EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 8: 2137 - 2152

DOI: https://doi.org/10.31497/zrzyxb.20220814

其他研究论文

中国森林生态安全空间关联的网络特征及其驱动机制

  • 蔡秀亭 ,
  • 吕洁华 ,
  • 王成齐
展开
  • 东北林业大学经济管理学院,哈尔滨 150040
吕洁华（1963- ）,女,黑龙江哈尔滨人,博士,教授,博士生导师,研究方向为林业经济管理。E-mail:

蔡秀亭（1992- ）,女,黑龙江哈尔滨人,博士研究生,研究方向为林业经济管理。E-mail:

收稿日期: 2021-03-15

  修回日期: 2021-06-21

  网络出版日期: 2022-10-28

基金资助

中央高校基本科研业务费专项资金项目(2572019AC02)

黑龙江省自然科学基金项目(G2018001)

黑龙江省哲学社会科学规划项目(17GLB012)

收起

The network characteristics and driving mechanism of the spatial correlation of forest ecological security in China

  • CAI Xiu-ting ,
  • LYU Jie-hua ,
  • WANG Cheng-qi
Expand
  • College of Economics and Management, Northeast Forestry University, Harbin 150040, China

Received date: 2021-03-15

  Revised date: 2021-06-21

  Online published: 2022-10-28

Fold

摘要

提高森林生态安全的整体水平,是生态文明建设和林业可持续发展的必然选择。在对2009—2018年中国省际森林生态安全进行定量测度的基础上,利用修正的引力模型计算省际间的空间关联关系,并运用社会网络分析法探究其网络特征及驱动机制。结果表明：（1）中国森林生态安全的空间关联网络整体具有较好的通达性和显著的等级性,但关联强度和稳定性较低。（2）中国森林生态安全空间关联网络呈现出明显的“中心—外围”格局,山东、河南、湖北、湖南等省份处于网络中心位置,发挥重要的中介作用。（3）中国森林生态安全的空间关联网络可划分为经纪人、净溢出、净受益、双向溢出四个板块,并呈现板块内集聚为主、板块间关联为辅的空间关联特征。（4）经济发展差异、林业产业结构差异、城镇化水平差异、林业生态建设投入差异、森林资源禀赋差异对中国森林生态安全空间关联网络的形成具有弱负向的驱动作用,地理邻接关系对其具有强正向的驱动作用。

关键词： 森林生态安全; 空间关联网络; 驱动机制; 社会网络分析法

本文引用格式

蔡秀亭 , 吕洁华 , 王成齐 . 中国森林生态安全空间关联的网络特征及其驱动机制[J]. 自然资源学报, 2022 , 37(8) : 2137 -2152 . DOI: 10.31497/zrzyxb.20220814

Abstract

Improving the overall level of forest ecological security is an inevitable choice for the ecological civilization construction and the sustainable development of forestry. Based on the quantitative measurement of forest ecological security in 31 provinces (municipalities and autonomous regions) of China from 2009 to 2018, the modified gravity model was used to calculate the correlation of the forest ecological security between provinces. Based on this, the spatial correlation network of forest ecological security was constructed, and its characteristics and driving mechanism were examined by the social network analysis. The results showed that: (1) The spatial correlation network of forest ecological security in China had good accessibility and significant hierarchy, but the correlation strength and stability were low. (2) The spatial correlation network of forest ecological security presented an obvious "center-edge" feature, with provinces such as Shandong, Henan, Hubei and Hunan at the center of the network and playing an important intermediary role. (3) The spatial correlation network of China's forest ecological security can be divided into four blocks: brokers block (ten provinces including Henan and Shandong), net spillovers block (four provinces including Jilin and Heilongjiang), net benefits block (eight provinces including Jiangsu and Anhui), and two-way spillover block (nine provinces including Guangxi and Sichuan). At the same time, a spatial correlation feature, namely, the aggregation within the block, is dominant and the correlation between blocks is complementary. (4) Differences in economic development, forestry structure, urbanization, forestry ecological investment and forest resource had negative driving force on forest ecological security spatial correlation network in China, while the geographical adjacency relationship had positive driving effect.

Key words： forest ecological security; spatial correlation network; driving mechanism; social network analysis

