基于协同分析模型的城市协调发展度研究——以煤炭资源型城市淮南为例

唐 赐

（安徽理工大学 地球与环境学院，安徽 淮南 232000）

1 前言

党的十八大以来，面对日益严峻的气候变化及生态环境问题，党和国家高度重视，提出了碳达峰和碳中和的战略目标，是面对全球气候问题、生态环境问题的大国担当，推动全球环境治理体系的构建，为全球生态文明建设做出重要贡献，在生态环境建设及节能减排建设过程中，我国在对碳排放的核查以及生态风险评价中仍存在问题，比如碳排放核查市场供不应求，核查能力参差不齐，核查标准欠统一，生态风险评价体系也不完善。针对此类问题，目前众多学者在碳排放的测度与生态风险评价方面开展了大量的研究，如王志强[1]等基于城镇化的内涵从人口、产业、土地3 个方面构建了城镇化碳排放核算体系，核算了2002-2017 年中国城镇化碳排放量；张振家[2]设计农业碳排放测算公式，对辽宁农业碳排放量、碳排放效率以及碳源结构特征进行测算与分析；法子薇[3]等依据PSR 理论对煤矿资源型城市徐州，建立相应指标体系，提出云模型评价方法，并给出整体评价流程，进行风险评价实证分析。

从上述研究成果可以看出，我国生态安全最终应该落实在碳排放核算与生态风险评价体系上，继续推进生态风险评价以及碳排放测度。上述研究成果从不同的角度利用不同的方法对生态风险进行评价并对碳排放进行测度，对我国生态建设起到了积极的指导作用。但联合采用AHP 法即层次分析法，EW 即土地利用数据集[11]探讨生态风险及碳排放测度评价，以便更好地指导实际工程的研究成果较少。

为此，将生态风险与碳排放评价作为一个复合系统，分别考察复合系统的综合发展水平和两个子系统的协调程度。首先通过层次分析法研究淮南市近年来的生态风险发展趋势，并结合土地利用数据集[11]对淮南市近20 年土地利用碳排放进行统计，预测淮南市碳排放效应，再计算淮南市在生态风险-碳排放复合系统下的综合发展度，协调度和协调发展度的综合评价模型。该模型对政府进行生态风险评价与碳排放核算提供科学帮助，对城市生态发展具有指导意义。

2 淮南市生态风险评价

以淮南市为研究区域，在对《淮南统计年鉴》数据研究分析的基础上，根据当地生态条件及环境问题的特点，选用层次分析法对其进行生态风险性影响评价，选取合理的评价因子、评价等级划分，并计算出符合要求的评价因子权重，进行生态风险性评价并对评价结果进行验证，充分反映淮南市生态风险发展趋势。

2.1 层次分析法评价

2.1.1 生态风险性评价因子选取

生态风险的影响因素众多，根据本次调查的结果，将本区生态风险的影响因子如下：目标层(A)为层次结构最高层，即淮南市生态风险等级。准则层(B)，包括环境质量(B1)，环境污染(B2)，工业污染(B3)，能源生产和消费(B4)，地质灾害(B5)。指标层(C)，包括环境质量（C1,C2,C3,C4），环境污染(C5,C6,C7,C8)，工业污染(C9,C10,C11,C12)，能源生产和消费(C13,C14,C15)，地质灾害(C16,C17,C18)。评价因子选择见表1。

2.1.2 评价因子权重确定

（1）对同一层次因子就其对生态环境影响的相对重要性进行两两比较列成矩阵T，设U={u1,u2,…,um}为评估因子集。uij表示ui对uj的相对重要性数值，uij的取值见表2。

（2）求出T 的最大特征根所对应的特征向量，归一化后，得到权重分配。

（3）验证判断矩阵求出的特征向量（权值）是否合理[5]，检验公式为：CR=CI/RI。CR 为判断矩阵的随机一致性比率，当CR<0.1 时，即认为判断矩阵具有满意的一致性；否则，就需要调整判断矩阵，达到满意的一致性。

CI 为判断矩阵一致性指标，它由下式计算：

式中：λmax为最大特征根；m 为判断矩阵阶数；RI 为判断矩阵的平均随机一致性指标，对于低阶判断矩阵，取值见表3。通过以上步骤可计算得出准则层和指标层各评价因子的权重，见表1 中ai,bi。

