EN中文

地理学报 >

2023 , Vol. 78 >Issue 12: 2973 - 2999

DOI: https://doi.org/10.11821/dlxb202312005

产业与区域发展

“三生”功能视角下黄河流域城市人居环境动态演变与机制

  • 赵宏波 , 1 ,
  • 谷天顺 1 ,
  • 孙东琪 2 ,
  • 苗长虹 1
展开
  • 1.河南大学黄河文明与可持续发展研究中心暨黄河文明省部共建协同创新中心，开封 475001
  • 2.中国科学院地理科学与资源研究所 中国科学院区域可持续发展分析与模拟重点实验室，北京 100101

赵宏波(1985-), 男, 河南长垣人, 副教授, 博士生导师, 主要从事经济地理与区域发展研究。E-mail:

收稿日期: 2023-02-10

  修回日期: 2023-08-21

  网络出版日期: 2023-12-18

基金资助

国家自然科学基金项目(42171186)

河南省自然科学基金优秀青年基金项目(232300421101)

河南省高等学校哲学社会科学创新人才支持计划项目(2023-CXRC-14)

收起

Dynamic evolution and influencing mechanism of urban human settlements in the Yellow River Basin from the perspective of "production-living-ecological" function

  • ZHAO Hongbo , 1 ,
  • GU Tianshun 1 ,
  • SUN Dongqi 2 ,
  • MIAO Changhong 1
Expand
  • 1. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization Jointly Built by Henan Province and Ministry of Education, Henan University, Kaifeng 475001, Henan, China
  • 2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2023-02-10

  Revised date: 2023-08-21

  Online published: 2023-12-18

Supported by

National Natural Science Foundation of China(42171186)

Natural Science Foundation for Excellent Young Scholars of Henan Province(232300421101)

Philosophy and Social Science Innovation Talents in Universities of Henan Province(2023-CXRC-14)

Fold

摘要

城市人居环境建设是推动黄河流域高质量发展的重要内容，也是实现流域人地关系协调的综合表征。本文基于“生产—生活—生态”功能视角构建城市人居环境评价指标体系，综合运用灰色关联-TOPSIS、空间马尔科夫链、地理加权随机森林（GWRF）模型等方法，深入剖析2011—2020年黄河流域城市人居环境动态演变与影响机制。结果表明：① 黄河流域城市人居环境总体呈现出东高西低、南高北低的正向聚集空间分布特征，形成以西安市、郑州市、青岛市和济南市为主的人居环境高值区，以铜川市、中卫市和嘉峪关市为主的人居环境低值区。② 黄河流域城市人居环境动态演变具有显著的空间交互作用和动态转移趋同现象，人居环境等级存在一定程度的转移路径“自身锁定”效应，人居环境水平通常只在相邻等级间发生转移，发生跨等级转移的概率较小。③ 人居环境是经济水平、环境质量和社会资源综合作用的结果，经济水平占据主导地位，消费水平、空气质量和交通资源等是影响城市人居环境水平的主要因素。④ GWRF模型能够有效解释影响因素在局部地理空间上所表现出的空间异质性特征，可成为人居环境研究领域一项更有效的解释工具。本文深化了人居环境研究理论方法，并为推动黄河流域人居环境建设和高质量发展提供科学参考。

关键词： “生产—生活—生态”功能; 人居环境; 空间马尔科夫链; 地理加权随机森林模型; 黄河流域

本文引用格式

赵宏波 , 谷天顺 , 孙东琪 , 苗长虹 . “三生”功能视角下黄河流域城市人居环境动态演变与机制[J]. 地理学报, 2023 , 78(12) : 2973 -2999 . DOI: 10.11821/dlxb202312005

Abstract

The construction of urban human settlements is an important content to promote the high-quality development of the Yellow River Basin, and it is also a comprehensive way to realize the coordination of human-earth relations in the watershed. This paper constructs an urban human settlements evaluation index system based on the perspective of "production-living-ecological" function, and comprehensively uses the Grey Relation Analysis-Technique for Order Preference By Similarity To Ideal Solution (GRA-TOPSIS) method, spatial Markov chain, Geographically weighted Random Forest (GWRF) and other methods to analyze the dynamic evolution and influencing mechanism of urban human settlements in the Yellow River Basin (YRB) from 2011 to 2020. The results show that: (1) The urban human settlements in the YRB generally exhibits the positive spatial distribution characteristics of "high in the east and low in the west, high in the south and low in the north", forming a high-value area of the human settlements dominated by Xi'an, Zhengzhou, Qingdao and Jinan, and a low-value area of the urban human settlements dominated by cities of Tongchuan, Zhongwei and Jiayuguan. (2) The dynamic evolution of the urban human settlements in the YRB has significant spatial interaction and dynamic transfer convergence. There is a certain degree of "self-locking" effect of the transfer path at the level of the human settlements. The level of the human settlements usually only transfers between adjacent levels, and the probability of cross-level transfer is small. (3) The human settlements are the result of the comprehensive effects of economic level, environmental quality and social resources. The economic level dominates, while consumption level, air quality, and transportation resources are the main factors that affect the level of urban human settlements. (4) GWRF model can effectively explain the spatial heterogeneity characteristics of influencing factors in the local geographic space. It is expected to become a more effective explanatory tool in the field of human settlements research. This paper deepens the theoretical methods of human settlements research and provides a scientific reference for promoting the construction and high-quality development of the human settlements in the YRB.

Key words： production-living-ecological function; human settlements; spatial Markov-chain; Geographically Weighted Random Forest model; Yellow River Basin

