基于協同分析模型的城市協調發展度研究
——以煤炭資源型城市淮南為例

唐 賜

（安徽理工大學 地球與環境學院，安徽 淮南 232000）

1 前言

黨的十八大以來，面對日益嚴峻的氣候變化及生態環境問題，黨和國家高度重視，提出了碳達峰和碳中和的戰略目標，是面對全球氣候問題、生態環境問題的大國擔當，推動全球環境治理體系的構建，為全球生態文明建設做出重要貢獻，在生態環境建設及節能減排建設過程中，我國在對碳排放的核查以及生態風險評價中仍存在問題，比如碳排放核查市場供不應求，核查能力參差不齊，核查標準欠統一，生態風險評價體系也不完善。針對此類問題，目前眾多學者在碳排放的測度與生態風險評價方面開展了大量的研究，如王志強[1]等基于城鎮化的內涵從人口、產業、土地3 個方面構建了城鎮化碳排放核算體系，核算了2002-2017 年中國城鎮化碳排放量；張振家[2]設計農業碳排放測算公式，對遼寧農業碳排放量、碳排放效率以及碳源結構特征進行測算與分析；法子薇[3]等依據PSR 理論對煤礦資源型城市徐州，建立相應指標體系，提出云模型評價方法，并給出整體評價流程，進行風險評價實證分析。

從上述研究成果可以看出，我國生態安全最終應該落實在碳排放核算與生態風險評價體系上，繼續推進生態風險評價以及碳排放測度。上述研究成果從不同的角度利用不同的方法對生態風險進行評價并對碳排放進行測度，對我國生態建設起到了積極的指導作用。但聯合采用AHP 法即層次分析法，EW 即土地利用數據集[11]探討生態風險及碳排放測度評價，以便更好地指導實際工程的研究成果較少。

為此，將生態風險與碳排放評價作為一個復合系統，分別考察復合系統的綜合發展水平和兩個子系統的協調程度。首先通過層次分析法研究淮南市近年來的生態風險發展趨勢，并結合土地利用數據集[11]對淮南市近20 年土地利用碳排放進行統計，預測淮南市碳排放效應，再計算淮南市在生態風險-碳排放復合系統下的綜合發展度，協調度和協調發展度的綜合評價模型。該模型對政府進行生態風險評價與碳排放核算提供科學幫助，對城市生態發展具有指導意義。

2 淮南市生態風險評價

以淮南市為研究區域，在對《淮南統計年鑒》數據研究分析的基礎上，根據當地生態條件及環境問題的特點，選用層次分析法對其進行生態風險性影響評價，選取合理的評價因子、評價等級劃分，并計算出符合要求的評價因子權重，進行生態風險性評價并對評價結果進行驗證，充分反映淮南市生態風險發展趨勢。

2.1 層次分析法評價

2.1.1 生態風險性評價因子選取

生態風險的影響因素眾多，根據本次調查的結果，將本區生態風險的影響因子如下：目標層(A)為層次結構最高層，即淮南市生態風險等級。準則層(B)，包括環境質量(B1)，環境污染(B2)，工業污染(B3)，能源生產和消費(B4)，地質災害(B5)。指標層(C)，包括環境質量（C1,C2,C3,C4），環境污染(C5,C6,C7,C8)，工業污染(C9,C10,C11,C12)，能源生產和消費(C13,C14,C15)，地質災害(C16,C17,C18)。評價因子選擇見表1。

2.1.2 評價因子權重確定

（1）對同一層次因子就其對生態環境影響的相對重要性進行兩兩比較列成矩陣T，設U={u1,u2,…,um}為評估因子集。uij表示ui對uj的相對重要性數值，uij的取值見表2。

（2）求出T 的最大特征根所對應的特征向量，歸一化后，得到權重分配。

（3）驗證判斷矩陣求出的特征向量（權值）是否合理[5]，檢驗公式為：CR=CI/RI。CR 為判斷矩陣的隨機一致性比率，當CR<0.1 時，即認為判斷矩陣具有滿意的一致性；否則，就需要調整判斷矩陣，達到滿意的一致性。

CI 為判斷矩陣一致性指標，它由下式計算：

式中：λmax為最大特征根；m 為判斷矩陣階數；RI 為判斷矩陣的平均隨機一致性指標，對于低階判斷矩陣，取值見表3。通過以上步驟可計算得出準則層和指標層各評價因子的權重，見表1 中ai,bi。