表3 层次分析法的平均随机一致性指标值

表4 淮南市土地利用类型碳排放系数

2.1.3 目标层得分

在本次评价的分级和评价单元的各个评价因子相应的指标分值见表1。目标层得分计算如下：

式中：YA为目标层得分；aj为准则层权重；bi为指标层权重；Xi为指标得分。

最后计算得到淮南市2010 年，2015 年，2020年各个年度的总分值。

2.1.4 评价等级

通过建立有对应的评价等级，使得出的生态风险性评价结果具有可比性。本次采用淮南市生态风险性调查结果与拟定的等级相互验证，最后确定等级划分阈值，即：YA≥7，表示生态风险低；4＜YA＜7，表示生态风险中等；YA≤4，表示生态风险高。最后，根据评价等级及各准则层得分划分标准划出淮南市2010 年，2015 年，2020 年生态风险现状及发展趋势。

2.2 淮南市生态风险性评价得分

根据上述的评价方法，对淮南市2010 年，2015年，2020 年进行生态风险性评价，其中，2010 年生态风险评价得分为3.514，生态风险性较高，2015年生态风险评价得分为5.135，生态风险性中等，2020 年生态风险评价得分为7.89，生态风险性低，各年份生态风险性得分及发展趋势如图1。

图1 淮南市生态风险性评价得分及各准则层得分图

图2 淮南市DEM 图

由图1 分析可得，2010 年至2020 年淮南市的生态风险性评价得分呈稳定增长的线性关系，可以看出淮南市的生态风险治理取得了卓越的成效，明显的改善恢复了生态环境，降低了生态环境风险，由各准则层的增长曲线可以看出，淮南市作为煤炭资源型城市，煤炭工业污染严重，2010 年至2015年工业污染稍微加重，2015 至2020 年工业污染明显降低，可以看出针对工业污染治理取得了明显的成效，但是在环境质量保护及环境污染治理方面，从2010 年至2020 年的治理成效并不明显，对于淮南市未来的生态风险控制，需要提高环境质量，加大环境污染治理，是降低淮南市生态风险的重要内容之一。为了进一步提高淮南市的生态风险控制水平，可以采取以下措施。首先，加强环境监测和评估，及时发现和解决环境问题。其次，加大环境污染治理力度，推动工业企业实施清洁生产，减少污染物排放。同时，加强环境法律法规的执行，严厉打击环境违法行为，提高环境保护意识和责任意识。此外，还可以加强科技创新，推动绿色技术的应用，促进可持续发展。通过这些措施的综合应用，淮南市将能够进一步降低生态风险，保护和改善生态环境，实现可持续发展的目标。

3 土地利用的碳排放统计

随着人类文明的不断发展，人类对生态环境的破坏以及土地利用结构的不断改变，导致大气中CO2的总含量不断提高，对全球气候产生了一定的影响[6]。已有研究表明，土地利用方式的改变和化石燃料的大量燃烧是导致温室效应的主要因素之一[7]。我国的土地利用变化对陆地生态系统的碳排放和吸收产生重要影响，这种影响具有巨大的规模和复杂的机理，并且在空间上呈现出多样性。然而，由于土地利用变化涉及到众多不确定性因素，其影响的评估仍然面临着许多挑战。

为了更好地理解土地利用变化对碳排放的影响，需要深入研究不同土地利用方式的特征和影响机制。常见的土地利用方式包括农田、林地、草地、城市建设等。每种土地利用方式都对碳排放和吸收产生着不同程度的影响，因此，针对不同土地利用方式的碳排放特征进行分析是十分重要的。此外，减少土地利用对碳排放的影响也是一个迫切的课题。通过合理规划和管理土地利用，可以采取措施来减少碳排放，例如推广可持续的农业生产方式、加强城市绿化建设、保护和恢复生态系统等。这些措施有助于降低碳排放量，减缓温室效应的发展。综上所述，深入研究土地利用变化对碳排放的影响以及采取相应的减排措施，对于应对气候变化和保护生态环境具有重要意义，同时，减少土地利用对碳排放的影响也是一项迫切的课题。我们可以通过合理规划和管理土地利用，采取措施来减少碳排放。例如，推广可持续的农业生产方式，加强城市绿化建设，保护和恢复生态系统等。这些措施有助于降低碳排放量，减缓温室效应的发展。综上所述，深入研究土地利用变化对碳排放的影响，并采取相应的减排措施，对于应对气候变化和保护生态环境具有重要意义。我们需要不断加强科学研究，制定有效政策，促进全球合作，共同应对气候变化挑战，实现可持续发展的目标。

已有学者进行了相关研究：邓祥征[8]应用高斯方程和拉姆齐模型，通过分析京津冀地区区域土地利用和地表CO2浓度之间的关系，证明了地表CO2浓度与土地利用类型有着密切的关系。