1 引言

人居环境是人类生存和发展的聚居空间，承载着生产、生活与生态等功能的重要场所[1-2]，人居环境质量直接关系到人民群众的获得感与幸福感，满足人民日益增长的美好生活需要离不开适宜的人居环境[3]。黄河流域的自然环境复杂、地域类型多样与经济地位特殊，其人居环境呈现综合、动态和系统性特征。近年来，工业化和城镇化的快速推进对黄河流域人居环境质量产生了极大影响，粗放的发展方式带来城镇、农业和生态空间矛盾加剧，生产功能单一化、生活设施布局失衡化和生态功能紊乱化等问题[4]，黄河流域人居环境的可持续性面临严峻形势和挑战。随着黄河流域生态保护和高质量发展重大国家战略的深入实施，改善人居环境已成为推动黄河流域中国式现代化建设的重要任务。因此，如何科学揭示黄河流域人居环境发展规律，并探索其动态演变特征与影响机制，对推动流域人居环境提升和高质量发展具有重要的意义。
目前国内外学者从地理学、生态学、城市规划等众多学科领域对人居环境开展广泛研究[5]，具有多学科交叉、多视角引入和多方法应用的特征[6⇓-8]。希腊学者Doxiadis在20世纪50年代提出“人类聚居学”概念并推动国外人类聚居研究的发展[9]，国内学者吴良镛先生在“人类聚居学”的基础上进一步提出“人居环境科学”的概念和组成内容，奠定了人居环境研究的理论基础[10]。在实证研究方面，国内外学者越来越关注人居环境质量评价、动态演变与影响机制等热点问题[11⇓-13]，国外学者从人居环境的安全性、公平性、设施便利性等方面，将犯罪、空气污染、卫生健康、娱乐设施等与居民生活密切相关的因素纳入评价指标体系[14⇓⇓-17]。国内学者侧重从自然与人文要素系统构建人居环境评价综合指标体系[18-19]，分析国家、城市群、省域、市域等不同空间尺度的人居环境质量特征[20]。还有学者从主客观比较[21]、乡村振兴[2,22 -23]、社会感知[24⇓-26]、拟态人居[27-28]等研究视角进行多方面探讨。上述已有研究多聚焦于人居环境的“生活和生态”功能方面，较少将生产功能纳入到人居环境测度框架，不利于综合认知人居环境质量特征，忽视了不同功能要素对人居环境的整体作用。
土地利用功能是指土地系统为满足人类需求而直接或间接提供各类产品和服务的能力[29-30]，其本质是由生产、生活与生态等共同构成的功能空间[25]。已有研究表明土地利用功能可以反映特定时空下人居环境系统中居民需求与自然环境的差异[31⇓-33]，土地利用的“生产—生活—生态”功能（简称“三生”功能）协调有利于改善人居环境和增进居民福祉[31,34]。这为量化人居环境质量提供了重要依据，成为研究人居环境问题的新视角。在快速城镇化背景下，黄河流域的地域结构功能遭受冲击，“生产—生活—生态”空间相互侵占挤压造成“三生”功能紊乱失衡，导致人居环境系统的主导功能发生重构并逐渐向复合人居空间转变。因此，提升黄河流域人居环境质量需要综合考虑“三生”功能的空间效应，厘清各功能之间相互作用关系。本文拟从土地利用的“生产—生活—生态”多功能复合的视角，构建黄河流域人居环境评价指标体系，深入探讨研究区人居环境基本特征与关键问题，丰富人居环境评价研究理论框架。
值得注意的是多源数据融合已成为人居环境动态演变研究的新趋势[7]，数据获取方式由问卷调查、深度访谈与官方统计等传统手段逐步向卫星遥感、社交媒体、手机信令等多源大数据拓展。人居环境的研究方法随着数据的多元化也得到持续发展[20]。耦合协调度模型[35]、专家打分法[36]、障碍度模型[37]、健康距离模型[38]等是评价人居环境及其影响因素的常用方法。虽然上述方法在一定程度上揭示人居环境时空格局与演变机制，但对人居环境受区域条件影响所表现出的空间关联及动态转移特征却鲜有研究，缺少与地理时空大数据相结合，综合反映空间动态特征的研究方法。此外，在探究人居环境质量的关键影响因素方面，传统的计量回归模型忽略了因变量在不同空间位置时各自变量重要性所呈现的异质性特征，同时也未能有效处理因变量与自变量之间所存在的非线性关系，进而影响识别人居环境关键因素的准确性。
人居环境与影响因素之间的关系复杂多变，并不总是简单的线性关系[39⇓-41]，为保证分析结果的准确性需要处理局部回归模型中的非线性关系。此外，由于自然环境和社会经济因素在空间分布上的非均衡性导致空间异质性问题长期存在[42-43]，需要将空间异质性引入到研究模型内才能够更好地揭示人居环境影响机制。已有研究方法随机森林（Random Forest, RF）模型能够识别变量间的高维非线性关系却无法处理变量空间异质性问题[44⇓-46]，地理加权回归模型（Geographically Weighted Regression, GWR）充分考虑了空间异质性问题却无法处理变量间所存在的非线性关系[45,47]，由此，本文引入地理加权随机森林模型（Geographically Weighted Random Forest, GWRF）来有效识别黄河流域人居环境的影响因素，该模型是一种局部非线性空间机器学习方法[42]，能够有效处理变量间存在的高维非线性关系和解释变量重要性表现出的空间异质性特征[42,45,47⇓⇓⇓⇓ -52]。
综上，本文研究目的旨在：① 从土地利用的“三生”功能视角出发探讨黄河流域城市人居环境问题，丰富人居环境理论内涵和研究视角；② 采用空间马尔科夫链（Spatial Markov Chain）模型揭示黄河流域城市人居环境在不同区域背景下所表现出的动态演变规律；③ 运用GWRF模型精准识别不同解释变量在局部尺度上影响人居环境的重要性，深入阐述人居环境与影响因素存在的空间异质性特征，并通过探讨其影响机制为黄河流域人居环境建设和高质量发展提供参考，本文的研究框架如图1所示。
图1 研究框架图

Fig. 1 The research framework

2 理论基础、数据处理与研究方法

2.1 理论基础

2.1.1 “三生”功能与人居环境兼容性分析

土地利用功能由土地利用结构的交互过程所决定，并最终服务于国土空间的社会经济发展目标[53]。土地利用功能集聚是“三生”功能形成的本质，表征在一定时期内，人类根据需求对区域内土地进行改造和利用，并获取相关物质产品、非物质产品与服务的能力。其中，生产功能是人类将土地作为劳动对象或载体进行社会生产以获取物质产品及服务的能力[54]；生活功能是土地提供物质保障和空间承载的能力[55]，主要体现在满足居民衣食住行的需求并向其提供宜居舒适的空间；生态功能是土地为人类提供生态产品和生态系统服务的能力[32]，对自然环境发挥着稳定和调节作用。由此，“三生”功能错综交织，构成了复杂稳定的土地利用多功能系统。“三生”功能的强弱反映出土地供给产品和服务能力的强弱，体现土地利用对人居环境带来的影响。
人居环境是人与环境相互作用的结果，与自然生态、社会经济等因素相互响应，高质量的人居环境需要良好的生态功能为基础，来支撑生产、生活功能提供相应生态产品和服务。生活功能是人居环境的核心目的，为人类提供必要的居住、消费、出行、教育等基本服务。生产功能是人居环境的重要保障，为满足人类的生存和生计需要所提供的农产品、商品、工业品等物质产品和经营服务。依据吴良镛提出的人居环境科学理论，即人居环境由自然、人类、社会、居住和支撑5大系统组成[10]。其中，自然系统主要由水文、气象、地形地貌等自然环境要素构成，人类系统主要涉及人类的物质与精神需求、行为方式等，社会系统主要包括经济、教育、医疗等要素在内的人类交往体系，居住系统主要指为人类活动提供庇护的空间载体，支撑系统主要涉及人类居住和活动场所的基础设施。因此，5大系统确立了人居环境的内容维度，并构成了人居环境系统的基本要素[56]。
通过“三生”功能和人居环境的兼容性分析可知，自然系统是人类聚居产生的基础和可持续性人居的关键，为人居环境提供健康稳定的生态服务和产品是生态功能和自然系统共同的目标；社会系统和人类系统是人居环境的基本前提和核心目的，生产功能与社会、人类系统二者关联密切，都强调满足人类物质产品和需求等；居住系统和支撑体系是人居环境的物质载体，生活功能与居住、支撑系统二者十分契合，都服务于居民日常生活、生存发展等福祉需求[1]。因此，“三生”功能与人居环境系统的目标、内涵高度契合[2]，“三生”功能是以土地利用多功能性为基础对人居环境本质的概括凝练。人居环境系统持续通过物质、能量和信息交换，在功能上实现生产、生活和生态的有机协调。当“三生”功能处于运行有序、均衡协调的良性循环时，人居环境系统相应地呈现出集约高效、生活便利与环境舒适的宜居状态。综上所述，“三生”功能与人居环境的5大子系统兼容性良好，为本文研究提供了扎实的理论依据（图2）。
图2 基于“三生”功能的黄河流域人居环境理论研究框架

Fig. 2 Theoretical research framework on human settlements of the Yellow River Basin based on "production-living-ecological" function