表3 層次分析法的平均隨機一致性指標值

表4 淮南市土地利用類型碳排放系數

2.1.3 目標層得分

在本次評價的分級和評價單元的各個評價因子相應的指標分值見表1。目標層得分計算如下：

式中：YA為目標層得分；aj為準則層權重；bi為指標層權重；Xi為指標得分。

最后計算得到淮南市2010 年，2015 年，2020年各個年度的總分值。

2.1.4 評價等級

通過建立有對應的評價等級，使得出的生態風險性評價結果具有可比性。本次采用淮南市生態風險性調查結果與擬定的等級相互驗證，最后確定等級劃分閾值，即：YA≥7，表示生態風險低；4＜YA＜7，表示生態風險中等；YA≤4，表示生態風險高。最后，根據評價等級及各準則層得分劃分標準劃出淮南市2010 年，2015 年，2020 年生態風險現狀及發展趨勢。

2.2 淮南市生態風險性評價得分

根據上述的評價方法，對淮南市2010 年，2015年，2020 年進行生態風險性評價，其中，2010 年生態風險評價得分為3.514，生態風險性較高，2015年生態風險評價得分為5.135，生態風險性中等，2020 年生態風險評價得分為7.89，生態風險性低，各年份生態風險性得分及發展趨勢如圖1。

圖1 淮南市生態風險性評價得分及各準則層得分圖

圖2 淮南市DEM 圖

由圖1 分析可得，2010 年至2020 年淮南市的生態風險性評價得分呈穩定增長的線性關系，可以看出淮南市的生態風險治理取得了卓越的成效，明顯的改善恢復了生態環境，降低了生態環境風險，由各準則層的增長曲線可以看出，淮南市作為煤炭資源型城市，煤炭工業污染嚴重，2010 年至2015年工業污染稍微加重，2015 至2020 年工業污染明顯降低，可以看出針對工業污染治理取得了明顯的成效，但是在環境質量保護及環境污染治理方面，從2010 年至2020 年的治理成效并不明顯，對于淮南市未來的生態風險控制，需要提高環境質量，加大環境污染治理，是降低淮南市生態風險的重要內容之一。為了進一步提高淮南市的生態風險控制水平，可以采取以下措施。首先，加強環境監測和評估，及時發現和解決環境問題。其次，加大環境污染治理力度，推動工業企業實施清潔生產，減少污染物排放。同時，加強環境法律法規的執行，嚴厲打擊環境違法行為，提高環境保護意識和責任意識。此外，還可以加強科技創新，推動綠色技術的應用，促進可持續發展。通過這些措施的綜合應用，淮南市將能夠進一步降低生態風險，保護和改善生態環境，實現可持續發展的目標。

3 土地利用的碳排放統計

隨著人類文明的不斷發展，人類對生態環境的破壞以及土地利用結構的不斷改變，導致大氣中CO2的總含量不斷提高，對全球氣候產生了一定的影響[6]。已有研究表明，土地利用方式的改變和化石燃料的大量燃燒是導致溫室效應的主要因素之一[7]。我國的土地利用變化對陸地生態系統的碳排放和吸收產生重要影響，這種影響具有巨大的規模和復雜的機理，并且在空間上呈現出多樣性。然而，由于土地利用變化涉及到眾多不確定性因素，其影響的評估仍然面臨著許多挑戰。

為了更好地理解土地利用變化對碳排放的影響，需要深入研究不同土地利用方式的特征和影響機制。常見的土地利用方式包括農田、林地、草地、城市建設等。每種土地利用方式都對碳排放和吸收產生著不同程度的影響，因此，針對不同土地利用方式的碳排放特征進行分析是十分重要的。此外，減少土地利用對碳排放的影響也是一個迫切的課題。通過合理規劃和管理土地利用，可以采取措施來減少碳排放，例如推廣可持續的農業生產方式、加強城市綠化建設、保護和恢復生態系統等。這些措施有助于降低碳排放量，減緩溫室效應的發展。綜上所述，深入研究土地利用變化對碳排放的影響以及采取相應的減排措施，對于應對氣候變化和保護生態環境具有重要意義，同時，減少土地利用對碳排放的影響也是一項迫切的課題。我們可以通過合理規劃和管理土地利用，采取措施來減少碳排放。例如，推廣可持續的農業生產方式，加強城市綠化建設，保護和恢復生態系統等。這些措施有助于降低碳排放量，減緩溫室效應的發展。綜上所述，深入研究土地利用變化對碳排放的影響，并采取相應的減排措施，對于應對氣候變化和保護生態環境具有重要意義。我們需要不斷加強科學研究，制定有效政策，促進全球合作，共同應對氣候變化挑戰，實現可持續發展的目標。

已有學者進行了相關研究：鄧祥征[8]應用高斯方程和拉姆齊模型，通過分析京津冀地區區域土地利用和地表CO2濃度之間的關系，證明了地表CO2濃度與土地利用類型有著密切的關系。

