图1 研究区概况
Fig. 1 Overview of the study area
北京大学学报(自然科学版) 第61卷 第5期 2025年9月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 5 (Sept. 2025)
doi: 10.13209/j.0479-8023.2025.071
国家重点研发计划(2022YFF1302905)和北京林业大学“5·5工程”科研创新团队项目(BLRC2023B09)资助
收稿日期: 2024–08–02;
修回日期: 2024–10–30
摘要 构建中国西南高山峡谷地区人口–资源–经济–生态四系统评价指标体系, 用熵权法、耦合协调度模型和障碍度模型等方法, 分析 2000—2021 年该地区 PREE 系统耦合协调的发展现状、变化特征及影响因素。结果表明: 1)PREE 系统的协调水平呈波动地上升态势, 耦合协调水平持续优化, 从轻度失调状态转变为中度协调状态; 2)PREE 系统的协调发展水平趋向协调发展, 分布特征从“西高东低”转变为“东高西低”; 3)教育、地形条件、人口规模和大气污染是制约西南高山峡谷地区 PREE 系统耦合协调发展的主要因素。
关键词 耦合协调度; PREE 系统; 障碍度模型; 熵权法; 西南高山峡谷地区
在全球范围内, 人类社会可持续发展的核心问题可以归纳为人口、资源、经济和生态的协调发展问题[1], 构成一个复杂的系统, 称为 PREE (Popula-tion-Resources-Economy-Ecology)系统。近年来, 我国人口、资源、经济与生态系统发展不同步的矛盾日渐凸显[2]: 数量型的既往人口红利难以契合现阶段社会经济发展的努力方向[3], 自然环境的退化与人口红利的渐退又对区域经济的发展产生制约[4]。衡量区域协调发展早已不再局限于单一领域, 准确地分析各系统之间的联系与内在制约关系对提升区域发展具有重要意义[5]。在现代社会, 四者之间的要素流动愈加频繁, 所面临的内外部形势更加错综复杂。区域人口、资源、经济与生态系统之间是否协调以及如何使之协调, 是关系区域可持续发展的重大问题。
协调不同子系统之间的关系, 实现社会可持续发展, 是当前研究的热点。相关研究呈现理论多元化、评价方法多样化以及模型构建非线性化的倾向, 利用神经网络模型、协同演化模型和系统动力学模型等非线性模型成为测度系统协调关系的新趋 势[6–8], 研究尺度也由中观、宏观层面向微观层面转变[9–13]。研究内容聚焦于对资源、经济、生态环境(REE)系统的讨论, 三系统的协调发展被学术界认为是实现区域可持续发展的有效途径[14–15]。现有研究大致可分为两类。一类是对 REE 系统的协调性进行综合评价。例如, 刘承良[16]等利用 REE 系统对武汉城市圈耦合协调度及其时空分异规律进行测算; 逯进等[17]将资源细化为能源, 构建能源–经济–环境复合系统, 对山东省的系统耦合度进行测算; 盖美等[18]利用 ERE 系统, 对环渤海沿海地区的资源环境承载力和协调度进行测算, 并结合灰色GM(1, 1)模型, 对其进行预测; 黄永春等[19]对中国REE 复合系统的发展水平和系统协调度进行测度。另一类是基于资源、环境和经济等变量的全要素生产率, 从 REE 系统的某个侧面来重点研究。例如, 赵楠等[20]测算能源利用效率来分析技术进步的影响; 万丽娟等[21]测算经济集聚和财政分权与环境污染之间的关系; 康旺霖等[22]通过测算绿色生产率, 分析中国海洋经济的发展模式。
针对资源、经济与生态环境之间关系的研究已取得丰厚成果, 但对人口因素的考虑仍然不足。西南高山峡谷地区地形地貌复杂, 生态脆弱。在全球气候变化背景下, 人类活动和经济发展导致该区域的生态环境问题比较突出, 同时区域社会经济发展的地域分异大[23]。鉴于此, 本研究在 REE 的基础上, 引入人口系统, 构建西南高山峡谷地区人口、资源、经济和生态四系统(population-resource-eco-nomy-ecology, PREE)评价指标体系, 深入分析其综合水平、耦合程度、协调状况及近 20 年的时空动态, 以期为该区域科学合理地处理人口、资源、经济与生态之间的相互关系提供理论支持。
西南高山峡谷区地处四川省、云南省和西藏自治区交界地带(24°58′—32°51′N, 91°23′—104°13′E), 下属 88 个区县级行政单元, 区域面积约为 61.10 万km2。海拔高度在 46～7182m 之间, 地势西高东低, 地貌类型复杂, 以山地和高原为主(图 1)。由于热带和亚热带季风气候的交替影响, 气候的空间分布差异明显, 多年平均气温为−2.98～21.89℃, 平均降雨量为 296.62～2302.90mm。受特殊的地质地貌和气候条件影响, 西南高山峡谷区生态环境十分脆弱, 水土流失危害严重, 经济发展缓慢, 是《生态保护和修复支撑体系重大工程建设规划(2021—2035 年)》中典型脆弱生态修复与保护的重点示范区[24]。