2.1.2 “三生”功能下黄河流域人居环境评价指标体系构建

基于上述人居环境理论研究框架，参考2022年住房和城乡建设部印发的《中国人居环境奖评选标准》以及吴良镛先生《人居环境科学导论》中的相关理论[10]，结合黄河流域人居环境建设的现实需求，从“三生”功能视角构建人居环境评价体系。为保证指标选取的科学性，运用相关分析考察各要素之间相关性，综合分析剔除高度相关变量（Pearson's R > 0.80），最终得到24项指标（表1），并通过对指标数据进行信度检验发现其信度较高（Cronbach's α = 0.83），说明该指标体系可以保证人居环境测度结果的可靠性。
表1 “三生”功能视角下黄河流域城市人居环境评价指标体系

Tab. 1 Evaluation index system of urban human settlements in the Yellow River Basin from the perspective of "production-living-ecological" function

目标层 准则层 指标层 指标权重 指标属性 数据类型 参考文献
生产功能
(0.341)
 农业生产功能 土地垦殖率 0.052 + 土地利用数据 [62, 63]
人均粮食产量 0.054 + 统计数据 [63, 64]
农林牧渔业产值 0.104 + 统计数据 [64, 65]
非农业生产
功能		 公司企业密度 0.223 + POI数据 [55, 66]
金融保险水平 0.198 + POI数据 [55, 67]
仓储物流水平 0.191 + POI数据 [55, 66]
工业园区密度 0.177 + POI数据 [55, 66]
生活功能
(0.336)
 社会保障
功能		 城镇等级失业人数 0.120 - 统计数据 [38, 68]
职工平均工资 0.110 + 统计数据 [1, 28]
居民受教育比例 0.089 + 统计数据
公共服务
功能		 科教文化水平 0.144 + POI数据 [66, 69]
餐饮服务水平 0.137 + POI数据 [69, 70]
医疗保健水平 0.147 + POI数据 [67, 69]
购物服务水平 0.135 + POI数据 [69, 71]
交通服务水平 0.118 + [67, 70]
生态功能
(0.323)
 生态压力 二氧化硫排放量 0.064 - 统计数据 [28, 72]
PM2.5平均浓度 0.108 - 空气污染数据 [62]
人均氨氮排放量 0.050 - 统计数据 [55, 73]
人均化学需氧量排放量 0.087 - 统计数据 [60, 73]
生态承载
能力		 地形起伏度 0.058 - DEM [69, 74]
植被指数 0.086 + MODIS [36, 70]
温湿指数 0.135 + 气象数据 [18, 75]
水文指数 0.174 + 土地利用、气象数据 [18, 74]
产水模数 0.240 + 统计数据 [73]

注：括号内为指标权重。

人居环境具有系统性和多维度特征。黄河流域作为中国重要的粮食安全保障区和经济地带，生产功能指标的选取确保与黄河流域作为典型农业生产区和处于经济结构优化关键期的实际相符合。生产功能由农业生产、工业与服务业等产品提供[57]，主要通过农业生产活动与工业、金融业、服务业等非农业部门的生产活动来表现。生活功能体现在公共服务设施供给与居民生活保障能力。公共设施服务水平与居民生活质量密切相关[58]，完善的公共服务能为居民创造稳定和谐的居住环境[32]，生活保障能力对居民生活品质和社会福利具有显著影响[59]。生态功能的强弱是由生态压力和生态承载能力共同作用的结果[60]，生态压力主要表征存在的环境污染问题[61]，对区域生态安全意义重大。此外，本文在生态功能指标构建过程中加入了相关特色指标（水文指数、产水模数、人均氨氮排放量、人均化学需氧量排放量）来反映黄河流域的生态环境特征。

2.1.3 黄河流域人居环境水平影响因素选取

基于已有研究成果[28,38,72]和2007年建设部颁布的中国《宜居城市科学评价标准》，选取了包括经济水平、环境质量和社会资源3个维度的相关指标进行黄河流域城市人居环境影响因素分析。为保证指标选取的科学性，运用相关分析剔除高度相关变量（Pearson's R > 0.80），最终得到12项指标（表2）。
表2 黄河流域城市人居环境水平影响因素指标

Tab. 2 Indexes of influencing factors of urban human settlements level in the Yellow River Basin

准则层 表征层 指标层 符号 单位 参考文献
经济水平 生活水平 人均GDP PCGDP 元 [28]
收入水平 在岗职工平均工资 ES 元 [1, 68]
支出水平 恩格尔系数 EC % [38, 72]
消费水平 人均社会消费品零售额 GRS 元 [38, 80]
环境质量 植被状况 建成区绿化覆盖率 GCR % [18, 39]
空气质量 PM2.5平均浓度 PM2.5 μg/m3
绿地状况 人均公园绿地面积 PG m2 [28, 35]
污水处理 城镇污水集中处理率 STR % [68]
社会资源 教育资源 中小学师生比 TSR % [81]
交通资源 每万人拥有公交数 BN 辆 [1, 35]
医疗资源 每千人拥有的医疗床位数 MN 张 [39]
通信资源 通讯指数 CI % [72, 80]
经济水平可以反映城市居民物质生活质量，是居民拥有良好生活的物质保障[72]，主要表现为生活水平、收入水平、支出水平和消费水平4个方面[76]。环境质量作为居民享有高品质居住环境的基础条件，是人居环境形成和发展的基础[27]，选取了植被状况、空气质量、绿地状况和污水处理状况来表征环境质量。植被绿地不仅对沙尘暴和水土流失具有抑制作用[75]，还可以通过吸收污染物起到减轻环境污染和缓解城市热岛效应的作用；PM2.5作为影响城市空气质量的主要污染物，不仅降低了城市能见度，还对居民健康构成严重威胁[77]；由于人口和经济要素的高度集中，城市地区面临着严峻的水环境恶化、饮用水污染问题[78]。选取建成区绿化覆盖率、PM2.5平均浓度、人均公园绿地面积、城镇污水集中处理率来表征区域的植被状况、空气质量、绿地状况和污水处理状况。社会资源是城市人居适宜性评价的核心要素，主要包括教育、医疗、交通和通信4个方面，直接影响着居民的生活便利程度。教育资源反映着教育的空间公平性，已成为居民日常关注的焦点[79]；医疗资源影响着区域医疗系统的服务能力和居民健康安全的保障水平；交通资源影响着居民日常出行通勤效率；通信资源关系到居民对外联系的便利程度。选取中小学师生比、每万人拥有公交数、每千人拥有的医疗床位数、通讯指数来表征区域的教育资源、交通资源、医疗资源和通信资源状况。