森林是人类赖以生存和发展的基础,也是维护区域生态安全的重要保障。建国以来,随着经济社会的发展中国森林资源长期处于过度消耗状态,森林生态系统受到了极大破坏,森林生态安全问题逐渐成为制约我国经济社会发展的关键问题[1]。为了解决长期以来森林资源的过度消耗问题,国家实施了一系列森林保护政策和生态建设工程,森林资源得到了有效保护,森林生态安全水平有了显著提升[2]。然而,地区间森林资源禀赋异质和经济社会活动集聚而导致的省际森林生态安全失衡问题依然严峻,森林生态安全与经济社会发展之间的矛盾尚未得到有效解决。实际上,由于森林生态系统存在显著的空间外部性,森林生态安全的空间关联已经跨越了传统意义上的地理邻近关系,并在省际间形成了复杂的空间关联网络,省际间森林生态安全的传递、共享为缓解现有矛盾提供了新思路。因此,在森林生态安全空间关联网络框架基础上,利用省际间森林生态安全的空间关联关系实现区域生态平衡,共享森林生态安全保障福利,已经成为解决中国森林生态安全问题的有效途径。
森林生态安全问题是关系人类社会生存发展的重大问题,因此得到了世界各国的普遍关注。国外有关森林生态安全的研究主要集中在森林健康上。森林健康的概念在20世纪70年代首次出现在德国,由于人们对森林生态安全问题的重视,有关森林健康的理论研究随之涌现。Cissel等[3]将森林健康定义为森林生态系统在满足人类多种需求的同时维持其复杂性的一种能力。美国森林学会认为森林健康状况取决于森林的年龄、组成、结构和对干扰的恢复力等[4]。Trumbore等[5]认为生物和非生物干扰对森林健康有重要影响,它可能导致重大的经济和环境损失。随着森林健康理论研究的不断深入,针对不同尺度范围的森林健康监测和评价研究随即开展[6,7]。此外,由于环境污染问题的凸显,森林健康与环境污染的关系研究也得到了众多学者的广泛关注[8,9]。国内有关森林生态安全的研究主要集中在森林生态安全的测度及评价,也有一些文献运用空间统计方法研究森林生态安全的整体空间特征,并分析不同因素对森林生态安全的全局性影响。其中,关于森林生态安全的评价研究,学者们大多基于PSR模型和DPSIR模型构建森林生态安全评价指标体系,并利用模糊综合评价法、生态足迹法、数据包络法、熵权法等对国家、地区、省市等不同尺度范围的森林生态安全进行综合评价[10⇓-12]。相关研究结果显示,中国森林生态安全总体上呈现良好状态,并有逐步改善的趋势,但地区间差异较大,存在明显的两极分化现象[13];在森林生态安全的空间特征研究中,大多从全局层面出发利用GIS技术、莫兰指数、空间收敛性模型等分析森林生态安全的空间分布、空间集聚、空间收敛等空间特征[14,15]。从全国层面看,省际森林生态安全存在显著的空间集聚性和空间收敛性,同时这种集聚性和收敛性呈现逐渐减弱的趋势[16],此外,大多数省份内部的森林生态安全格局也呈现出相似的空间特征[17];在森林生态安全的影响因素研究中,多数从森林生态安全本身出发利用IRDS模型、结构方程模型、障碍度模型等探究其影响因素及作用机制[18,19]。研究表明林业三次产业中,林业第一产业对森林生态安全具有显著的正影响,而二、三产业对其影响并不显著;此外,森林资源禀赋、森林生态保护、森林健康状态也是影响森林生态安全的主要障碍因子[20,21]。
综上所述,目前关于森林生态安全的研究已经取得了较为丰硕的研究成果,对本文具有重要的启示意义。但现有森林生态安全空间特征的研究均局限于地理邻近关系,利用单一的统计量描述森林生态安全的整体空间特征,缺乏突破地理位置的省际间森林生态安全空间关系的探讨。由于森林生态安全构成要素在省际间的流动与交互,不同地区间的空间关联关系已跨越了传统的地理邻近性,针对不同省份间空间关联关系的研究可为森林生态安全的区域协同治理提供一个崭新的思路。
就森林生态安全空间关联关系的理论机理而言,空间外部性理论表明区域森林生态安全具有明显的开放性,因为除风向和水流等自然因素外,地区之间存在着广泛的林产品贸易和生产要素流动,因此区域森林生态安全之间存在复杂的溢出反馈关联效应,由此形成空间关联网络。而且,空间关联关系对森林生态改善具有显著影响,正向且溢出效应显著的地区会形成良性的“因果循环积累效应”,不仅能有效地促进本地区的森林生态改善,还能依靠这种正向外部性造成的空间关联促进周边地区森林生态安全水平的提高,从而推动各地区的森林生态安全从“极化效应”逐步向“涓滴效应”过渡。因此,探究森林生态安全的空间关联关系对我国森林生态安全的协同改善具有重要的现实意义。一方面在森林生态治理的过程中可以将空间因素纳入其中,考虑地区间的相互影响,有利于充分发挥空间关联网络中心省份的积极带动作用,使其产生更多的正向空间溢出,从而带动其他省份森林生态安全水平的提升。另一方面在森林生态安全相关政策制定的过程中可以充分把握各板块在空间关联网络中发挥的作用,通过定向调控制定有针对性的森林生态安全治理政策,推动森林生态安全治理的一体化布局,促进中国森林生态安全由个体到局部再到整体的逐步改善。
社会网络分析法是利用关系数据研究空间关联关系的分析方法,该方法可以突破地理位置的局限。因此,为了弥补现有研究的不足,本文将其创新性地应用于森林生态安全研究中。在现有文献和理论机理分析的基础上,首先对森林生态安全进行定量测度,采用修正的引力模型计算中国31个省份森林生态安全的空间关联关系矩阵,并据此构建森林生态安全空间关联网络,进一步借助社会网络分析法对其整体、个体、板块特征及驱动机制进行分析,旨在从空间关联网络视角为实现中国森林生态安全的跨区域协同改善提供对策建议。

1 研究方法与数据来源

1.1 概念界定

目前,国内外学者对森林生态安全的概念界定大致可以分为狭义和广义两种。狭义的森林生态安全仅指森林生态系统自身的安全状态,侧重考察自然森林与生物系统的完整性和可持续性,主要针对森林生态系统的自然演化规律,较少考虑人类活动的影响[22]。广义的森林生态安全主要指森林生态系统支撑经济社会可持续发展的一种状态,侧重衡量森林生态系统为人类社会提供生态服务的能力,其内涵不仅包括森林生态系统还包括人类社会[23]。1997年Costanza等[24]在《Nature》上发表的“全球生态服务和自然资本的价值”研究报告对此类观点产生了深远影响,使得广义层面的森林生态安全研究成为该领域的主流方向。本文以广义的森林生态安全为概念基础,将其界定为：在一定时空范围内森林生态系统保障人类生产生活良好运转的一种适宜状态,它将自然环境和人类活动纳入统一的系统框架之中,通过衡量森林生态系统满足人类生存与发展对环境需求的综合能力,不断促进森林生态系统与经济社会系统的协调发展。本文在森林生态安全评价的基础上,构建森林生态安全的空间关联网络,这种空间关联网络是指由于森林生态安全的构成要素在地理空间上的流动与交互导致地区间森林生态安全产生的网络型关联关系。

