基于大数据方法和SOFM聚类的中国经济-环境综合分区研究

作者：冯喆; 蒋洪强^*; 卢亚灵

来源：地理科学, 2019, 39(02): 242-251.

DOI：10.13249/j.cnki.sgs.2019.02.008

• 经济-环境关联体系
• 夜间灯光指数
• PM2.5
• 自组织特征映射模型(SOFM)

研究使用经济和环境多源大数据,建立包含人口、GDP等经济指标和空气质量等环境指标的中国经济-环境关联体系,识别各指标的热点、冷点时空变化特征,采用人工神经网络聚类方法对中国现阶段经济-环境进行综合分区。研究结果如下:①灯光平均强度较高的省份主要集中在沿海地区,经济以长三角、珠三角和环渤海区域为主要拉动引擎,呈东南高西北低的发展态势,东部沿海地区经济发展优于东北、中部和西南地区。②PM2.5浓度呈现先增后减趋势,高污染区主要集中在华北、华中等区域;东北方向逐步扩散,污染热点地区从辽东半岛、山海关一线向东北扩张;南方地区基本保持稳定态势。③采用自组织特征映射模型对2015年全国各地级市OLS灯光指数、人口、城市自然边界和年均PM2.5浓度4类指标进行聚类,第I类为经济极发达-环境恶化地区,主要位于华北平原和长江三角洲;第II类为经济发达-环境趋恶化地区,主要分布在第I类区域周边,特别是京津冀周边地区;第III类为经济发达-环境良好地区,广东、海南、江西、福建以及重庆等省市多属此类型;第IV类为经济不发达-环境优质地区,主要分布于东北地区北部、内蒙古、甘肃、贵州、新疆、青海、西藏等地。

• 单位
  环境保护部环境规划院; 中国地质大学（北京）