2.2 数据处理

本文数据时间跨度为2011—2020年，为保持数据的空间一致性，利用投影转换工具将兴趣点（Point of Interests, POI）、遥感影像等空间数据统一至WGS 84坐标系及UTM投影。数据处理步骤为：① 统计数据来自2012—2021年的《中国城市统计年鉴》、各省市统计年鉴与水资源公报，个别缺失指标采用数据插值法进行填补，运用空间连接工具将社会经济等属性统计数据转换为空间数据。② POI数据源自高德地图API接口，利用添加XY数据、裁剪工具将其转换为空间数据，再运用核密度分析、分区统计工具获取相应指标数据。③ 30 m分辨率的土地利用数据源自武汉大学CLCD数据集（http://doi.org/10.5281/zenodo.4417809），其整体精度优于MCD12Q1、ESACCI_LC、FROM_GLC和GlobeLand 30产品[82]，运用面积制表、分区统计工具获取相关指标数据。④ 30 m分辨率的DEM数据源自NASA官网（https://earthdata.nasa.gov/），运用掩膜提取、焦点统计、栅格计算工具获取相应指标数据。⑤ PM2.5平均浓度数据源自圣路易斯华盛顿大学大气成分分析组（https://sites.wustl.edu/acag/datasets/surface-pm2-5/#V5.GL.02），运用创建NetCDF栅格图层、空间插值、掩膜提取工具获取相应指标数据。⑥ 植被数据来源于中国科学院资源环境科学数据中心（https://www.resdc.cn/），水文指数和温湿指数所需的降水量、温度、相对湿度气象数据来源于国家气象信息中心（https://data.cma.cn/）。⑦ 运用极差标准化方法对指标数据进行无量纲化处理，部分指标具体计算公式详见表3。
表3 黄河流域城市人居环境指标计算方法

Tab. 3 Computing methods of urban human settlements indicators in the Yellow River Basin

指标 计算公式 变量含义
地形起伏度 R A i = E m a x - E m i n RAi表示以第 i位栅格为中心的窗口内的相对高差值；Emax、Emin分别表示该窗口内的最大高程值、最小高程值[83]
水文指数 W R I = α P + β W a WRI为水文指数；P为归一化降水量；Wa为归一化水域面积比重；α和β分别为P和Wa的权重，本文α和β分别取0.2和0.8[74]
温湿指数 T H I = T - 0.55 ( 1 - f ) × ( T - 58 )
THI为温湿指数；T为月平均华氏温度；t为月平均气温；f为相对湿度[74]
土地垦殖率 L R R = C / H × 100 % LRR为土地垦殖率；C为耕地面积；H为土地总面积
居民受教育比例 P R E = ( P + M + V + C ) / P u PRE为人口受教育比例；P为小学在校人数；M为中学在校人数；V为中等职业学校在校人数；C为高等学校在校人数；Pu为城市人口数
通讯指数 C I = ( G + T + S ) / J G为年末固定电话用户数；T为互联网宽带使用户数；S为移动电话用户数；J为年末总人口数

2.3 研究方法

2.3.1 灰色关联TOPSIS法

灰色关联TOPSIS法是指将灰色关联理论与TOPSIS模型相结合[84]，它能以更准确客观的方式来衡量备选方案与理想方案间的接近程度[85-86]。本文选取灰色关联TOPSIS法测度黄河流域城市人居环境水平，具体计算步骤如下：
（1）计算指标权重：通过极差标准化方法对原始数据进行标准化处理并得到标准化值Yij，运用层次分析法和熵权法相结合的主客观综合赋权法求取各要素的权重值Wj，其中i为第i个城市，j为第j项指标。
（2）构建加权规范化矩阵V：
V i j = Y i j × W j
（3）确定最优解 V +和最差解 V -：
V j + = m a x v i j | j = 1 ,   2 ,   ⋯ ,   n = v 1 + ,   v 2 + ,   ⋯ ,   v n +
V j - = m i n v i j | j = 1 ,   2 ,   ⋯ ,   n = v 1 - ,   v 2 - ,   ⋯ ,   v n -
式中： v i j表示第i个城市第j项指标的加权规范化值； V j +为第j项指标最优解； V j -为第j项指标最差解；n为指标数。
（4）计算各评价对象与最优解、最差解的欧氏距离：
D i + = ∑ j = 1 n ( v i j - v j + ) 2           i = 1 ,   2 ,   ⋯ ,   m
D i - = ∑ j = 1 n ( v i j - v j - ) 2           i = 1 ,   2 ,   ⋯ ,   m
式中： D +为评价向量与最优目标的接近程度，其值越小，表明人居环境水平越高； D -为评价向量与最差目标的接近程度，其值越小，表明人居环境水平越低；m为城市数量。
（5）计算灰色关联度。① 以加权标准化矩阵为基础，计算第i位城市与最优解关于第j项指标的灰色关联系数 γ i j +：
γ i j + = m i n i   m i n j v j + - v i j + ζ m a x i   m a x j v j + - v i j v j + - v i j + ζ m a x i   m a x j v j + - v i j
式中： m i n i   m i n j v j + - v i j为两级最小差； m a x i   m a x j v j + - v i j为两级最大差； ζ为分辨系数，取值介于0~1之间，一般取0.5，则各样本与最优解的灰色关联系数矩阵为：
γ + = γ 11 + γ 12 + ⋯ γ 1 n + γ 21 + γ 22 + ⋯ γ 2 n + ⋮ ⋮ ⋯ ⋮ γ m 1 + γ m 2 + ⋯ γ m n +
第i位城市与最优解之间的关联度：
γ i + = 1 n ∑ j = 1 n γ i j +               i = 1 ,   2 , ⋯ ,   m
② 计算第i位城市与最差解有关第 j项指标的灰色关联系数 γ i j -：
$\gamma_{i j}^{-}=\frac{\min _{i} \min _{j}\left|v_{j}^{-}-v_{i j}\right|+\zeta \max _{i} \max _{j}\left|v_{j}^{-}-v_{i j}\right|}{\left|v_{j}^{-}-v_{i j}\right|+\zeta \max _{i} \max _{j}\left|v_{j}^{-}-v_{i j}\right|}$
则各城市与最差解的灰色关联系数矩阵为：
γ - = γ 11 - γ 12 - ⋯ γ 1 n - γ 21 - γ 22 - ⋯ γ 2 n - ⋮ ⋮ ⋯ ⋮ γ m 1 - γ m 2 - ⋯ γ m n -
第i位城市与最差解间的关联度：
γ i - = 1 n ∑ j = 1 n γ i j -               i = 1 ,   2 , ⋯ ,   m
（6）计算相对贴近度。① 分别对欧氏距离和灰色关联度进行标准化处理：
φ i = Φ i m a x 1 ≤ i ≤ m Φ i               i = 1 ,   2 , ⋯ ,   m
式中： φ i代表 D i +、 D i -、 γ i +和 γ i -； d i +、 d i -、 r i +和 r i -分别代表标准化后的值。
② 综合标准化后的欧氏距离和灰色关联度： d i -和 r i +的值越大，表明i城市人居环境水平越接近理想值； d i +和 r i -的值越大，则i城市人居环境水平越偏离理想值，得到：
T i + = e 1 d i - + e 2 r i +               i = 1 ,   2 , ⋯ ,   m
T i - = e 1 d i + + e 2 r i -               i = 1 ,   2 , ⋯ ,   m
式中：e1和e2表示决策主体对各指标的正负理想解和空间位置的偏好程度，e1 +e2 =1，一般e1 = e2 =0.5； T i +和 T i -分别反映了各城市与最优解和最差解的接近程度。
③ 计算各评价单元与最优解的相对贴近度：
C i = T i + T i + + T i -               i = 1 ,   2 , ⋯ ,   m
式中：Ci为i城市人居环境水平，值在0~1之间，其值越大表示该城市越贴近最优解，人居环境水平越高，反之则越低。