1.2 森林生态安全评价指标及模型

在空间关联关系分析前,首先需要对中国31个省份的森林生态安全进行综合评价。由上文的概念界定可知,森林生态安全不仅包括森林生态系统自身的安全状态,还包括人类活动对森林生态系统的影响,这种影响一方面体现在人类的生产生活给森林生态系统带来的压力,另一方面体现在人类为了维护森林生态安全所采取的积极响应措施。因此,在借鉴相关研究[25]的基础上,本文从森林生态安全的概念内涵出发,选用联合国经济合作开发署建立的PSR（Pressure-State-Response）模型从压力、状态、响应三方面构建森林生态安全评价指标体系。
压力指标用于反映人类的社会经济活动对森林生态系统的负面影响,如森林资源索取、林地占用以及污染物排放对生态环境造成的破坏等[26]。本文从社会压力、资源压力和环境压力三方面选取指标对其加以表征。选取人口密度、人类干扰指数和人均国内生产总值反映森林生态系统面临的社会压力。其中,人口密度是反映人口密集程度的指标,人口密度越大对森林资源的消耗和林地的占用越多,森林生态系统面临的压力越大。人类干扰指数=(建设用地面积+耕地面积)/行政区面积,用于表征人类生产生活对林业用地的侵占和影响,其数值越大表明人类对森林生态系统的干扰越强,森林生态安全状况越差。人均国内生产总值用于反映地区的经济发展水平,经济发展会通过资源消耗和污染排放等对森林生态系统产生不利影响。选取水资源消耗量和森林旅游开发强度表征森林生态系统面临的资源压力。其中,水资源对林木生长起着至关重要的作用,水资源的过度消耗不仅影响森林植被的正常生长还会导致严重的森林健康问题,从而对森林生态安全造成威胁。森林旅游开发强度=森林公园面积/行政区面积,其数值越大森林资源面临的压力越大,森林生态安全水平越低。选取二氧化硫排放指数和工业废水排放指数表征森林生态系统面临的环境压力。其中,二氧化硫排放指数=二氧化硫排放总量/行政区面积,工业废水排放指数=工业废水排放总量/行政区面积。二氧化硫和工业废水的排放会对林木生长环境造成不利影响,进而影响林木的数量和质量,不利于地区森林生态的改善。
状态指标用于反映特定时期森林生态系统的资源状态及健康状态[27]。其中,资源状态反映一个地区的森林资源数量、质量,是评价森林生态安全最直接的指标。健康状态强调森林是否面临火灾和病虫害的威胁,它直接影响森林资源的数量和质量,对森林生态安全具有重要影响。本文选取森林覆盖率、有林地面积和活立木蓄积量表征森林生态系统的资源状态。其中,森林覆盖率和有林地面积用于反映森林资源的数量和丰富程度,活立木蓄积量用于反映森林质量。选取森林火灾受灾率和森林病虫害发生率表征森林生态系统的健康状态。
响应指标用于反映人类如何采取行动来预防、减轻和恢复经济社会活动对森林生态系统的负面影响,主要包括投入响应和保护响应[28]。本文选取林业投资完成指数和环境污染治理投资占GDP比例表征投入响应。其中,林业投资完成指数=自年初林业累计完成投资额/本年计划投资额,反映了地区林业建设的完成进度,该数值越大越有助于提高森林生态效益,提升森林生态安全水平。环境污染治理投资占GDP比例反映了各地区对于生态环境改善的现实需求,对森林生态建设具有显著影响。选取封山育林面积和更新造林面积表征森林生态安全的保护响应。其中,封山育林可以加快绿化速度,扩大森林面积,提高森林质量,可以有效改善森林生态安全状况。更新造林对水分、养分、空气的温湿度等立地条件的改善有重要作用,同时可以优化森林结构,改善森林质量,促进森林生态建设。
在合理构建评价指标体系的基础上,运用改进的TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）模型[29],对2009—2018年中国31个省（市、自治区）（不包括中国香港、澳门、台湾地区）的森林生态安全进行定量测度,得到各省（市、自治区）的森林生态安全指数（用E表示）。

1.3 修正的引力模型

空间关联关系的确定是社会网络分析法应用的前提,现有研究通常采用引力模型来探讨空间关联关系,由于森林生态安全空间关联关系的产生主要依赖于人类活动、林业生产的地区转移和规模变动,故本文选取年末人口数和林业总产值对传统的引力模型进行修正,以充分考虑省际人口规模、林业产出与森林生态安全之间存在的多维交互作用,突显广义森林生态安全的系统性与传递性,其计算公式为：
F i j = α i j P i G i E i 3 P j G j E j 3 D i j 2 , α i j = E i E i + E j
式中： F i j表示省份i与省份j之间的森林生态安全引力; P、 G、 E分别表示年末人口数（万人）、林业总产值（万元）、森林生态安全指数; D i j表示不同省份的省会城市之间的距离（km）; α i j为调节系数,由森林生态安全指数计算得到。
根据式（1）计算得到省际森林生态安全引力矩阵,该矩阵为数值矩阵,显示了任意两个省份森林生态安全之间的相互影响强度。为了反映影响强度的显著性并构建空间关联网络,需要将数值矩阵转化为关系矩阵。因此,参照王兆峰等[30]的研究成果将数值矩阵中每行的均值作为临界值,各单元值中大于临界值的认为影响显著,将其记为1,表明对应的两个省份森林生态安全之间存在空间关联关系,否则认为影响不显著,将其记为0,表明两个省份森林生态安全间不存在关联关系。由此得到省际森林生态安全空间关联关系矩阵（用 F S表示）。

1.4 社会网络分析法

本文首先运用Ucinet软件根据空间关联关系矩阵绘制了中国森林生态安全的空间关联网络拓扑图,进而采用社会网络分析法对中国森林生态安全空间关联网络的整体、个体、板块特征及其驱动机制展开研究。

1.4.1 空间关联网络的整体特征分析指标

中国森林生态安全空间关联网络的整体特征指的是由31个节点（省份）及其相互关联关系所构成的整个空间关联网络的紧密性、稳定性、等级性等,可以利用网络密度、网络关联度、网络等级度和网络效率四个指标来表征[31]。
网络密度是衡量森林生态安全空间关联关系密切程度的重要指标,网络密度越大,表明森林生态安全空间关联关系越紧密。由于森林生态安全的空间溢出存在有向性,因此,其空间关联网络是有向网络。若 n为省份数量（个）, l为实际关联关系数,网络密度 D的计算公式为：
D = l / [ n ( n - 1 ) ]
网络关联度用来表征森林生态安全空间关联网络的稳健性,若关联度为1,表明所有省份都处于整体网络中,网络稳健性较好,否则认为至少有一个省份游离在整体网络之外。若n为省份数量（个）,v为不可达的省份的成对数量（对）,网络关联度 C的计算公式为：
C = 1 - v / [ n ( n - 1 ) / 2 ]
网络等级度用来刻画森林生态安全空间关联网络中各省份间的非对称可达程度,等级度越高,表明各省份在森林生态安全空间关联网络中的地位差异越大,少数省份处于网络的中心位置,其余省份处于边缘位置。若 s为对称可达关系的成对数量（对）, m a x ( s )为对称可达关系成对数量的最大可能值,网络等级度 H的计算公式为：
H = 1 - s / m a x ( s )
网络效率用来描述森林生态安全空间关联网络中关联关系的冗余程度,网络效率越低,网络中存在的冗余关联关系越多,森林生态安全空间关联渠道越多,网络越稳定。若 k为冗余关联关系数, m a x ( k )为最大可能的冗余关联关系数,网络效率 E的计算公式为：
E = 1 - k / m a x ( k )

