissions: Characteristics, inter-regional transfer and emission reduction policies. Energy Policy, 2011, 39: 6136- 6144.

[6] Yuan H, Zhou P, Zhou D Q. What is low-carbon development? A conceptual analysis. Energy Procedia, 2011,5:1706- 1712.

[7] Dai X J. Low-carbon development: position of international metropolis: a case study of Shanghai. Exploration and Free Views, 2011, (6):57- 60.

[8] Fu J F, Zhuang G Y, Gao Q X. Conceptual identification and evaluation index system for low carbon economy. China Population Resources and Environment, 2010, 20(8):38- 43.

[9] Zhu S X. On levels of urban low carbon economy and analysis of the potentials. China Opening Herald, 2009, (4):10- 13.

[10] Zhu S X. A comparison of the low carbon growth amongst countries. China Opening Herald, 2010, (6): 44- 47.

[11] Li F J, Zhong C C. Analysis of low carbon development (LCD) level and the potential in Heilongjiang, China. Heilongjiang Finance, 2010, (5): 23- 25.

[12] Zhao X C, Zhou Y Y, Lu P. An empirical research on urban low-carbon development and carbon emissions of key areas—Tianjin-based case analysis. Journal of Hunan University of Technology, 2011, 25(4):81- 85.

[13] Zhu Z, Huang M, Shen Y Q. Analysis on measure and comparison of low carbon level in Zhejiang. Ecological Economy, 2011,(2):29- 33.

[14] Pan J H. A conceptual framework for understanding Human Development potential-With empirical analysis of global demand for carbon emissions. Social Sciences in China, 2002, 10(6): 15- 26.

[15] Fan D X, OU S H. Carbon Intensity Control and Human Development: Based on an Empirical Analysis of China. Ecological Economy, 2012,(2):63- 66.

[16] Lehmann S. Low-to-no carbon city: Lessons from western urban projects for the rapid transformation of Shanghai. Habitat International, 2013, 37: 61- 69.

[17] Zhao H, Chen Y M. Research on relationship between urbanization process and carbon emission reduction in China. China Soft Science, 2013, 27(3): 184- 192.

[18] Liu H J. The influence of urbanization on carbon dioxide emissions: An empirical evidence from China. Shanghai Journal of Economics, 2012, (5): 24- 35.

[19] Zhu Y Z, Zhou S H, Yuan N Y. To develop low carbon economy for slowing down climate change-Low carbon economy and its evaluation index. China′s National Conditions and Strength, 2009, (12):4- 6.

[20] Saaty T L. The analytic hierarchy process. New York: McGraw-Hill, 1980.

[21] Saaty T L, Vargas L G. The analytic hierarchy process series. University of Pittsburg, 1990.

[22] Kahraman C, Cebeci U, Ulukan Z. Multi-criteria supplier selection using fuzzy AHP. Logistics Information Management, 2003, 16(6): 382- 394.

[23] Naghadehi M Z, Mikaeil R, Ataei M. The application of fuzzy analytic hierarchy process (FAHP) approach to selection of optimum underground mining method for Jajarm Bauxite Mine, Iran. Expert Systems with Applications, 2009, 36(5): 8218- 8226.

[24] Ertugrul I, Tus A. Interactive fuzzy linear programming and an application sample at a textile firm. Fuzzy Optimization and Decision Making, 2007, 6: 29- 49.

[25] van Laarhoven P J M, Pedrcyz W. A fuzzy extension of Saaty′s priority theory. Fuzzy Sets and Systems, 1983, 11: 229- 241.

[26] Sen C G, Cinar G. Evaluation and pre-allocation of operators with multiple skills: A combined fuzzy AHP and max-min approach. Expert Systems with Applications, 2010, 37(3): 2043- 2053.

[27] Vahidnia M H, Alesheikh A A, Alimohammadi A. Hospital site selection using fuzzy AHP and its derivatives. Journal of Environmental Management, 2009, 90: 3048- 3056.

[28] Pan N F. Fuzzy AHP approach for selecting the suitable bridge construction method. Automation in Construction, 2008, 17: 958- 965.

[29] Hwang C L, Yoon K. Multiple attribute decision making—Methods and applications. Heidelberg: Springer-Verlag, 1981.

[30] Gumus A T. Evaluation of hazardous waste transportation firms by using a two step fuzzy-AHP and TOPSIS methodology. Expert Systems with Applications, 2009, 36(2): 4067- 4074.

[31] Lin H F. An application of fuzzy AHP for evaluating course website quality. Computers amp; Education, 2010, 54(4): 877- 888.

參考文獻:

[4] 吳彼愛,高建華.中部六省低碳發展水平測度及發展潛力分析. 長江流域資源與環境,2010,19(2):14- 19.

[7] 戴星翼.低碳發展:國際大都市的定位——以上海為例.探索與爭鳴, 2011, (6):57- 60.

[8] 付加鋒,莊貴陽,高慶先.低碳經濟的概念辨識及評價指標體系構建. 中國人口·資源與環境,2010,20(8):38- 43.

[9] 朱守先. 城市低碳發展水平及潛力比較分析. 開放導報,2009,(4):10- 13.

[10] 朱守先. 世界各國低碳發展水平比較分析. 開放導報,2010,(6):44- 47.