2.3.2 空间马尔科夫链

空间马尔科夫链本质上是将马尔科夫方法与“空间滞后”概念相结合[87]，用于刻画研究对象在不同时期的动态演变过程[88]。将人居环境离散为k种类型，传统的N×N阶等级转移概率矩阵分解为k种类型的N×N阶转移概率矩阵，可以直观反映出人居环境等级在不同邻域背景下提升或降低的可能性。第N项条件矩阵中，元素mij(k)表示空间滞后类型为k时，t年到 t + 1年某城市a的人居环境等级转移到等级j的概率。空间滞后值的计算公式为：
L a g a = ∑ b = 1 n ( Y b W a b )
式中：Laga为城市a的空间滞后值；Yb为城市b的观测值；n为研究区城市总个数；Wab为空间权重矩阵（采用邻接权重矩阵），表示城市a与城市b之间的空间关系。

2.3.3 地理加权随机森林

地理加权随机森林（GWRF）模型属于传统随机森林（RF）方法的“空间”延展[42]。GWRF模型基于空间变化系数模型的概念，由多个局部RF子模型组成，无需假设数据服从高斯分布[50]，可作为有效应对空间异质性和处理非线性关系的解释和预测工具[42]。本文中GWRF模型采用R语言“Spatial ML”包实现，传统RF回归方程的简化表达式为[42]：
Y i = a x i + e
式中：Yi是第i位观测的因变量；axi是基于一组x项自变量的RF非线性预测；e是误差项。式（17）通过输入整个变量数据集而形成，而未考虑变量的空间分布特征。
GWRF模型在RF模型中加入变量的空间位置信息，通过与处于不同空间位置的变量数据集拟合，得到各个地理空间单元根据变量观测值所生成的局部RF子模型。方程为[42]：
Y i = a ( u i ,   v i ) x i + e
式中： a ( u i ,   v i ) x i是在位置i上校准的RF模型的预测； ( u i ,   v i )是空间单位i的坐标。
GWRF模型为每个变量的空间位置都建立一个RF子模型，子模型运行的区域称为邻域（或内核），数据点与其内核之间的最大距离称为带宽。邻域（内核）是基于距离阈值（带宽固定内核）或最近邻的数量（自适应内核）创建的。当空间采样点密度存在差异时，自适应内核为首选[42,50]。

3 研究区概况

本文以黄河流域自然流经范围为主体，考虑行政单元的完整性以及各省（区）经济社会发展与黄河流域的关联性，并参考相关研究成果[89⇓-91]，选取黄河流域的青海、甘肃、宁夏、内蒙古（不含蒙东地区）、山西、陕西、河南和山东等8个省（区）作为研究范围（图3），共91个城市，其中可获得数据的有79个城市。依据2016年印发的《长江经济带发展规划纲要》和《东北振兴“十三五”规划纲要》等文件，四川和蒙东地区分别划入长江经济带和东北地区，故未将上述区域包括到本文黄河流域研究范围。黄河流域是进行土地利用功能协调发展和人居环境研究的理想区域。首先，黄河流域是受人地关系影响最为强烈的区域之一，由于自然环境、地理区位的特殊性导致其人居环境始终面临严重挑战[92]。其次，黄河流域作为国家政策实施的重点区域[93]，退耕还林、西部大开发战略、产业转移等政策深刻影响了流域地区的土地利用功能空间分布格局。再次，由于黄河流域“上游落后、中游崛起、下游发达”的阶梯状发展格局，流域内居民生活质量存在较大差异。最后，面对黄河流域生态保护和高质量发展的重大国家战略需求，土地利用的“三生”功能为黄河流域高质量发展提供重要保障，人居环境质量是黄河流域人地关系协调的综合体现。但目前对黄河流域人居环境问题的实证量化研究仍较为鲜见。
图3 研究区概况

Fig. 3 Overview of the research area

4 黄河流域人居环境动态演变特征

4.1 黄河流域城市人居环境时空分异特征

4.1.1 城市人居环境时序演化特征

由表4可知：① 总体上，2011—2020年黄河流域城市人居环境指数从0.460略微下降到0.414，年均值降幅为10%，表明10年间城市人居环境水平总体不高。标准差系数在[0.149,0.175]范围内波动，呈现先下降后上升的趋势，表明黄河流域各地区人居环境水平存在差异性且离散程度变大。② 2011年、2015年和2020年城市人居环境指数的全局Moran's I值分别为0.443、0.277和0.258，且P值均通过显著性检验，表明黄河流域城市人居环境水平呈现出显著的正向集聚态势。但Moran's I值总体呈下降趋势，说明人居环境水平空间聚集程度有所下降。③ 从空间变化趋势来看（图4），2011—2020年黄河流域城市人居环境水平总体呈现东高西低、南高北低的分异特征，而东西方向分异要比南北方向明显。人居环境水平在东西方向和南北方向趋势面的变化具有稳定性，具体表现为由西向东和由北向南逐渐上升的变化特征。
表4 2011—2020年黄河流域城市人居环境水平变化分析及Moran's I值

Tab. 4 Change analysis of the urban human settlements level in the Yellow River Basin from 2011 to 2020 and Moran's I value

年份 描述性统计 空间自相关指数
平均值 标准差 Moran's I Z得分 P值
2011 0.460 0.158 0.443 5.955 0.000
2015 0.463 0.149 0.277 3.810 0.000
2020 0.414 0.175 0.258 3.568 0.001
图4 2011—2020年黄河流域城市人居环境水平空间变化趋势

Fig. 4 Spatial change trend of urban human settlements level in the Yellow River Basin from 2011 to 2020

4.1.2 城市人居环境空间分异特征

总体来看（图5）：① 2011—2020年黄河流域城市人居环境低水平城市数量不断减少，中等水平及以上水平城市数目不断增加。2011年城市人居环境低水平城市数量最多，主要分布在甘肃西部、陕西中部和山西北部，高水平城市仅为西安市；2015年低水平城市数量最少，相较于2011年其数目减少约63%；2020年高水平城市数量增加为8个，西安市在研究期内均为人居环境高水平城市。② 黄河流域城市人居环境水平呈现上游低—下游高以及中心城市高、周边城市低的“核心—外围”特征。2011—2020年城市人居环境高水平和低水平城市空间分布格局较为稳定，高水平城市大多是流域的省会城市，较高水平城市分布于省会城市四周，西安市、郑州市、青岛市和济南市等城市成为人居环境水平的高值区。城市人居环境低水平城市主要分布在流域上游地区，铜川市、中卫市和嘉峪关市等城市成为人居环境水平的低值区，人居环境较低水平与中等水平城市则集聚在黄河流域中部地区。
图5 2011—2020年黄河流域城市人居环境水平空间分布状况

Fig. 5 Spatial distribution of urban human settlements level in the Yellow River Basin from 2011 to 2020

2011—2020年黄河流域“三生”功能水平整体呈现“上游—中游—下游”阶梯式递增的空间变化格局（图6）。① 人居环境生产功能维度。黄河流域的生产功能不断完善，城市生产功能由中低水平为主逐渐转变为中高水平为主。2011—2020年生产功能维度空间差异明显，主要表现为上游低、下游高的空间分布特征。生产功能较高水平城市数量明显增多，主要分布在黄河流域省会及中心城市，比如西安市、郑州市、济南市和青岛市等。生产功能低水平城市明显减少，主要集聚在流域上游甘肃省内，比如陇南市、平凉市和嘉峪关市等城市。② 人居环境生活功能维度。黄河流域生活功能低水平城市数量仍相对较多，特别是上游城市的生活功能亟需完善提升。2011—2020年生活功能维度的空间分异显著，内蒙古、甘肃西部、山西北部和河南南部的生活功能水平变化尤为突出。其中包头市—呼和浩特市—鄂尔多斯市和南阳市—信阳市连片区城市生活功能明显提升，朔州市—大同市和安康市—商洛市连片区生活功能水平有所下降。③ 人居环境生态功能维度。黄河流域生态功能提升较大，城市生态功能由低水平为主转变为中高水平为主。2011—2020年生态功能维度呈现南高北低的空间分布特征。生态功能中高水平城市集中分布在汉中市、安康市、信阳市和日照市等地区，低水平城市则是分布于黄河流域中西部，比如阳泉市、铜川市、中卫市、石嘴山市等地区，值得注意的是，除青岛市、济南市外，其他中心城市的生产功能均处于中低水平。
图6 2011—2020年黄河流域城市人居环境“三生”功能水平空间分布状况