1.4.2 空间关联网络的个体特征分析指标

中国森林生态安全空间关联网络的个体特征指的是网络中每个节点（省份）在整个空间关联网络中所处的位置、扮演的角色以及发挥的作用等,可以用度数中心度、接近中心度和中间中心度来衡量[32]。
度数中心度反映一个省份在空间关联网络中的地位,度数中心度越大,该省份的森林生态安全与其他省份的联系越紧密,该省份越接近空间关联网络的中心位置。若 n为省份数量, m 1和 m 2分别为点入度和点出度,度数中心度 C R D的计算公式为：
C R D i = ( m 1 + m 2 ) / ( 2 n - 2 )
接近中心度用来刻画一个省份的森林生态安全不受其他省份控制的程度,接近中心度越大,表明该省份的森林生态安全越容易与其他省份产生直接关联。若 d i j为省份 i与省份 j之间的捷径距离,接近中心度 C A P的计算公式为：
C A P i = ∑ j = 1 n d i j
中间中心度用来衡量在森林生态安全空间关联网络中某省份对其他省份间关联关系的控制程度。中间中心度越大,表明该省份对其他省份间森林生态安全关联关系的控制力越强,即该省份在空间关联网络中的中介作用越突出。若 n为省份数量（个）, b j k ( i )为省份 i控制省份 j与省份 k森林生态安全关联关系的能力,中间中心度 C R B i的计算公式为：
C R B i = 2 ∑ j = 1 n ∑ k = 1 n b j k ( i ) n 2 - 3 n + 2

1.4.3 块模型

块模型以聚类的方法将中国31个省份进行分块,并揭示各板块在森林生态安全空间关联网络中所扮演的角色以及板块内和板块间的关联关系。本文参考Girvan等[33]的板块划分方法,将中国森林生态安全空间关联网络划分为经纪人、净溢出、净受益、双向溢出四个板块,并对各板块内部及板块之间的关联关系进行分析。

1.4.4 QAP模型

由于本文采用的是关系数据,为避免多重共线性问题,选用社会网络分析法中的非线性二次指派程序（Quadratic Assignment Procedure,QAP）模型对中国森林生态安全空间关联关系的驱动因素进行分析。潘文卿[34]认为邻近省份更容易产生集聚或溢出效应,但地理邻近性并非产生空间关联的唯一因素,地区差异也会对空间关联关系的形成产生重要影响。由此推断,除地理邻近性外,森林生态安全影响因素的区域差异对中国省际森林生态安全空间关联效应具有重要影响。已有研究结果表明森林生态安全受经济、社会、资源等多方面因素的综合影响[20]。因此,本文借鉴已有研究将森林生态安全空间关联关系的影响因素设定如下：
（1）经济发展差异（用人均GDP差值衡量）。经济发展会通过森林资源消耗和污染排放等多种方式对森林生态安全产生影响,而且在市场机制作用下,生产要素更容易在经济发展水平相近的地区间流动[35],由此推测森林生态安全可能更容易在经济发展水平相近的省份间产生空间关联。
（2）林业产业结构差异（用林业产业结构指数①(① 林业产业结构指数= (林业第一产业产值+林业第三产业产值)/林业总产值。)差值衡量）。林业产业结构在一定程度上体现了一个地区的林业产业布局,合理的林业产业布局会促进林业产业的转型升级以及林业资源配置效率的提升,从而降低森林资源消耗,提升森林生态安全水平。而且,林业产业结构相近的省份往往会产生更频繁的交流合作,从而促进彼此间森林生态安全空间关联关系的产生。
（3）城镇化水平差异（用城镇人口比例差值衡量）。城镇化主要通过人口增长、经济发展和空间扩张对地区森林资源产生影响,从而建立与森林生态安全的联系。而资金、技术等生产要素更易于在城镇化水平相近的地区间流动,由此推测城镇化水平相近的省份间的森林生态安全可能更容易产生空间关联。
（4）林业生态建设投入差异（用林业生态建设与保护投资额差值衡量）。空间外部性理论认为地区生态建设投入存在显著的外溢效应,尽管地方生态建设投资的执行范围仅限于某个地区,但它的生态影响并不局限于此,其他地区也会从该地区的生态服务供给中获益。由此推测,某省份的林业生态建设投入不仅会改变当地的森林生态安全水平还会对其他省份产生影响。
（5）森林资源禀赋差异（用森林覆盖率差值衡量）。森林资源禀赋相近的省份往往更愿意学习借鉴彼此的林业发展模式和森林生态保护措施,彼此间的信息技术交流也会更紧密,从而带动其森林生态安全的空间关联性。
（6）地理邻接关系（用空间一阶“后”相邻矩阵衡量）。除了水流和风向等自然因素的影响外,地理邻近会降低林业生产经营过程中生产要素的流动成本,从而促进邻近省份间森林生态安全的空间关联。
将以上6个变量作为解释变量,将森林生态安全空间关联关系（用森林生态安全空间关联关系矩阵衡量）作为被解释变量,构建如下模型：
F S = f ( A G , I S , C R , E I , F C , G A )
式中： F S为森林生态安全空间关联关系矩阵; A G、 I S、 C R、 E I、 F C分别为人均GDP、林业产业结构指数、城镇人口比例、林业生态建设与保护投资额、森林覆盖率的绝对差值矩阵; G A为空间一阶“后”相邻矩阵,其中,将海南设定为与广东、广西相邻。

1.5 数据来源

本文以中国31个省份为研究对象,时间跨度为2009—2018年。其中,修正的引力模型中使用的距离数据是利用ArcGIS计算的省会城市之间的球面距离,其余指标的原始数据均来源于《中国统计年鉴》《中国林业统计年鉴》和《中国环境统计年鉴》,由于部分缺失值的指标数据近似等距数据,故取相邻年份数据的均值替代缺失值。

2 结果分析

2.1 中国森林生态安全空间关联的网络特征分析

2.1.1 空间关联网络的整体特征分析

通过修正的引力模型计算得到中国省际森林生态安全的空间关联关系矩阵。为了直观呈现空间关联网络的结构形态,以2018年为例运用Ucinet软件根据空间关联关系矩阵绘制了其网络拓扑图（图1）。空间关联网络中的节点表示31个省份,节点间的连线表示各省份之间森林生态安全的空间关联关系,箭头方向表示森林生态安全的溢出方向。结果显示,中国森林生态安全的空间关联已经突破了空间地理限制,各省份的森林生态安全不但对其邻近省份产生溢出效应,还与非邻近省份存在空间关联关系,由此呈现出较为复杂的空间关联网络特征。
图1 2018年中国森林生态安全空间关联网络拓扑图

Fig. 1 Topology of spatial correlation network of forest ecological security in China in 2018