[11] 李福軍,鐘成春.黑龍江省低碳發展水平及潛力分析. 黑龍江金融,2010,(5):23- 25.

[12] 趙先超,周躍云,蘆鵬. 城市低碳發展水平及關鍵領域碳排放實證研究——基于天津市的案例分析. 湖南工業大學學報,2011,25(4):81- 85.

[13] 朱臻,黃敏,沈月琴. 浙江省低碳發展水平測度和比較分析. 生態經濟,2011,(2):29- 33.

[14] 潘家華. 人文發展分析的概念構架與經驗數據——以對碳排放空間的需求為例.中國社會科學, 2002, 18(6): 15- 26.

[15] 范定祥,歐紹華. 碳排放強度控制與人文發展:基于中國的實證分析. 生態經濟, 2012,(2):63- 66.

[17] 趙紅,陳雨蒙. 我國城市化進程與減少碳排放的關系研究.中國軟科學,2013,27(3):184- 192.

[18] 劉華軍. 城市化對二氧化碳排放的影響.上海經濟研究, 2012,(5):24- 35.

[19] 朱有志,周少華,袁男優.發展低碳經濟,應對氣候變化——低碳經濟及其評價指標. 中國國情國力, 2009, (12): 4- 6.

Studyonthelevels′evaluationofprovinciallow-carbondevelopmentinChinabasedontheFAHP-TOPSISmethod

HU Linlin1,2,3, JIA Junsong1,2,*, MAO Duanqian1,3, LIU Chunyan1,2

1Schoolofgeographyandenvironment,Jiangxinormaluniversity,Nanchang330022,China2KeyLaboratoryofPoyangLakeWetlandandWatershedResearch,MinistryofEducation,Jiangxinormaluniversity,Nanchang330022,China3Schoolofgraduate,Jiangxinormaluniversity,Nanchang330022,China

Since the low-carbon economy (LCE) was, firstly, brought out by the Department of Trade and Industry (DTI) in UK in 2003, the issues related to the concept of low carbon (LC) have attracted more and more attentions at home and abroad. The low-carbon development (LCD) is one of the hottest issues in the academic circles. However, people remain to have some controversial viewpoints on this topic of LCD up to now. For example, some people think the LCD should guarantee the growth of Gross Domestic Product (GDP), but some others think the LCD could leave it out. Therefore, in this paper, the two concepts of LCE and LCD were, at the first step, distinguished based on some published literature. Then, according to the distinguished result above, the indicators′ system for evaluating the LCD levels of different regions was constructed, which contains 5 second-layer′s indicators and 10 third-layer′s indicators. As the unavailability of data, some provinces were omitted, and there were 30 provinces altogether were taken into the numerical case. In the empirical research process, a two-step methodology of combining the Fuzzy Analytic Hierarchy Process (FAHP) with the Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) method is proposed. The FAHP was, firstly, used to compute the indicators′ weights of the 30 provinces′ LCD levels, and then the TOPSIS method used these weights as its own input weights to complete the whole calculation process. The results show that: (1) the index system is a very practical and effective evaluation tool. It can successfully help people to evaluate the LCD level of a region. (2) The integrated FAHP-TOPSIS method can effectively deal with the fuzziness, which was coming from the process of expert′s assessment, because the fuzzy number′ set was drawn into it. The results acquired are reasonable and consistent with the reality, which further prove the reliability of the method itself. (3) From 2003 to 2008, the LCD level of Shanghai has a slightly decreasing change. The percentage of the decline is 1.91%. All the rest 29 provinces have the increasing trend. Among them, Zhejiang has the largest growth, and Beijing has the least growth. The increasing percentages of the two regions are 29.73% and 0.38%, respectively. (4) Overall, the top 10 provinces of the LCD level in 2003 are still in the top 10 positions in 2008. Among the ten, Beijing has always had the highest LCD level relatively, while Liaoning and Jiangxi have kept at the 6th and 10th positions, respectively, but the rankings of the other seven provinces are changed from 2003 to 2008. However, the LCD levels of Ningxia, Qinghai, Gansu, Guizhou and Henan have been successively in the reciprocal five positions, and their rankings are unchanged. Finally, the rationality and uncertainty of the results by using the FAHP-TOPSIS method were analyzed. Some feasible directions for future studies are put forward, and some preferable policy suggestions to improve the provincial LCD level were proposed. These advices contain: strengthen the transformation of energy-saving technology; increase the proportion of renewable-energy consumption; accelerate the construction of the new urbanization and the compact city; implement the system of carbon emissions′ total amount control, quota allocation and trading; extend an existing reforestation program, and so on.

FAHP-TOPSIS; LCD level; provinces; evaluation

國家自然科學基金項目(41001383)、江西師范大學博士啟動基金項目(4581)、中國博士后科學基金特別項目(201003158)

2013- 05- 12;

2013- 08- 18

*通訊作者Corresponding author.E-mail: jiaaniu@126.com

10.5846/stxb201305121027

胡林林,賈俊松, 毛端謙, 劉春燕.基于FAHP-TOPSIS法的我國省域低碳發展水平評價.生態學報,2013,33(20):6652- 6661.

Hu L L, Jia J S, Mao D Q, Liu C Y.Study on the levels′ evaluation of provincial low-carbon development in China based on the FAHP-TOPSIS method.Acta Ecologica Sinica,2013,33(20):6652- 6661.