图1 研究区概况
Fig. 1 Overview of the study area
本研究涉及的社会经济数据主要来源于 2000— 2021 年《中国县域经济统计年鉴》《四川省统计年鉴》《云南省统计年鉴》《西藏省统计年鉴》, 以及四川、云南和西藏 88 个区县级行政单元的《国民经济和社会发展统计公报》和政府工作报告, 另有部分缺失或不足的数据采用相邻年份线性插值法或均值法计算。
为精准地评估西南高山峡谷地区 PREE 系统的发展态势, 我们遵循可获得性、可操作性、科学性和合理性的原则, 选取 16 个指标, 构建 PREE 系统协调发展指标体系(表 1)。其中, 人口子系统主要从人口规模、教育和医疗 3 个层面反映, 资源子系统从资源条件和资源利用两个层面反映, 经济子系统从总体特征、财政、投资、消费和经济结构 5 个层面反映, 生态子系统从植被覆盖、大气污染、农业污染和地形条件 4 个层面反映。数值越大, 对系统协调发展越有利的指标为正向指标, 反之为负向指标。
2.3.1 数据标准化处理
对指标原始数据采用极值法标准化处理, 计算公式如下:
(1)
(2)
式中, xij 为 i 年份第 j 个县域的变量指标, 
为各指标的标准化值。
2.3.2 熵值法
利用熵值法对各指标赋予权重, 首先计算第 j (j=1, 2, …, n)项指标下第i (i=1, 2, …, m)个赋值对象的指标值的比重:
(3)
表1 PREE系统评价指标体系及其权重
Table 1 PREE system evaluation index system and weight
子系统层准则层 编号指标层 单位指标方向权重 人口子系统人口规模X1人口数量万人−0.257 教育X2普通中学学校数量/人口所/万人+0.286 医疗X3医院、卫生院床数/人口所/万人+0.457 资源子系统资源条件X4耕地面积公顷+0.696 资源利用X5粮食单产量吨/公顷+0.304 经济子系统总体特征X6人均生产总值万元+0.157 财政X7人均财政支出金额万元+0.187 投资X8人均固定资产投资金额万元+0.176 消费X9人均社会零售消费总额万元+0.173 经济结构X10第一产业经济占比%−0.032 X11第二产业经济占比%+0.106 X12第三产业经济占比%+0.169 生态子系统植被覆盖X13NDVI值+0.111 大气污染X14CO2排放量吨−0.348 农业污染X15农用机械总动力千万瓦−0.156 地形条件X16坡度(°)−0.385
然后计算信息熵:
(4)
最后计算指标权重 Wj, 将 4 个系统的指标权重单独赋值, 每个系统权重为 1, 计算公式为
(5)
2.3.3 系统综合水平测算
计算各子系统发展综合指数:
(6)
2.3.4 耦合协调度模型
基于前人研究成果[25], 提出人口、资源、经济和生态(PREE) 4 个系统的耦合度模型, 计算公式为
(7)
(8)
(9)
式中, C 为耦合度, T 为 PREE 系统发展综合指数(T∈[0, 1]), D 为耦合协调度。本文认为 4 个子系统重要程度相同, 因此待定系数 α,β,γ 和 δ 取值均为 1/4。参照文献[26–27], 划分 PREE 系统耦合度及耦合协调等级(表 2)。
2.3.5 障碍度模型
在 PREE 系统耦合协调度评判的基础上引入障碍度模型, 对西南高山峡谷地区协调发展的障碍因子进行诊断[28]。第 i 个指标对应的障碍度为
表2 西南高山峡谷地区PREE系统耦合协调度等级标准划分
Table 2 Classification standard of coupling coordination degree of PREE system in the Southwest mountain canyon area
所处阶段耦合协调度D值区间协调类型 协调发展区间[0.90, 1.00]优质耦和协调 [0.80, 0.90)良好耦合协调 [0.70, 0.80)中级耦和协调 过度调和区间[0.60, 0.70)初级耦合协调 [0.50, 0.60)勉强耦合协调 [0.40, 0.50)濒临耦合协调 失调衰退区间[0.30, 0.40)轻度失调衰退 [0.20, 0.30)中度失调衰退 [0.10, 0.20)严重失调衰退 [0, 0.10)极度失调衰退
(10)
式中, Ii=1−Xi, 为指标偏离度; Fi=Wi×wij 为因子贡献度; Wi 代表系统权重(准则层权重), wij 代表 i 系统 j 指标的权重(指标层权重)。
利用式(1)～(9)及各项指标的权重, 计算出西南高山峡谷地区 2000—2021 年人口、资源、经济和生态发展综合指数(F1, F2, F3, F4)、耦合度(C)、发展综合指数(T)和耦合协调度(D), 结果见表 3。
3.1.1 PREE 系统发展的时间序列