本文以淮南市为研究区域，因寿县从2016 年起才划归到淮南市行政区，故下文所称的淮南市，均不包含寿县。淮南市作为一座煤炭资源型城市，其煤炭资源优势突出，分布集中，且煤质优良。因此煤炭产业成为了淮南市的支柱产业。

本文中涉及到的数据包括： 淮南市2010 年、2015 年和2020 年3 期土地利用统计数据。该部分数据来源于武汉大学杨杰、黄昕两位教授的研究结果[12]，该数据集最大的优势在于每年30 米的土地利用分类结果，且连续30 年。这与GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10 等产品相比，时间分辨率更高。经济、能源消耗和民生等指标来自于《淮南统计年鉴》《寿县年鉴》和《中国能源年鉴》。行政区划图来源于阿里云数据。

3.1 研究方法

本文中采用的土地利用数据集将土地分为8类，田地、林地、草地、水、雪地/冰面、湿地、建设用地和贫瘠地[13-15]。由于淮南市的自然条件没有雪地/冰面和湿地。剩下的六类土地能够满足研究需要，不进行重分类。

为了更好的计算不同类型土地的变化幅度，引入土地利用动态指数作为衡量指标[19]。

土地利用动态指数的计算公式如下：

上式中，K 的取值范围为[-1,1]，即为相应时间序列内的土地利用动态指数，Ub为时间序列结束年限对应土地类型的面积，Ua为时间序列的起始年限对应土地类型的面积，T 为时间序列的跨度。

为了更好的定量计算地表覆盖物变更引起的碳效应的改变值，引入碳效应测算模型[16]。具体的计算公式如下：

上式中，C 为地表覆盖物变化引起的碳效应的量化指标，Si,j表示i 类型的土地转化为j 类型土地的面积，Ti,j为i 类型的土地转化为j 类型土地时对应的碳排放系数。为了便于研究，对六类土地进行进一步分类。建设用地为的碳源，林地、草地和水域为碳汇，对田地中的农作物虽然能够吸收CO2但农作物生产过程中碳排放量更大，因此把田地分类为碳源。由于贫瘠地的面积小，碳汇能力弱，因此不作考虑。

为了更好计算建设用地的碳效应系数，同时考虑到数据获取的难度，本实验采用第二、第三生产总值和单位GDP 能耗来间接计算建设用地的碳排放系数，以此推算人类在利用建设用地从事各类活动过程中所消耗的能源生产的碳排放量。虽然这种方法可能会低估其数值，但可以更清楚地体现建设用地的碳源作用。其中K 表示碳排放系数，具体计算公式如下：

上式中，GDP2表示第二产业的生产总值，GDP3表示第三产业的生产总值，J 表示单位GDP 能耗，其等于能源消费总量（吨标准煤）/国内（地区）生产总值（万元），K=0.7476tC/t。通过查阅资料，淮南市主要土地利用类型的碳排放系数如下。

3.2 结果分析

通过对土地利用数据集进行处理获取淮南市2010 年、2015 年和2020 年各类型土地的面积，通过对地图整饰得到图3。通过对数据集中的数据进行处理，获取到表5 至表10。

图3 淮南市土地利用分类图

表5 2010 年-2015 年土地类型面积变化

表6 2015 年-2020 年土地类型面积变化

表8 2010-2015 年淮南市土地利用碳排放效应变化量

表9 2015-2020 年淮南市土地利用碳排放效应变化量

表10 2010-2020 年淮南市土地利用碳排放效应变化量

3.3 碳排放预测

由表8、9 和10 可知，在土地利用碳排放效应变化量中，作为碳源贡献最大的部分为田地→建设用地，2010-2020 年间田地→建设用地的碳排放量占到总碳源排放量的88.7%。作为碳汇贡献最大的是建设用地→水域，2010-2020 年间建设用地→水域的作为碳汇碳排放量占到总碳汇排放量的89.1%。其中田地→建设用地作为碳源的碳排放量占总变化效应的比值从2010-2015 年78.45%，到2015-2020 年的94.8%。说明在2010-2020 年间淮南市的田地转化为建设用地的比重提高，城镇化水平提高。建设用地→水域的作为碳汇碳排放量占到总碳汇排放量的比值从2010-2015 年98.4%，到2015-2020 年的99.5%。变化幅度小，但仍呈现上升趋势，其主要原因是随着煤矿开采，淮南的煤矿开采沉陷区面积逐年扩大，侵占建设用地，且淮南地处低潜水位区，煤矿开采沉陷区逐渐成为积水区。