除了网络拓扑图的直观呈现之外,为了定量反映森林生态安全空间关联网络的整体特征及其动态演变过程,利用Ucinet软件测算出森林生态安全空间关联网络的网络密度、网络关联度、网络等级度和网络效率,进一步从关联强度和关联性两方面进行分类探讨：
（1）关联强度。研究期内中国森林生态安全空间关联网络的关联强度整体呈现“先增强、后减弱、再稳定”的态势,关联关系数和网络密度在2012年分别达到峰值230和0.2473,在2013年分别跌至谷值222和0.2387（图2）。这种落差主要起源于2012年党的十八大将生态文明建设纳入中国特色社会主义事业总体布局,各省份陆续开展不同形式的生态建设,省际间森林生态的外部性受到显著约束,从而一定程度上弱化了省际间森林生态安全的关联关系;此外,关联关系数与理论最大值（930=31×30）相差悬殊,表明中国森林生态安全的空间关联强度还有很大的提升潜力。
图2 2009—2018年中国森林生态安全空间关联网络的关联强度

Fig. 2 Correlation strength of spatial correlation network of China's forest ecological security from 2009 to 2018

（2）关联性。研究期内网络关联度均为1,任意两个省份的森林生态安全是可达的,网络的通达性较好,由此表明中国省际森林生态安全存在显著的空间关联和溢出效应。网络等级度始终维持在0.78上下,表明中国森林生态安全的空间关联网络存在明显的等级性,各省份在网络中所发挥的作用存在显著差异,这种差异主要源于省际间经济发展与森林生态基础匹配关系的异质和失衡。网络效率稳定在0.70左右,空间关联网络中存在相对较少的冗余连线,表明中国森林生态安全空间关联网络的稳定性有待提高（图3）。
图3 2009—2018年中国森林生态安全空间关联网络的关联性

Fig. 3 Correlation of spatial correlation network of China's forest ecological security from 2009 to 2018

2.1.2 空间关联网络的个体特征分析

为揭示各省份在森林生态安全空间关联网络中扮演的角色及发挥的作用,以2018年为例利用度数中心度、接近中心度和中间中心度对中国森林生态安全空间关联网络的个体特征进行分析（图4、图5）。
图4 度数中心度、接近中心度和中间中心度

Fig. 4 Point centrality, closeness centrality and betweenness centrality

图5 点入度和点出度

Fig. 5 In-degree centrality and out-degree centrality

（1）度数中心度
利用度数中心度刻画各省份的森林生态安全与其他省份间关联关系的紧密程度。结果显示,山东、河南、湖北、湖南、陕西等15个省份的度数中心度大于均值,这些省份的森林生态安全与其他省份存在紧密的关联关系,因此,在空间关联网络中处于相对中心位置。同时,这些省份具有较高的点出度和更高的点入度,表明这些省份向其他省份的空间溢出和接收其他省份的空间溢出均较多,但总体以接收其他省份的空间溢出为主。度数中心度较小的省（市、自治区）包括地理位置处于边缘地区的黑龙江、吉林、辽宁、海南和森林覆盖率较低的上海、天津、青海、宁夏,这些地区与其他省份的关联关系较少,处于森林生态安全空间关联网络的相对边缘位置,而且,这些地区的点出度和点入度均较低,表明这些省份的森林生态安全与其他省份间的空间溢出不显著。
（2）接近中心度
运用接近中心度来判定各省份与其他省份的接近程度,即与其他省份的森林生态安全产生直接关联关系的难易程度。结果显示,山东、河南、陕西等9个省份的接近中心度高于均值,这些省份在与其他省份产生空间关联关系时存在较强的独立性,更容易与其他省份产生直接的关联关系。而天津、青海、吉林、黑龙江和海南的接近中心度较小,表明上述地区的森林生态安全在与其他省份产生空间关联时主要以间接关联为主,因此不能对其他省份产生明显的带动作用,同时受其他省份的影响也较小。
（3）中间中心度
运用中间中心度衡量各省份对其他省份间森林生态安全空间关联关系的控制和影响程度。结果显示,山东、河南、陕西、湖北和湖南的中间中心度较大,这些省份在森林生态安全空间关联网络中处于主导控制地位,因此发挥着重要的中介桥梁作用。天津、青海、吉林、黑龙江等省份的中间中心度较小,这些省份在森林生态安全空间关联网络中对其他地区的影响较小,因此处于边缘区域。
综上所述,度数中心度、接近中心度与中间中心度的结果具有较强的内在一致性,共同表明山东、河南、湖北、湖南等省份更容易与其他省份产生直接的关联关系,因此在空间关联网络中处于中心位置,并发挥着重要的桥梁作用。究其原因可以发现这些省份具有显著的地理区位优势（省际地理中心）,同时,山东和河南的人口规模较大,对木材等林产品的需求较多,因此在虹吸效应的作用下与其他省份产生了密切的空间关联关系。相比之下,吉林、黑龙江、青海、海南等省份与其他省份产生的直接关联关系较少,因此在空间关联网络中处于边缘位置,对其他省份的影响也较小,原因是这些省份受到地理区位条件和经济发展等诸多因素的限制,不利于信息和要素的传递、流动,因此无法与其他省份产生密切的关联关系。

2.1.3 空间关联网络的板块特征分析

运用块模型以深度为2,集中度为0.2,将中国森林生态安全的空间关联网络划分为四个板块,块模型的分析结果如表1所示,各板块的省份构成及板块间关联关系如图6所示。
表1 板块溢出效应

Table 1 Block spillover

板块 接收关系数 发出关系数 期望内部
关系比例/%		 实际内部
关系比例/%
板块内 板块外 板块内 板块外
第一板块 45 27 45 21 30 68.18
第二板块 6 3 6 9 10 40
第三板块 47 46 47 15 23.33 75.81
第四板块 37 14 37 45 26.67 45.12
图6 板块内省份构成与板块间关联关系