西南高山峡谷地区 PREE 系统发展的综合指数总体上呈上升趋势(图 2)。其中, 资源和经济发展综合指数起步较低, 但增速较快, 发展态势稳中向好; 人口发展综合指数以 2011 年为界, 呈先降后升态势; 生态发展综合指数呈直线下降趋势, 2011 年达到近 20 年最低值, 然后有所回升, 却仍然显著落后于经济指数。从时段来看, 2000—2021 年, 该区域在经济和资源发展方面呈加速趋势, 而人口和生态的发展退化较为明显。综合来看, 西南高山峡谷地区的综合发展水平不断提升, 但仍然处于较低水平。
2000—2021 年期间, PREE 系统耦合度(C)均值较低, 约为 0.11, 总体上呈持续升高趋势, 耦合度逐渐增加, PREE 各子系统间的关联性和依赖性越来越强。与此同时, 耦合协调度(D)也呈上升趋势, 从0.14上升至 0.26(图 3), 由严重失调过渡到中度失调。西南高山峡谷区 PREE 系统的发展模式经历了由生态人口主导、经济资源滞后型向经济资源主导、生态人口滞后型的转变。
3.1.2 PREE系统耦合协调空间格局及其动态
2000—2021 年间, 各区县 PREE 系统协调发展水平整体上趋于协调发展; D 值由 2000 年的 0.06～ 0.13 上升至 2021 年的 0.08～0.21, 各区县间耦合协调度差异显著(图 4)。整体来看, 到 2021 年, 耦合协调度低值区呈现西多东少、南多北少的分布格局, 其中北部地区耦合协调水平发展严重滞后。2010—2021 年间, PREE 系统耦合协调水平的分布特征由“西高东低”转变为“东高西低”, 尤其在 2010年后, 转变程度更为显著。
表3 耦合度与耦合阶段
Table 3 Coupling degree and coupling stage
年份F1F2F3F4CTD耦合协调类别类型划分 20000.508 0.237 0.046 0.575 0.060 0.342 0.144 严重失调衰退生态人口主导经济资源滞后 20010.513 0.245 0.062 0.553 0.070 0.343 0.155 20020.538 0.182 0.080 0.550 0.072 0.338 0.156 20030.542 0.196 0.094 0.548 0.078 0.345 0.164 20040.483 0.200 0.107 0.502 0.086 0.323 0.167 20050.485 0.235 0.141 0.488 0.097 0.337 0.181 20060.460 0.258 0.166 0.391 0.108 0.319 0.185 人口生态主导经济资源滞后 20070.406 0.317 0.180 0.389 0.114 0.323 0.192 20080.372 0.349 0.210 0.364 0.119 0.324 0.196 中度失调衰退 20090.328 0.410 0.330 0.312 0.122 0.330 0.201 资源经济主导生态人口滞后 20100.307 0.401 0.324 0.267 0.122 0.324 0.199 20110.277 0.465 0.364 0.199 0.113 0.326 0.192 20120.293 0.467 0.412 0.223 0.115 0.349 0.200 20130.289 0.472 0.460 0.232 0.114 0.363 0.204 20140.355 0.495 0.513 0.238 0.114 0.400 0.214 经济资源主导生态人口滞后 20150.352 0.523 0.563 0.254 0.113 0.423 0.219 20160.383 0.544 0.611 0.262 0.113 0.450 0.225 20170.361 0.575 0.667 0.275 0.111 0.470 0.228 20180.406 0.612 0.741 0.294 0.110 0.513 0.238 20190.499 0.624 0.820 0.345 0.113 0.572 0.255 20200.418 0.643 0.831 0.376 0.113 0.567 0.253 20210.445 0.636 0.858 0.453 0.116 0.598 0.263
图2 2000—2021年西南高山峡谷地区PREE系统发展综合指数
Fig. 2 Comprehensive development index of PREE system in the Southwest mountain canyon area from 2000 to 2021
3.1.3 PREE系统耦合协调关键障碍因素的诊断