综上所述，由图4 可知，在未来几年的发展过程中，随着城镇化水平的提高，田地转化为建设用的面积仍会增加；随着煤矿开采量的下降和淮南市镇府对沉陷区的科学治理，各类型土地转化为水域的面积呈下降趋势，但综合碳源和碳汇分析，碳排放量依然会呈上升趋势。

图4 淮南市2010、2015、2020 年碳排放量

4 协调发展评价

4.1 生态风险与碳排放协调发展统计测度模型

本次协同评价主要采用如图5 所示的生态风险与碳排放协调发展统计测度模型[17]，分别研究两个子系统的综合发展度和协调度，然后结合二者得到其协调发展度。

图5 生态风险与碳排放协调发展统计测度模型

如图5 所示，横坐标表示生态风险指数，纵坐标表示碳排放指数。这里的指数是指淮南市生态风险和碳排放在安徽省的相对水平。图中的正理想点代表高水平协调，负理想点代表低水平协调。连接正、负理想点，并通过原点的线即为协调线。协调线上的点，其横、纵坐标相等，表示两个子系统发展状况在全省的相对水平相同。在图中，A 点代表淮南市。A 点距离正理想点越近且距离负理想点越远，表示A 的生态风险和碳排放两个子系统的综合发展水平越高。结合点A 的综合发展水平和协调水平，可以对其生态风险与碳排放的协调发展进行评价。

4.2 生态风险与碳排放协调发展评价的测度方法

本文主要以淮南市为研究对象，前节已对生态风险和碳排放两个子系统进行分别测度。

4.2.1 综合发展度的测度

本文基于TOPSIS 方法计算综合发展度，以淮南市为例，其综合发展度LA的计算方法如下：

正、 负理想点采用如下方法确定： 设Z+=max(zxmax,zymax)，Z-=min(zxmin,zymin)，则正理想点的坐标为(Z+,Z+)，负理想点的坐标为(Z-,Z-)。其中，zxmax、zxmin分别表示生态风险系统标准化得分的最大值和最小值，zymax、zymin分别表示碳排放系统标准化得分的最大值和最小值。这里的标准化得分是采用公式(9)所示方式处理后得到：

其中，xi为淮南市市域生态风险系统或碳排放系统发展水平的原始得分，x¯为对应系统市域原始得分的均值，S 为对应的标准差。

4.2.2 协调度的测度

如图5 所示，以淮南市为例，图中夹角θA越大代表A 越偏离协调线，即在该点处两个子系统发展不协调。用该夹角的余弦值表示A 点的协调度，记为RA。其计算方法如公式(10)所示：

公式(10)表示计算向量(xA-(Z-)，(yA-(Z-)和方向向量(1,1)的夹角余弦值。

4.2.3 协调发展度的测度

通过综合考虑生态风险系统和碳排放系统的协调度和综合发展度，本文定义生态协调发展度如下：

其中，MA表示协调发展度，L′A和R′A分别表示用公式(12)和公式(13)标准化处理后的综合发展度和协调度：

4.3 综合分析

测算结果表明，从2010 年以来，淮南市的协调发展度指数线性增长趋势。将2010 年与2015 年对比，淮南市的协调发展度指数呈大幅度且三年淮南市协调发展度指数均在1120 以上。2015-2020 年间淮南市的协调发展度增长缓慢，其指数增长幅度约在2000 左右。

5 结论

本文通过研究淮南市两个子系统的综合发展水平和协调程度，得到淮南市生态协调发展度指数，淮南市具有中等协调发展程度，属于生态环境滞后型，并得出如下结论：

资源型城市通常拥有丰富的自然资源，如矿产、能源和生物资源等。然而，在资源开发过程中，这些城市面临着严重的资源损耗和工业污染问题，导致能源浪费和生态环境破坏。针对这些问题，淮南市在市域范围内进行了生态风险系统与碳排放系统的协调发展度评估。

与2010 年相比，2020 年淮南市的协调发展度有所提升，说明淮南市在市域生态治理方面取得了显著成效。然而，在研究期间，淮南市后期生态协调发展度的提升明显放缓，这与当前淮南地区的生态现实相吻合。因此，为了进一步改善生态环境状况，淮南市需要持续提升生态效率，提高生态文明建设水平，并进一步降低全市的生态风险和碳排放指数。

为实现生态文明城市建设目标，淮南市应坚持生态文明建设与经济社会建设的和谐发展。这包括加强环境保护措施，推动绿色低碳发展，促进资源的可持续利用，减少工业污染和能源浪费。同时，还需要加强生态文明意识的培养，提高公众对生态环境保护的重视程度。