Fig. 6 Composition within the block and the correlation between blocks

表1显示,中国森林生态安全空间关联网络中板块内部与板块之间的关联关系数分别为135与90,占比分别为60%与40%,由此表明中国森林生态安全的空间溢出效应以板块内溢出为主,板块之间的协同效应不明显。其中,第一板块内部的关联关系数为45,接收和发出的其他板块关联关系数分别为27和21,期望内部关系比例小于实际内部关系比例,属于“经纪人”板块,该板块的成员在森林生态安全空间关联网络中起到中介、桥梁作用。第二板块内部的关联关系数较少,接收其他板块的溢出关系数小于向其他板块溢出的关系数,属于“净溢出”板块,该板块的成员对其他板块成员有显著的空间溢出效应,在森林生态安全协同改善中发挥带动作用。第三板块的内部关系数为47,接收其他板块的溢出关系数多于向其他板块溢出的关系数,属于“净受益”板块,该板块的成员主要以接收其他板块的溢出为主。第四板块的内部关联关系数较多,向其他板块接收和发出的关联关系也较多,期望内部关系比例小于实际内部关系比例,属于“双向溢出”板块。
为进一步刻画其板块特征,通过计算各板块的密度矩阵与像矩阵来对此加以分析。若各板块的密度大于整体网络密度0.2419,则赋值为1,表明各板块之间存在关联关系,否则赋值为0,表明各板块之间不存在关联关系,由此得到像矩阵（表2）。结果显示,像矩阵的对角线元素全部为1,表明各板块内部森林生态安全存在显著的关联性,呈现出俱乐部效应,而板块之间的关联性相对较弱,中国森林生态安全表现出板块内集聚为主、板块间关联为辅的空间关联特征。
表2 密度矩阵与像矩阵

Table 2 Density matrix and image matrix

板块 密度矩阵 像矩阵
第一板块 第二板块 第三板块 第四板块 第一板块 第二板块 第三板块 第四板块
第一板块 0.5 0 0.138 0.111 1 0 0 0
第二板块 0.125 0.5 0.125 0 0 1 0 0
第三板块 0.1 0.094 0.839 0.056 0 0 1 0
第四板块 0.156 0 0.431 0.514 0 0 1 1

2.2 中国森林生态安全空间关联网络的驱动机制分析

用非参数QAP模型对森林生态安全空间关联网络的驱动因素进行识别提取,经过5000次随机置换得到自变量与因变量间的相关关系及回归结果（表3）。结果显示,人均GDP差异矩阵、林业产业结构指数差异矩阵、城镇人口比例差异矩阵、林业生态建设与保护投资额差异矩阵、森林覆盖率差异矩阵、空间一阶“后”相邻矩阵和森林生态安全空间关联关系矩阵的相关系数显著不为0,说明上述因素与森林生态安全空间关联网络的形成密切相关。
表3 QAP分析结果

Table 3 Results of QAP analysis

变量 相关分析 回归分析
相关系数 P值 标准化系数 P值
AG -0.169 0.002 -0.074 0.036
IS -0.136 0.004 -0.023 0.049
GR -0.155 0.003 -0.007 0.041
EI -0.072 0.083 -0.030 0.023
FC -0.197 0.000 -0.075 0.029
GA 0.548 0.000 0.520 0.000
在此基础上构建自变量与因变量间的回归模型,调整后的可决系数为0.308,模型适配结果在1%的显著性水平下通过检验,所有自变量的回归系数均在5%的显著性水平下通过检验,并且回归系数的正负与相关系数一致。其中,空间一阶“后”相邻矩阵的回归系数为0.520,说明地理邻接关系对森林生态安全空间关联关系的产生具有显著的正向影响,这种正向促进作用主要因为空间邻近关系能够降低要素流动和信息传递的成本,有助于实现森林生态安全的省际共享。其余5个自变量的回归系数均为负数,说明这些因素的省际差异越小其森林生态安全越容易产生空间关联关系。究其原因是因为经济发展差异越小,越容易形成相似的森林生态认知和生态服务结构,并衍生出相近的森林生态需求,这种需求的邻近性会促进省际间森林生态安全空间关联关系的产生。而相似的林业产业结构会加强地区间林业经济、技术、人才的交流、学习与合作,从而促进彼此间森林生态安全的空间关联。同时,城镇化水平、森林覆盖率、林业生态建设与保护投资的差异越小,分别表明人们的生产生活给森林生态系统带来的压力、森林生态系统的状态以及人们对森林生态系统采取的响应措施具有某种相似性,这种相似性会推动省际间森林生态安全的趋同,而趋同效应则有助于实现省际森林生态安全的空间关联。

3 结论与启示

本文针对中国森林生态安全空间关联的网络特征及其驱动机制研究得到如下结论：中国森林生态安全的空间关联关系已突破传统的地理邻近限制,呈现出复杂的网络结构特征,空间关联网络整体具有良好的通达性和明显的等级性,但网络密度和网络效率较低,网络关联强度和稳定性有待加强;中国森林生态安全空间关联网络呈现出明显的“中心—外围”格局,山东、河南、湖北、湖南等省份在空间关联网络中处于相对中心位置,发挥着重要的中介桥梁作用,吉林、黑龙江、青海、海南等省份处于相对边缘位置,与其他省份的空间关联较少;中国森林生态安全空间关联网络可以分为经纪人、净溢出、净受益、双向溢出四个板块,板块内部的关联较密切,板块之间的关联相对较弱;经济发展差异、林业产业结构差异、城镇化水平差异、林业生态建设与保护投资差异、森林资源禀赋差异对中国森林生态安全空间关联网络的形成具有弱负向的驱动作用,地理邻接关系对其具有强正向的驱动作用。
根据本文的研究结论可以得到改善中国森林生态安全的若干启示：一是在森林生态安全治理的过程中需要用全局性的战略眼光,打破行政区划限制,不能只关注森林生态安全水平的高低,也应注重其空间关联关系的强弱与稳定,这样才能形成森林生态安全数量与结构并重的统筹格局,从而推动中国森林生态安全的协同改善。二是在森林生态安全治理的过程中可以依托森林生态安全空间关联网络构建“引领—跟随”型的省际协同改善策略,因为山东、河南、湖北、湖南与其他省份的空间关联关系涵盖了全国绝大多数的省份,因此可以将上述地区设定为森林生态安全改善的全局引领者;广东和陕西紧随其后,可以将二者分别设定为第三板块和第四板块的局部引领者,其他省份可以充当森林生态安全改善的跟随者。三是各省份在加快经济发展努力缩小省际差异的同时要积极调整林业产业结构,加强省际间林业产业发展的经济、技术交流合作;同时,要因地制宜地协调好林业生态建设与保护投资,加强森林资源管护,以此削弱森林生态安全空间关联网络的等级特征,加强其空间关联性,从而缩小森林生态安全的区域差异,促进中国森林生态安全整体水平的提升。
本文将社会网络分析法创新性地应用于森林生态安全的研究中。该方法突破了地理位置的局限,分析省际森林生态安全之间复杂的空间关联关系及其驱动机制,对我国的森林生态治理具有重要意义。虽然已有相关研究在分析方法上存在一定的局限性,但姜钰等[16]的研究结果已表明中国省际森林生态安全存在显著的空间相关性和空间收敛性,此结论从侧面印证了本文研究结论的可靠性。此外,社会网络分析法目前已广泛应用于碳排放、雾霾污染等生态环境问题的研究中[36⇓-38],结果表明中国省际碳排放、雾霾污染等均存在显著的空间关联关系,与本文的研究结论存在一致性。然而,本文也存在一定的不足之处,比如在探讨森林生态安全空间关联关系的基础上未进一步研究这种空间关联性对中国森林生态安全整体水平的提升以及空间布局的改善存在多大程度的影响,这也将是后续研究的重点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
LU S S, TANG X, GUAN X L, et al. The assessment of forest ecological security and its determining indicators: A case study of the Yangtze River Economic Belt in China. Journal of Environmental Management, 2020, 258: 110048, Doi: 10.1016/j.jenvman.2019.110048.