2000 年期间, 经济子系统障碍度达到 58.36% (表 4), 在 4 个子系统中占比最高, 成为 PREE 系统耦合协调发展的主要障碍。至 2021 年, 人口和生态系统成为 PREE 系统耦合协调发展的主要障碍。其中, 坡度和每万人普通中学学校数成为遏制 PREE系统耦合协调发展的关键因素(表 5)。
图3 西南高山峡谷地区2000—2021年PREE系统耦合度和耦合协调度发展趋势
Fig. 3 Development trend of coupling degree and coupling coordination degree of PREE system in the Southwest mountain canyon area from 2000 to 2021
2000—2021 年, 西南高山峡谷地区 PREE 系统耦合协调发展水平稳步提升, 各子系统间的联系逐渐增强, 生态与经济发展在推动可持续发展方面更加紧密相连[29]。整体来看, PREE 系统的耦合协调呈现近似“M”形的变化趋势, 生态系统耦合协调发展水平先下降, 随后缓慢上升, 而经济系统耦合协调发展水平呈现快速增长的态势。这表明, 在整个发展过程中, 人口、资源、经济和生态系统并未始终保持相互和谐的状态, 经济增长不可避免地对生态环境造成破坏[30]。在生态子系统方面, 西南高山峡谷地区 CO2 排放量从 2000 年的 244 万吨上升至2021 年的 638 万吨, 工业产值在全域经济总值中占比显著, 成为碳排放的主要来源。随着生态文明的建设以及“双碳”目标战略的实施, 国家开始着力于调整经济结构, 加强生态保护, 有效地减少 CO2 等污染物的排放, 缓解了经济对生态的压力, 促进经济与生态的可持续发展[31]。2016 年以来, 西南高山峡谷地区实施天然林资源保护[32]、退耕还林还 草[33]和西南岩溶石漠化综合治理[34]等一系列林业生态工程, 有效地推进该地区生态建设, 植被得到修复, 生态状况得到改善[35]。2016—2021 年期间, 西南高山峡谷地区 PREE 系统整体耦合协调发展水平呈上升趋势, 尤其是生态系统发展水平稳步提升, NDVI 值整体上呈上升趋势, 年均值由 0.64 升至0.66[36]。
从空间分布来看, 西南高山峡谷地区东南部PREE 系统耦合协调水平明显优于西北部。在生态子系统方面, 坡度对 PREE 系统的影响最为显著, 坡度值越高, PREE 系统耦合协调度越低。坡度是影响土壤侵蚀的重要因素之一, 且坡度越高, 土壤侵蚀越严重[37]。西南高山峡谷地区坡度超过 25°的区域占总面积的 62.48%, 土壤侵蚀问题尤为突出, 不仅影响生态安全, 也制约社会经济的发展。中国县域统计年鉴数据的整理结果显示, 东南部地区 GDP从 2000 年的 358.4 亿元增长到 2021 年的 1259.6 亿元, 远超西北部地区 2021 年的 GDP。原因在于, 东南部地区高耦合度区县的经济基础扎实, 自然条件相对优越, 农业生产条件良好, 工业基础雄厚, 服务业相对集聚, 人口、资源、经济与生态系统形成良性循环, 容易实现发展合力与共振(如西昌市等); 相较之下, 西北部地区耦合度较低, 基础设施建设相对滞后, 自然条件制约区域发展, 经济增长过度依赖政府投资[38], 人口、资源、经济与生态之间的联系相对脱节, 难以相互保障(如德格县等)。医疗和教育问题在西部地区仍然突出, 东西部地区的差距也在逐年扩大[39]。在人口子系统方面, 西南高山峡谷地区地理位置偏远, 经济发展缓慢, 吸收先进技术与引进先进文化和理念的能力相对较弱, 医疗卫生和文化服务等公共基础设施落后[40]。因此, 除追求经济增长外, 人民的社会和文化需求同样亟待满足。
本文构建西南高山峡谷地区 PREE 系统耦合协调评价指标体系, 利用耦合协调模型评估该地区2000—2021 年 PREE 子系统的综合发展水平, 并对耦合协调度的时空演变进行分析, 得到如下结论。
1)2000—2021 西南高山峡谷地区人口–资源–经济–生态系统综合发展水平稳步提升, 经济发展指数最低, 但年均增长率最高, 资源发展方面有较大优势, 人口发展指数呈波动上升态势, 生态发展指数波动最大, 发展逐年滞后, 然后有所回升, 从侧面反映西南高山峡谷地区经济的快速发展依赖于对生态的过度索取, 但在生态文明建设大背景下有所缓解。
图4 2000—2021年西南高山峡谷地区PREE系统耦合协调空间分布格局
Fig. 4 Spatial distribution pattern of coupling and coordination of PREE system in the Southwest mountain canyon area from 2000 to 2021
表4 2000—2021西南高山峡谷地区PREE子系统障碍度(%)
Table 4 Obstacle degree of PREE subsystem in the Southwest mountain canyon area from 2000 to 2021 (%)