Fig. 6 Spatial distribution of the "production-living-ecological" function level of urban human settlements in the Yellow River Basin from 2011 to 2020

4.2 黄河流域城市人居环境动态转移特征

本文利用空间马尔科夫链构建人居环境的等级概率转移矩阵，揭示黄河流域人居环境质量动态转移与演变趋势。参考上述黄河流域城市人居环境时空分布特征，将城市人居环境等级分为低水平、较低水平、中等水平、较高水平和高水平5类（简称LL、RLL、ML、RHL、HL）。
由图7和图8可知：① 空间邻域条件在黄河流域城市人居环境时空演变过程中发挥重要作用。当邻域条件不同时，城市人居环境等级间的转移概率具有很大差异。比如当城市以LL等级为邻域背景时，RLL等级转为ML等级的概率为16.67%，而以RHL等级为邻域背景时，RLL等级转为ML等级的概率为0。② 当城市与人居环境高水平区域为邻域时，其人居环境等级向上转移的概率将会增加，比如当城市处于人居环境HL邻域背景时，LL等级上升为RLL等级的概率（61.54%）大于城市邻域背景为RHL等级时LL等级上升为RLL等级的概率（0）；当城市与人居环境低水平区域相邻时，其等级向下转移概率亦会增加。当城市处于人居环境LL邻域背景时，ML等级下降为RLL等级的概率（66.67%）要大于城市邻域背景为RLL等级时ML等级下降为RLL等级的概率（17.39%）。这表明受邻域条件影响，城市人居环境水平存在动态转移趋同现象。③ 城市人居环境等级存在一定程度的转移路径“自身锁定”效应，即当邻域条件不同时，多数城市人居环境水平保持其自身不变的概率要大于其向上或向下转移的概率。比如RLL、ML和RHL为邻域背景时，ML保持自身不变的概率为73.91%、94.44%、71.43%，均大于其向上转移和向下转移的概率。综上，基于邻域背景下的黄河流域城市人居环境存在显著的空间交互作用，城市人居环境会受到相邻地理空间人居环境水平差异的影响。
图7 黄河流域城市人居环境等级空间马尔科夫转移矩阵

Fig. 7 Spatial Markov transfer matrix of urban human settlements level in the Yellow River Basin

图8 2011—2020年黄河流域城市人居环境等级转移特征的空间分布格局

Fig. 8 Spatial distribution pattern of the hierarchical transfer characteristics of urban human settlements level in the Yellow River Basin from 2011 to 2020

5 黄河流域城市人居环境的影响机制分析

黄河流域城市人居环境水平受多重因素综合作用，为精准识别城市人居环境动态演变的影响因素，本文采用GWRF模型对2011—2020年黄河流域79个城市的12个变量进行测算（表2）。为避免GWRF模型过度拟合，使用随机网格搜索法来确定超参数的最佳值，经过十折交叉验证测试超参数值的各种组合后，将其设置为：adoptive kernel, bandwidth =79, ntree =500, mtry =4，模型最终的拟合优度R2分别为0.86、0.88和0.89，说明GWRF模型对人居环境影响因素的解释力较高。本文选用均方误差增加量（ % I n c M S E）来衡量特征重要性， % I n c M S E值越大，变量越重要。

5.1 影响因素的总体性分析

总体性分析围绕人居环境表征层和准则层两部分展开，2011—2020年黄河流域城市人居环境水平影响因素的重要性变化情况如图9所示。① 从表征层来看，2011年影响人居环境水平的5大重要因素是人均社会消费品零售额（GRS）、每万人拥有公交数（BN）、PM2.5平均浓度（PM2.5）、城镇污水集中处理率（STR）和人均GDP（PCGDP），2015年5大重要因素是GRS、通讯指数（CI）、PM2.5、BN、人均公园绿地面积（PG），2020年5大重要因素是GRS、BN、PM2.5、PCGDP、在岗职工平均工资（ES）。由此可见，GRS、BN、PM2.5和PCGDP等因素是2011—2020年影响黄河流域人居环境水平的主要因素。② 从准则层来看，2011—2020年经济水平在三大准则层中重要性排名始终处于第1位，2015年社会资源和环境质量重要性排名分别由第3位升至第2位、由第2位降低第3位，该排名至2020年仍保持不变（图10）。经济水平是影响黄河流域人居环境质量的主导性因素，城市人居环境的提升依赖于城市整体消费水平和生活水平的提高；社会资源是城市人居环境改善的关键保障，且其重要性在逐步提升；环境质量是影响居民生活质量的基础性因素，其对城市人居环境承载能力产生重要影响。
图9 2011—2020年黄河流域城市人居环境影响因素重要性比较

Fig. 9 Comparison of the importance of impact factors of urban human settlements in the Yellow River Basin from 2011 to 2020

图10 2011—2020年黄河流域城市人居环境准则层重要性比较

Fig. 10 Comparison of the importance of urban human settlements criteria layers in the Yellow River Basin from 2011 to 2020

5.2 影响因素的空间异质性

为深入探讨黄河流域城市人居环境影响因素的空间异质性，进而精准识别不同城市人居环境影响因素作用过程，本文基于GWRF模型分析结果绘制了经济水平、环境质量和社会资源3个准则层2011—2020年黄河流域城市人居环境影响因素重要性的时空格局图（图11~图13）。可知，各影响因素的重要性表现出显著的空间异质性特征。本文根据影响因素重要性值的大小依次划分为高值区和低值区，即数值对应的绿色区域定义为高值区，数值对应的红色区域定义为低值区，高值区表示影响因素的重要性较高，对人居环境的影响程度较强，反之亦然。
图11 2011—2020年经济水平准则层下黄河流域城市人居环境影响因素重要性的时空分布格局

Fig. 11 Spatiotemporal distribution pattern of the importance of impact factors of urban human settlements in the Yellow River Basin under the economic level criteria layer from 2011 to 2020

图12 2011—2020年环境质量准则层下黄河流域城市人居环境影响因素重要性的时空分异格局

Fig. 12 Spatiotemporal differentiation pattern of the importance of impact factors of urban human settlements in the Yellow River Basin under the environmental quality criteria layer from 2011 to 2020

图13 2011—2020年社会资源准则层下黄河流域城市人居环境影响因素重要性的时空分异格局

Fig. 13 Spatiotemporal differentiation pattern of the importance of impact factors of urban human settlements in the Yellow River Basin under the social resource criteria layer from 2011 to 2020