本文以淮南市為研究區域，因壽縣從2016 年起才劃歸到淮南市行政區，故下文所稱的淮南市，均不包含壽縣。淮南市作為一座煤炭資源型城市，其煤炭資源優勢突出，分布集中，且煤質優良。因此煤炭產業成為了淮南市的支柱產業。

本文中涉及到的數據包括： 淮南市2010 年、2015 年和2020 年3 期土地利用統計數據。該部分數據來源于武漢大學楊杰、黃昕兩位教授的研究結果[12]，該數據集最大的優勢在于每年30 米的土地利用分類結果，且連續30 年。這與GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10 等產品相比，時間分辨率更高。經濟、能源消耗和民生等指標來自于《淮南統計年鑒》《壽縣年鑒》和《中國能源年鑒》。行政區劃圖來源于阿里云數據。

3.1 研究方法

本文中采用的土地利用數據集將土地分為8類，田地、林地、草地、水、雪地/冰面、濕地、建設用地和貧瘠地[13-15]。由于淮南市的自然條件沒有雪地/冰面和濕地。剩下的六類土地能夠滿足研究需要，不進行重分類。

為了更好的計算不同類型土地的變化幅度，引入土地利用動態指數作為衡量指標[19]。

土地利用動態指數的計算公式如下：

上式中，K 的取值范圍為[-1,1]，即為相應時間序列內的土地利用動態指數，Ub為時間序列結束年限對應土地類型的面積，Ua為時間序列的起始年限對應土地類型的面積，T 為時間序列的跨度。

為了更好的定量計算地表覆蓋物變更引起的碳效應的改變值，引入碳效應測算模型[16]。具體的計算公式如下：

上式中，C 為地表覆蓋物變化引起的碳效應的量化指標，Si,j表示i 類型的土地轉化為j 類型土地的面積，Ti,j為i 類型的土地轉化為j 類型土地時對應的碳排放系數。為了便于研究，對六類土地進行進一步分類。建設用地為的碳源，林地、草地和水域為碳匯，對田地中的農作物雖然能夠吸收CO2但農作物生產過程中碳排放量更大，因此把田地分類為碳源。由于貧瘠地的面積小，碳匯能力弱，因此不作考慮。

為了更好計算建設用地的碳效應系數，同時考慮到數據獲取的難度，本實驗采用第二、第三生產總值和單位GDP 能耗來間接計算建設用地的碳排放系數，以此推算人類在利用建設用地從事各類活動過程中所消耗的能源生產的碳排放量。雖然這種方法可能會低估其數值，但可以更清楚地體現建設用地的碳源作用。其中K 表示碳排放系數，具體計算公式如下：

上式中，GDP2表示第二產業的生產總值，GDP3表示第三產業的生產總值，J 表示單位GDP 能耗，其等于能源消費總量（噸標準煤）/國內（地區）生產總值（萬元），K=0.7476tC/t。通過查閱資料，淮南市主要土地利用類型的碳排放系數如下。

3.2 結果分析

通過對土地利用數據集進行處理獲取淮南市2010 年、2015 年和2020 年各類型土地的面積，通過對地圖整飾得到圖3。通過對數據集中的數據進行處理，獲取到表5 至表10。

圖3 淮南市土地利用分類圖

表5 2010 年-2015 年土地類型面積變化

表6 2015 年-2020 年土地類型面積變化

表8 2010-2015 年淮南市土地利用碳排放效應變化量

表9 2015-2020 年淮南市土地利用碳排放效應變化量

表10 2010-2020 年淮南市土地利用碳排放效應變化量

3.3 碳排放預測

由表8、9 和10 可知，在土地利用碳排放效應變化量中，作為碳源貢獻最大的部分為田地→建設用地，2010-2020 年間田地→建設用地的碳排放量占到總碳源排放量的88.7%。作為碳匯貢獻最大的是建設用地→水域，2010-2020 年間建設用地→水域的作為碳匯碳排放量占到總碳匯排放量的89.1%。其中田地→建設用地作為碳源的碳排放量占總變化效應的比值從2010-2015 年78.45%，到2015-2020 年的94.8%。說明在2010-2020 年間淮南市的田地轉化為建設用地的比重提高，城鎮化水平提高。建設用地→水域的作為碳匯碳排放量占到總碳匯排放量的比值從2010-2015 年98.4%，到2015-2020 年的99.5%。變化幅度小，但仍呈現上升趨勢，其主要原因是隨著煤礦開采，淮南的煤礦開采沉陷區面積逐年擴大，侵占建設用地，且淮南地處低潛水位區，煤礦開采沉陷區逐漸成為積水區。