年份人口子系统障碍度资源子系统障碍度经济子系统障碍度生态子系统障碍度 200014.5011.9158.3615.22 200515.4912.1953.5818.74 201020.91 9.5742.6026.91 201523.43 6.2532.8337.49 202130.14 6.8820.9842.00
表5 2000—2021 年西南高山峡谷地区 PREE 系统的前 4 位障碍因素及障碍度
Table 5 Top 4 obstacle factors and obstacle degree of PREE system in the Southwest mountain canyon area from 2000 to 2021
主要障碍因素障碍度2000年2005年2010年2015年2021年 人口数量13.04 每万人普通中学学校数 9.0114.46 每万人医院卫生院床位数13.3213.2711.1410.23 耕地面积10.58 9.00 人均财政支出金额11.4611.16 人均固定资产投资金额10.79 人均社会零售消费总额 第二产业经济占比 第三产业经济占比 CO2排放量14.1312.2510.24 9.67 坡度11.2314.1315.4116.43 各年4大障碍因素障碍度总计46.8049.1446.5244.8953.60
2)西南高山峡谷地区 PREE 系统耦合协调发展水平不断优化, 整体上呈缓慢增长态势, 由轻度失调向中度失调转变, 耦合协调类型由生态人口主导、资源经济滞后转变为经济资源主导、人口生态滞后。西南高山峡谷地区人口、资源、经济和生态关系密切, 需要重视协调发展, 任何一个子系统滞后都会产生“木桶效应”。
3)西南高山峡谷地区 PREE 系统耦合协调水平的发展存在明显的时空分异特征, 地区差异先变小后变大, 变化过程分为高增速(2000—2010 年)和低增速(2010—2021 年)两个阶段, 区域分布特征从“西高东低”转变为“东高西低”。至 2021 年, 坡度、每万人普通中学学校数、人口数量及 CO2排放量已成为当前 PREE 系统耦合协调发展的主要障碍因素。
参考文献
[1] 曾嵘, 魏一鸣, 范英, 等. 北京市人口、资源、环境与经济协调发展分析与评价指标体系. 中国管理科学, 2000(增刊1): 310–317
[2] 付云鹏, 马树才. 中国区域人口、经济与资源环境耦合的时空特征分析. 管理现代化, 2015, 35(3): 31–33
[3] 张同斌. 从数量型“人口红利”到质量型“人力资本红利”——兼论中国经济增长的动力转换机制. 经济科学, 2016(5): 5–17
[4] 李爱, 盖骁敏. 人口红利、库兹涅茨效应与区域经济增长研究——基于山东与江苏经济的供给侧视角. 山东社会科学, 2019(6): 88–93
[5] 刘建华, 黄亮朝, 左其亭. 黄河下游经济–人口–资源–环境和谐发展水平评估. 资源科学, 2021, 43(2): 412–422
[6] 陈端吕, 彭保发, 熊建新. 环洞庭湖区生态经济系统的耦合特征研究. 地理科学, 2013, 33(11): 1338–1346
[7] 范斐, 孙才志, 王雪妮. 社会、经济与资源环境复合系统协同进化模型的构建及应用——以大连市为例. 系统工程理论与实践, 2013, 33(2): 413–419
[8] 李崇明, 丁烈云. 小城镇资源环境与社会经济协调发展评价模型及应用研究. 系统工程理论与实践, 2004, 24(11): 134–139
[9] 李芳林, 臧凤新, 赵喜仓. 江苏省环境与人口、经济的协调发展分析——基于环境安全视角. 长江流域资源与环境, 2013, 22(7): 832–837
[10] 唐宏, 杨德刚, 乔旭宁, 等. 天山北坡区域发展与生态环境协调度评价. 地理科学进展, 2009, 28(5): 805–813
[11] 张芳, 段汉明, 张婷. 北疆城镇区域社会经济与 绿洲生态系统协调发展评价. 干旱区资源与环境, 2014, 28(5): 7–12
[12] 李苒, 曹明明, 胡胜, 等. 县域生态环境与经济协调发展的时空演替分析——以陕西省榆林市为例. 人文地理, 2014, 29(5): 101–108
[13] 党建华, 瓦哈甫·哈力克, 张玉萍, 等. 吐鲁番地区人口–经济–生态耦合协调发展分析. 中国沙漠, 2015, 35(1): 260–266
[14] Guan D J, Gao W J, Su W C, et al. Modeling and dy-namic assessment of urban economy-resource-envi-ronment system with a coupled system dynamics-geo-graphic information system model. Ecological Indicators, 2011, 11(5): 1333–1344