5.2.1 经济水平

图11为2011—2020年经济水平准则层下人居环境影响因素重要性的时空分布格局。人均社会消费品零售额（GRS）对人居环境变化的作用程度最高，恩格尔系数（EC）的作用程度最低。从各影响因素重要性整体变化来看，人均GDP（PCGDP）对城市人居环境作用程度的高值区由郑州市、许昌市、淄博市等为主转变为以菏泽市、驻马店市、吕梁市为主，低值区由陇南市、庆阳市、中卫市等黄河流域中西部城市为主逐渐减少以包头市、天水市、商洛市等为主。在岗职工平均工资（ES）作用程度高值区由信阳市、太原市为主扩散至以渭南市、临汾市、郑州市等为主，而低值区空间分布格局较为分散。EC作用程度高值区由巴彦淖尔市、吴忠市、平凉市等为主转变为以忻州市、德州市、安阳市、安康市等为主，低值区由陇南市、延安市、包头市等为主转变为以包头市、白银市、汉中市等为主。GRS作用程度的空间格局变化显著，高值区由河南省东南部、山东省中部、陕西省西北部城市为主转变为以黄河流域西南部城市为主，低值区由分布零散于金昌市、三门峡市、晋城市等转变为以黄河流域中东部城市为主。

5.2.2 环境质量

图12为2011—2020年环境质量准则层下人居环境影响因素重要性的时空分布格局。PM2.5平均浓度（PM2.5）对人居环境变化的作用程度最高，而2011年人均公园绿地面积（PG）的作用程度最低，2015年城镇污水集中处理率（STR）的作用程度最低，2020年建成区绿化覆盖率（GCR）的作用程度最低。从各影响因素重要性整体变化来看，GCR对城市人居环境作用程度高值区由黄河流域南部（南阳市、安康市、陇南市等）和北部（呼和浩特市、巴彦淖尔市、鄂尔多斯市等）城市为主转变为以中部（新乡市、吕梁市、西安市等）城市为主，低值区由庆阳市、焦作市、淄博市等为主减少至以乌海市、银川市、洛阳市为主；PM2.5作用程度高值区由滨州市、威海市、陇南市为主转变为以驻马店市、金昌市、兰州市为主，低值区由郑州市、榆林市、忻州市等在内黄河流域中东部城市为主减少至以大同市、鹤壁市、西安市等为主；PG作用程度高值区由甘肃省西北部、陕西省南部、山西省西部、河南省西部为主转变为以黄河流域东北部城市为主，而低值区由晋中市、延安市为主扩散至以德州市、安阳市、焦作市等为主；STR作用程度高值区由黄河流域北部（包头市、鄂尔多斯市、忻州市等）和东部（威海市、东营市、青岛市）城市为主收缩至以长治市、周口市、金昌市为主，而低值区由河南省中部、山西省西南部城市为主逐渐分散至黄河流域其他地区。

5.2.3 社会资源

图13为2011年—2020年社会资源准则层下人居环境影响因素重要性的时空分布格局。中小学师生比（TSR）对人居环境变化的作用程度最低，而2011年和2020年每万人拥有公交数（BN）的作用程度最高，2015年则是通讯指数（CI）的作用程度最高。从各影响因素重要性整体变化来看，中小学师生比（TSR）对城市人居环境作用程度的高值区由商洛市、阳泉市转变至以潍坊市、临沂市、渭南市等为主，低值区由吴忠市、南阳市、长治市等为主转变为以济南市、聊城市、驻马店市等为主。BN作用程度高值区由甘肃省西北部、山西省东南部、河南省西部城市为主减少至以鄂尔多斯市、洛阳市为主，而低值区由乌海市转移至以黄河流域中部（临汾市、运城市）、西南部（陇南市、商洛市）和西北部（张掖市、酒泉市）城市为主。每千人拥有的医疗床位数（MN）作用程度高值区由榆林市、张掖市、金昌市等为主转变为以黄河流域中北部城市（白银市、西宁市、巴彦淖尔市等）为主，低值区由济宁市、周口市、阳泉市等为主减少至以泰安市、乌海市、渭南市为主。CI作用程度高值区由三门峡市、渭南市、白银市为主演变为以安阳市、中卫市、庆阳市等为主，低值区由武威市、商丘市、酒泉市为主转变为以新乡市、白银市、兰州市为主。

5.3 人居环境演变的影响机制

城市人居环境是经济水平、环境质量和社会资源等因素综合作用的结果，但各种影响因素的重要性随着时间变化而存在显著空间差异，不同发展阶段人居环境动态演变的主要影响因素也存在差别。基于此，本文探讨“三生”功能视角下黄河流域人居环境动态演变的影响机制（图14）。
图14 “三生”功能下黄河流域城市人居环境影响机制

Fig. 14 The influencing mechanism of urban human settlements in the Yellow River Basin under "production-living-ecological" function

（1）经济水平在“三生”功能人居环境系统中起着主导性作用。居民的生活水平、收入水平与消费水平为黄河流域城市人居环境的改善提供重要物质保障，促进居住条件与生活质量的提升。在黄河流域高质量发展背景下，沿黄城市居民的生活与收入水平提高可为人居环境的改善带来机遇，推动城市发展更加注重完善土地利用的生产、生活功能进而提高人居环境质量。
（2）环境质量在“三生”功能人居环境系统中具有基础性作用。空气质量、污水处理与植被绿地覆盖状况等要素可为居民提供舒适宜居环境和生态服务功能。大气污染防治水平和污水处理能力关乎居民身体健康与生活质量，绿地及植被覆盖状况与缓解热岛效应、调节局部气候、增加空间舒适度等密切相关，改善城市绿化覆盖水平为提升黄河流域人居环境适宜性提供重要路径。
（3）社会资源在“三生”功能人居环境系统中发挥关键性作用。社会资源主要表现为交通、通信、医疗、教育等要素，这些要素与城市功能关系密切并对人居环境提升产生促进作用。交通和通讯作为支撑黄河流域城市人口与信息流动的重要资源，随着不同发展阶段居民生活方式的改变，推动城市功能的便捷性、舒适性与多元性[94-95]。医疗教育资源是城市居民基本的需求，提高医疗教育水平可有效改善城市生活功能及人居环境质量。
综上，在经济水平、环境质量和社会资源等多重要素的综合作用下，黄河流域城市“三生”功能逐渐趋于有序协调，生产功能实现集约高效、生活功能得到有序提升、生态功能趋于协调完善，黄河流域城市人居环境走向运行有序、均衡协调的良性循环过程。

6 结论与讨论

6.1 结论

本文以“三生”功能为视角构建了人居环境评价体系，以探讨2011—2020年黄河流域城市人居环境水平的动态演变过程与影响机制，主要结论如下：
（1）时空格局特征方面，2011—2020年黄河流域城市人居环境水平总体呈现东高西低、南高北低的空间分布特征，形成以西安市、郑州市、青岛市和济南市等城市为主的人居环境高值区，以铜川市、中卫市和嘉峪关市等城市为主的低值区。黄河流域人居环境低水平城市数目持续减少，但流域中部城市的人居环境水平差异性有所扩大。
（2）动态演变特征方面，2011—2020年黄河流域城市人居环境水平存在显著的空间交互作用和动态转移趋同现象，城市人居环境会受到相邻地理空间人居环境水平差异的影响，在不同的地理邻域背景下城市人居环境等级间的转移概率具有很大差异。此外，黄河流域城市人居环境等级存在一定程度的转移路径“自身锁定”效应，城市人居环境水平通常只在相邻等级间发生转移，发生跨等级转移的概率较小。
（3）影响机制方面，不同城市人居环境影响因素重要性表现出明显的空间异质性特征，黄河流域城市人居环境受经济水平、环境质量和社会资源的综合作用，整体来看，经济水平、环境质量和社会资源分别在人居环境演变过程中发挥主导性、基础性和关键性作用；消费水平、空气质量、交通资源和生活水平等是影响城市人居环境水平的主要因素，是未来提升黄河流域城市人居环境质量的关键途径。