DOI

[2]
米锋, 谭曾豪迪, 顾艳红, 等. 我国森林生态安全评价及其差异化分析. 林业科学, 2015, 51(7): 107-115.

[ MI F, TAN Z H D, GU Y H, et al. Difference analysis and evaluation of Chinese forest ecological security. Scientia Silvae Sinicae, 2015, 51(7): 107-115.]

[3]
CISSEL J H, SWANSON F J, MCKEE W A, et al. Using the past to plan the future in the pacific northwest. Journal of Forestry Washington, 1994, 92(8): 30-46.

[4]
OSTRY M E, LAFLAMME G. Fungi and diseases: Natural components of healthy forests. Botany, 2009, 87(1): 22-25.

DOI

[5]
TRUMBORE S E, BRANDO P M, HARTMANN H. Forest health and global change. Science, 2015, 349(6250): 814-818.

DOI

[6]
GRULKE N, BIENZ C, HRINKEVICH K, et al. Quantitative and qualitative approaches to assess tree vigor and stand health in dry pine forests. Forest Ecology and Management, 2020, 465: 118085, Doi: 10.1016/j.foreco.2020.118085.

DOI

[7]
KAYET N, PATHAK K, CHAKRABARTY A, et al. Forest health assessment for geo-environmental planning and management in hilltop mining areas using Hyperion and Landsat data. Ecological Indicators, 2019, 106: 105471, Doi: 10.1016/j.ecolind.2019.105471.

DOI

[8]
ARAMINIENE V, SICARD P, ANAV A, et al. Trends and inter-relationships of ground-level ozone metrics and forest health in Lithuania. Science of the Total Environment, 2019, 658: 1265-1277.

DOI

[9]
DAVIDSON C J, FOSTER K R, TANNA R N. Forest health effects due to atmospheric deposition: Findings from long-term forest health monitoring in the Athabasca Oil Sands Region. Science of the Total Environment, 2020, 699: 134277, Doi: 10.1016/j.scitotenv.2019.134277.

DOI

[10]
米锋, 潘文婧, 朱宁, 等. 模糊综合评价法在森林生态安全预警中的应用. 东北林业大学学报, 2013, 41(6): 66-71, 75.

[ MI F, PAN W J, ZHU N, et al. Application of fuzzy comprehensive evaluation in forest ecological security warning. Journal of Northeast Forestry University, 2013, 41(6): 66-71, 75.]

[11]
毛旭鹏, 陈彩虹, 郭霞, 等. 基于PSR模型的长株潭地区森林生态安全动态评价. 中南林业科技大学学报, 2012, 32(6): 82-86.

[ MAO X P, CHEN C H, GUO X, et al. A dynamic assessment of forest ecological security in Changsha-Zhuzhou-Xiangtan area based on PSR model. Journal of Central South University of Forestry & Technology, 2012, 32(6): 82-86.]

[12]
王怡然, 张大红, 吴宇伦. 基于DPSIR模型的森林生态安全时空间变化研究: 以浙江省79个县区为例. 生态学报, 2020, 40(8): 2793-2801.

[ WANG Y R, ZHANG D H, WU Y L. The spatio-temporal changes of forest ecological security based on DPSIR model: Cases study in Zhejiang province. Acta Ecologica Sinica, 2020, 40(8): 2793-2801.]

[13]
刘婷婷, 孔越, 吴叶, 等. 基于熵权模糊物元模型的我国省域森林生态安全研究. 生态学报, 2017, 37(15): 4946-4955.

[ LIU T T, KONG Y, WU Y, et al. Provincial forest ecological security evaluation in China based on the entropy weight of the fuzzy matter-element model. Acta Ecologica Sinica, 2017, 37(15): 4946-4955.]

[14]
徐会勇, 赵学娇, 张大红. 我国省域森林生态安全评价及差异化: 基于生态文明建设背景. 生态学报, 2018, 38(17): 6235-6242.

[ XU H Y, ZHAO X J, ZHANG D H. Evaluation and difference analysis of provincial forest ecological security in China based on the background of ecological civilization construction. Acta Ecologica Sinica, 2018, 38(17): 6235-6242.]

[15]
陈妮, 鲁莎莎, 关兴良. 北京市森林生态安全预警时空差异及其驱动机制. 生态学报, 2018, 38(20): 7326-7335.

[ CHEN N, LU S S, GUAN X L. Spatio-temporal differences and the driving mechanism of early warnings of forest ecological security in Beijing. Acta Ecologica Sinica, 2018, 38(20): 7326-7335.]

[16]
姜钰, 蔡秀亭. 中国森林生态安全动态测度及空间收敛性分析. 统计与决策, 2019, 35(2): 91-95.

[ JIANG Y, CAI X T. Dynamic measurement and spatial convergence analysis of forest ecological security in China. Statistics & Decision, 2019, 35(2): 91-95.]

[17]
汤旭, 冯彦, 王慧, 等. 湖南省县域森林生态安全评价与时空分析. 南京林业大学学报: 自然科学版, 2018, 42(4): 61-67.

[ TANG X, FENG Y, WANG H, et al. County forest ecological security evaluation and spatial-temporal analysis in Hunan province. Journal of Nanjing Forestry University: Natural Sciences Edition, 2018, 42(4): 61-67.]

[18]
郑永贤, 张智光. 森林旅游景区生态安全影响因素的IRDS模型研究: 基于扎根理论. 世界林业研究, 2015, 28(1): 23-30.

[ ZHENG Y X, ZHANG Z G. Research on IRDS model of influencing factors to ecological security of forest scenic spot based on grounded theory. World Forestry Research, 2015, 28(1): 23-30.]