綜上所述，由圖4 可知，在未來幾年的發展過程中，隨著城鎮化水平的提高，田地轉化為建設用的面積仍會增加；隨著煤礦開采量的下降和淮南市鎮府對沉陷區的科學治理，各類型土地轉化為水域的面積呈下降趨勢，但綜合碳源和碳匯分析，碳排放量依然會呈上升趨勢。

圖4 淮南市2010、2015、2020 年碳排放量

4 協調發展評價

4.1 生態風險與碳排放協調發展統計測度模型

本次協同評價主要采用如圖5 所示的生態風險與碳排放協調發展統計測度模型[17]，分別研究兩個子系統的綜合發展度和協調度，然后結合二者得到其協調發展度。

圖5 生態風險與碳排放協調發展統計測度模型

如圖5 所示，橫坐標表示生態風險指數，縱坐標表示碳排放指數。這里的指數是指淮南市生態風險和碳排放在安徽省的相對水平。圖中的正理想點代表高水平協調，負理想點代表低水平協調。連接正、負理想點，并通過原點的線即為協調線。協調線上的點，其橫、縱坐標相等，表示兩個子系統發展狀況在全省的相對水平相同。在圖中，A 點代表淮南市。A 點距離正理想點越近且距離負理想點越遠，表示A 的生態風險和碳排放兩個子系統的綜合發展水平越高。結合點A 的綜合發展水平和協調水平，可以對其生態風險與碳排放的協調發展進行評價。

4.2 生態風險與碳排放協調發展評價的測度方法

本文主要以淮南市為研究對象，前節已對生態風險和碳排放兩個子系統進行分別測度。

4.2.1 綜合發展度的測度

本文基于TOPSIS 方法計算綜合發展度，以淮南市為例，其綜合發展度LA的計算方法如下：

正、 負理想點采用如下方法確定： 設Z+=max(zxmax,zymax)，Z-=min(zxmin,zymin)，則正理想點的坐標為(Z+,Z+)，負理想點的坐標為(Z-,Z-)。其中，zxmax、zxmin分別表示生態風險系統標準化得分的最大值和最小值，zymax、zymin分別表示碳排放系統標準化得分的最大值和最小值。這里的標準化得分是采用公式(9)所示方式處理后得到：

其中，xi為淮南市市域生態風險系統或碳排放系統發展水平的原始得分，xˉ為對應系統市域原始得分的均值，S 為對應的標準差。

4.2.2 協調度的測度

如圖5 所示，以淮南市為例，圖中夾角θA越大代表A 越偏離協調線，即在該點處兩個子系統發展不協調。用該夾角的余弦值表示A 點的協調度，記為RA。其計算方法如公式(10)所示：

公式(10)表示計算向量(xA-(Z-)，(yA-(Z-)和方向向量(1,1)的夾角余弦值。

4.2.3 協調發展度的測度

通過綜合考慮生態風險系統和碳排放系統的協調度和綜合發展度，本文定義生態協調發展度如下：

其中，MA表示協調發展度，L′A和R′A分別表示用公式(12)和公式(13)標準化處理后的綜合發展度和協調度：

4.3 綜合分析

測算結果表明，從2010 年以來，淮南市的協調發展度指數線性增長趨勢。將2010 年與2015 年對比，淮南市的協調發展度指數呈大幅度且三年淮南市協調發展度指數均在1120 以上。2015-2020 年間淮南市的協調發展度增長緩慢，其指數增長幅度約在2000 左右。

5 結論

本文通過研究淮南市兩個子系統的綜合發展水平和協調程度，得到淮南市生態協調發展度指數，淮南市具有中等協調發展程度，屬于生態環境滯后型，并得出如下結論：

資源型城市通常擁有豐富的自然資源，如礦產、能源和生物資源等。然而，在資源開發過程中，這些城市面臨著嚴重的資源損耗和工業污染問題，導致能源浪費和生態環境破壞。針對這些問題，淮南市在市域范圍內進行了生態風險系統與碳排放系統的協調發展度評估。

與2010 年相比，2020 年淮南市的協調發展度有所提升，說明淮南市在市域生態治理方面取得了顯著成效。然而，在研究期間，淮南市后期生態協調發展度的提升明顯放緩，這與當前淮南地區的生態現實相吻合。因此，為了進一步改善生態環境狀況，淮南市需要持續提升生態效率，提高生態文明建設水平，并進一步降低全市的生態風險和碳排放指數。

為實現生態文明城市建設目標，淮南市應堅持生態文明建設與經濟社會建設的和諧發展。這包括加強環境保護措施，推動綠色低碳發展，促進資源的可持續利用，減少工業污染和能源浪費。同時，還需要加強生態文明意識的培養，提高公眾對生態環境保護的重視程度。