[15] Sunderland T, Butterworth T. Meeting local economic decision-maker’s demand for environmental eviden-ce: the local environment and economic development (LEED) toolkit. Ecosystem Services, 2016, 17: 197–207
[16] 刘承良, 段德忠, 余瑞林, 等. 武汉城市圈社会经济与资源环境系统耦合作用的时空结构. 中国人口·资源与环境, 2014, 24(5): 145–152
[17] 逯进, 常虹, 赵少平, 等. 山东省能源、经济与环境耦合关系的演化特征. 经济地理, 2016, 36(9): 42–48
[18] 盖美, 聂晨, 柯丽娜. 环渤海地区经济–资源–环境系统承载力及协调发展. 经济地理, 2018, 38(7): 163–172
[19] 黄永春, 朱帅, 雷砺颖. 中国资源、经济和环境发展水平与协调度的研究. 经济与管理评论, 2018, 34 (1): 45–54
[20] 赵楠, 贾丽静, 张军桥. 技术进步对中国能源利用效率影响机制研究. 统计研究, 2013, 30(4): 63–69
[21] 万丽娟, 刘敏, 尹希果. 财政分权、经济集聚与环境污染——基于省级面板数据的实证研究. 重庆大学学报(社会科学版), 2020, 26(5): 43–53
[22] 康旺霖, 邹玉坤, 王垒. 中国海洋经济内生性绿色生产率及分解分析. 统计与决策, 2021, 37(2): 116–120
[23] 刘国华. 西南生态安全格局形成机制及演变机理. 生态学报, 2016, 36(22): 7088–7091
[24] 赖金林, 齐实, 崔冉冉, 等. 西南高山峡谷区植被变化及影响因素分析. 环境科学, 2023, 44(12): 6833–6846
[25] 马丽, 金凤君, 刘毅. 中国经济与环境污染耦合度格局及工业结构解析. 地理学报, 2012, 67(10): 1299–1307
[26] 任祁荣, 于恩逸. 甘肃省生态环境与社会经济系统协调发展的耦合分析. 生态学报, 2021, 41(8): 2944–2953
[27] 李成宇, 张士强. 中国省际水–能源–粮食耦合协调度及影响因素研究. 中国人口·资源与环境, 2020, 30(1): 120–128
[28] 姜凤珍, 李翠苓. 基于复杂系统视角的辽中南工业基地可持续发展评估及耦合演化机理分析. 生态学报, 2024, 44(22): 10452–10470
[29] Wang W, Zhang T, Wang X, et al. Spatial and temporal pattern of urban ecological carrying capacity in Yang-tze river economic zone. Resour Environ Yangtze Ba-sin, 2017, 26(12): 1963–1971
[30] Abramson D B. Urban planning in China: Continuity and change: What the future holds may surprise you. Journal of the American Planning Association, 2006, 72(2): 197–215
[31] Lin X, Lu C, Song K, et al. Analysis of coupling coordination variance between urbanization quality and eco-environment pressure: a case study of the West Taiwan Strait urban agglomeration, China. Sustaina-bility, 2020, 12(7): 2643
[32] 杨艳蓉, 侯召朕, 张增信. 2001—2018 年西南地区NDVI变化特征及影响因素. 水土保持通报, 2021, 41(2): 337–344
[33] Wang M, An Z F, Wang S Y. The time lag effect im-proves prediction of the effects of climate change on vegetation growth in Southwest China. Remote Sen-sing, 2022, 14(21): 5580