[19]
汪朝辉, 吴楚材, 谭益明. 森林公园生态安全影响因素指标体系研究. 环境保护, 2008, (24): 32-34.

[ WANG Z H, WU C C, TAN Y M. Study on index system of influencing factors of forest park ecological security. Environmental Protection, 2008, (24): 32-34.]

[20]
蔡秀亭, 姜钰. 中国森林生态安全时空格局演变及其障碍因子诊断. 统计与决策, 2019, 35(3): 96-100.

[ CAI X T, JIANG Y. Evolution of space-time pattern of Chinese forest ecological security and its obstacle factor diagnosis. Statistics & Decision, 2019, 35(3): 96-100.]

[21]
白江迪, 刘俊昌, 陈文汇. 基于结构方程模型分析森林生态安全的影响因素. 生态学报, 2019, 39(8): 2842-2850.

[ BAI J D, LIU J C, CHEN W H. Influence on forest ecological security based on a structural equation model. Acta Ecologica Sinica, 2019, 39(8): 2842-2850.]

[22]
黄莉莉, 米锋, 孙丰军. 森林生态安全评价初探. 林业经济, 2009, (12): 64-68.

[ HUANG L L, MI F, SUN F J. Preliminary study on the evaluation of forest ecosystem ecological security. Forestry Economics, 2009, (12): 64-68.]

[23]
张浩, 张智光. 林业生态安全的二维研究脉络. 资源开发与市场, 2016, 32(8): 965-970.

[ ZHANG H, ZHANG Z G. Two-dimension research context of forestry ecological security. Resource Development & Market, 2016, 32(8): 965-970.]

[24]
COSTANZA R, ARGE, GROOT R D, et al. The value of the world's ecosystem services and natural capital. Nature, 1997, 387(15): 253-260.

DOI

[25]
姚月, 张大红. 县域森林生态安全评价分析研究: 基于湖北省29个县统计数据. 林业经济, 2017, 39(7): 51-55.

[ YAO Y, ZHANG D H. Research on forest ecological security evaluation analysis: Based on statistic data of 29 counties in Hubei pvovince. Forestry Economics, 2017, 39(7): 51-55.]

[26]
吕洁华, 孙喆, 张滨. 森林管护对森林生态安全的响应成效与影响路径分析. 林业经济问题, 2019, 39(4): 355-362.

[ LYU J H, SUN Z, ZHANG B. Analysis on the response effectiveness and influence path of forest management and protection to forest ecological security. Issues of Forestry Economics, 2019, 39(4): 355-362.]

[27]
汤旭, 宋璇, 曾玉林, 等. 长江经济带森林生态安全评价及时空演变研究. 生态学报, 2021, 41(5): 1693-1704.

[ TANG X, SONG X, ZENG Y L, et al. Evaluation and spatio-temporal evolution of forest ecological security in the Yangtze River Economic Belt. Acta Ecologica Sinica, 2021, 41(5): 1693-1704.]

[28]
吕洁华, 蔡秀亭. 中国省域森林生态安全与林业产业结构时空耦合测度. 世界林业研究, 2019, 32(4): 34-39.

[ LYU J H, CAI X T. Spatial-temporal coupling measurement of forest ecological security and forestry industrial structure at provincial level. World Forestry Research, 2019, 32(4): 34-39.]

[29]
冯彦, 祝凌云, 郑洁, 等. 基于PSR模型和GIS的吉林省县域森林生态安全评价及时空分布. 农林经济管理学报, 2016, 15(5): 546-556.

[ FENG Y, ZHU L Y, ZHENG J, et al. County forest ecological security evaluation and spatial analysis of Jilin province based on PSR and GIS. Journal of Agro-Forestry Economics and Management, 2016, 15(5): 546-556.]

[30]
王兆峰, 刘庆芳. 中国省域旅游效率空间网络结构演化及其影响因素. 地理科学, 2021, 41(3): 397-406.

DOI

[ WANG Z F, LIU Q F. The evolution and influencing factors of spatial network structure of China's provincial tourism efficiency. Scientia Geographica Sinica, 2021, 41(3): 397-406.]

[31]
杨传明. 新旧常态中国产业全碳足迹复杂网络比较. 自然资源学报, 2020, 35(2): 313-328.

[ YANG C M. A comparative study on the complex networks of China's industrial total carbon footprint in the new and old normal periods. Journal of Natural Resources, 2020, 35(2): 313-328.]

DOI

[32]
朱孟珏, 庄大昌, 李涛. 1990—2014年中国煤炭运输网络的时空特征研究. 自然资源学报, 2018, 33(3): 454-466.

[ ZHU M J, ZHUANG D C, LI T. Spatial characteristics of coal transportation network in China during 1990-2014. Journal of Natural Resources, 2018, 33(3): 454-466.]

[33]
GIRVAN M, NEWMAN M E J. Community structure in social and biological networks. Proc Natl Acad Sci USA, 2001, 99(12): 7821-7826.

DOI

[34]
潘文卿. 中国的区域关联与经济增长的空间溢出效应. 经济研究, 2012, 47(1): 54-65.

[ PAN W Q. Regional linkage and the spatial spillover effects on regional economic growth in China. Economic Research Journal, 2012, 47(1): 54-65.]

[35]
黄杰. 中国能源环境效率的空间关联网络结构及其影响因素. 资源科学, 2018, 40(4): 759-772.

DOI

[ HUANG J. The spatial network structure of energy-environmental efficiency and its determinants in China. Resources Science, 2018, 40(4): 759-772.]

DOI

[36]
张翼. 基于空间关联网络结构的中国省域协同碳减排研究. 统计与信息论坛, 2017, 32(2): 63-69.

[ ZHANG Y. Study on Chinese provincial collaborative carbon reduction based on spatial correlation network structure. Journal of Statistics and Information, 2017, 32(2): 63-69.]

[37]
逯苗苗, 孙涛. 我国雾霾污染空间关联性及其驱动因素分析: 基于社会网络分析方法. 宏观质量研究, 2017, 5(4): 66-75.

[ LU M M, SUN T. An analysis of the spatial correlation and the driving factors of haze pollution in China: An SNA-based approach. Journal of Macro-quality Research, 2017, 5(4): 66-75.]

[38]
刘华军, 杜广杰. 中国雾霾污染的空间关联研究. 统计研究, 2018, 35(4): 3-15.

[ LIU H J, DU G J. Research on spatial correlation of haze pollution in China. Statistical Research, 2018, 35(4): 3-15.]

Options
文章导航

/

〈 〉