[34] Wang Y Y, Chen X, Gao M, et al. The use of random forest to identify climate and human interference on vegetation coverage changes in southwest China. Eco-logical Indicators, 2022, 144: 109463
[35] 徐勇, 戴强玉, 黄雯婷, 等. 2000～2020 年西南地区植被NDVI时空变化及驱动机制探究. 环境科学, 2023, 44(1): 323–335
[36] 赖金林, 齐实, 崔冉冉, 等. 西南高山峡谷区植被变化及影响因素分析. 环境科学, 2023, 44(12): 6833–6846
[37] 刘青泉, 陈力, 李家春. 坡度对坡面土壤侵蚀的影响分析. 应用数学和力学, 2001, 22(5): 449–457
[38] Cao S X, Li S R, Ma H, et al. Escaping the resource curse in China. Ambio, 2015, 44(1): 1–6
[39] Zhang Y, Gong L T. The fenshuizhi reform, fiscal decentralization, and economic growth in China. China Economic Quarterly, 2005, 5(1): 75–108
[40] Bian J, Ren H, Liu P. Evaluation of urban ecological well-being performance in China: a case study of 30 provincial capital cities. Clean Prod, 2020, 254: 120109
Spatial-Temporal Evolution of Coupling and Coordination in the Population-Resources-Economy-Ecology (PREE) System of China’s Southwest Mountain Canyon Area
Abstract This paper constructed an evaluation index system for the Population-Resource-Economy-Ecology (PREE) system in the mountain canyon area of Southwest China, and analyzed the current situation, changing characteristics, and influencing factors of the coupling and coordination development of PREE system from 2000 to 2021 by using the entropy weight method, coupling coordination degree model and obstacle degree model. The results show that: 1) The coordination level of PREE system showed a fluctuating upward trend, with its coupling coordination level continuously optimizing (from mild imbalance to moderate coordination). 2) The coordinated development level of PREE system tended to be coordinated, and the distribution characteristics changed from “high in the west and low in the east” to “high in the east and low in the west”. 3) Education, terrain conditions, population size and air pollution are the main obstacle factors restricting the coupling and coordinated development of the PREE system in the Southwest mountain canyon area.
Key words coupling coordination degree; PREE system; obstacle degree model; entropy weight method; Southwest mountain canyon area