6.2 讨论

从不同视角关注典型区域人居环境演变的“过程—格局—机制”是人居环境科学的研究重点[5,81]。黄河流域人地关系矛盾最突出的表现是“三生”功能失衡[96]，进而影响其人居环境质量改善。本文基于“三生”功能角度，理论上探讨了“三生”功能与人居环境理论内涵与二者兼容性，并以黄河流域为例分析黄河流域城市人居环境存在问题、动态演变特征及影响机制。此外，本文将空间马尔科夫链与地理加权随机森林模型应用于人居环境研究中，揭示了城市人居环境动态演变特征和影响因素的空间异质性规律。
黄河流域承担着中国生态安全建设和经济社会发展的重任，然而流域内各地区经济发展水平差异显著[97]，生态功能脆弱[98]，严重阻碍了黄河流域人居环境质量的提升。本文通过对黄河流域人居环境水平测度发现，当前流域内城市人居环境建设总体状况不容乐观，这一点与汪芳等[97]的研究论述相一致。同时，研究表明黄河流域城市人居环境水平存在空间相关性和等级转移的趋同现象，表明城市人居环境建设要从系统整体性出发，牢固树立“一盘棋”思想，加强区域间人居环境协同建设能力。另外，黄河流域人居环境低水平城市存在“自身锁定”效应，区域整体改善提升难度大，集中分布在以铜川市、中卫市、嘉峪关市等城市为代表的黄河流域上游地区，必须坚持因地制宜、分类指导、分区推进的原则来推动上游地区人居环境建设问题。
随着城镇化进程的加快，城市“三生”功能完善与人居环境质量提升的关系日益密切，本文仅在探讨“三生”功能和人居环境兼容性的基础上，基于多源数据构建指标体系定量分析黄河流域城市人居环境水平及影响因素，尚未从更微观尺度探讨“三生”功能对人居环境的作用机制。同时，人居环境是一个复杂巨系统，“三生”功能在其内部耦合协调关系还未明确，有待于进一步量化，并且受限于数据的可获取性，对人居环境水平测度与影响因素的定量表征仍存在研究数据局限问题，这将是下一步需要改进和研究的重点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Tang Jianxiong, Liu Yujing. The evolutionary process and driving mechanism of human settlement environment in typical tourism cities based on living-production-ecological system: A case study of Zhangjiajie city. Geographical Research, 2021, 40(6): 1803-1822.

DOI

[唐健雄, 刘雨婧. 基于“三生”系统的典型旅游城市人居环境演变过程及机制研究: 以张家界市为例. 地理研究, 2021, 40(6): 1803-1822.]

DOI

[2]
Li Bohua, Zeng Can, Dou Yindi, et al. Change of human settlement environment and driving mechanism in traditional villages based on living-production-ecological space: A case study of Lanxi village, Jiangyong county, Hunan province. Progress in Geography, 2018, 37(5): 677-687.

DOI

[李伯华, 曾灿, 窦银娣, 等. 基于“三生”空间的传统村落人居环境演变及驱动机制: 以湖南江永县兰溪村为例. 地理科学进展, 2018, 37(5): 677-687.]

DOI

[3]
Wu Weijia, Wu Liangyong, Shi Nan, et al. Reform of spatial planning system and disciplinary development. City Planning Review, 2019, 43(1): 17-24, 74.

[吴唯佳, 吴良镛, 石楠, 等. 空间规划体系变革与学科发展. 城市规划, 2019, 43(1): 17-24, 74.]

[4]
Zhao Hongbo, Wei Jiachen, Sun Dongqi, et al. Recognition and spatio-temporal evolution analysis of production-living-ecological spaces based on the random forest model: A case study of Zhengzhou city, China. Geographical Research, 2021, 40(4): 945-957.

DOI

[赵宏波, 魏甲晨, 孙东琪, 等. 基于随机森林模型的“生产—生活—生态”空间识别及时空演变分析: 以郑州市为例. 地理研究, 2021, 40(4): 945-957.]

DOI

[5]
Zhang Wenzhong, Chen Li, Yang Yizhao. Research progress on human settlement evolution. Progress in Geography, 2013, 32(5): 710-721.

DOI

[张文忠, 谌丽, 杨翌朝. 人居环境演变研究进展. 地理科学进展, 2013, 32(5): 710-721.]

DOI

[6]
Ma R F, Wang T F, Zhang W Z, et al. Overview and progress of Chinese geographical human settlement research. Journal of Geographical Sciences, 2016, 26(8): 1159-1175.

DOI

[7]
Yang Jun, You Haolin, Zhang Yuqing, et al. Research progress on human settlements: From traditional data to big data+. Progress in Geography, 2020, 39(1): 166-176.

DOI

[杨俊, 由浩琳, 张育庆, 等. 从传统数据到大数据+的人居环境研究进展. 地理科学进展, 2020, 39(1): 166-176.]

DOI

[8]
Zhu Mei, Wang Degen. Comparison of human settlement research in geography and architecture from the perspective of a theory tree. Acta Geographica Sinica, 2022, 77(4): 795-817.

DOI

[朱梅, 汪德根. 学科树视角下地理学和建筑学人居环境研究比较. 地理学报, 2022, 77(4): 795-817.]

DOI

[9]
Doxiadis CA. Action for Human Settlements. Athens: Athens Publishing Center, 1975.

[10]
Wu Liangyong. Introduction to Sciences of Human Settlements. Beijing: China Architecture & Building Press, 2001.

[吴良镛. 人居环境科学导论. 北京: 中国建筑工业出版社, 2001.]

[11]
Zeng Juxin, Yang Qingqing, Liu Yajing, et al. Research on evolution and influential mechanism for rural human settlement in national key ecological function areas: A case of Lichuan. Human Geography, 2016, 31(1): 81-88.

[曾菊新, 杨晴青, 刘亚晶, 等. 国家重点生态功能区乡村人居环境演变及影响机制: 以湖北省利川市为例. 人文地理, 2016, 31(1): 81-88.]

[12]
Yang Xingzhu, Wang Qun. Evaluation of rural human settlement quality difference and its driving factors in tourism area of southern Anhui province. Acta Geographica Sinica, 2013, 68(6): 851-867.

[杨兴柱, 王群. 皖南旅游区乡村人居环境质量评价及影响分析. 地理学报, 2013, 68(6): 851-867.]

[13]
Jun Y. Lead in the Japanese living environment. Environmental Health and Preventive Medicine, 2012, 17(6): 433-443.

DOI PMID

[14]
Yubero-Gómez M, Rubio-Campillo X, López-Cachero J. The study of spatiotemporal patterns integrating temporal uncertainty in late prehistoric settlements in northeastern Spain. Archaeological and Anthropological Sciences, 2016, 8(3): 477-490.

DOI

[15]
Innes J E, Booher D E. Indicators for sustainable communities: A strategy building on complexity theory and distributed intelligence. Planning Theory & Practice, 2000, 1(2): 173-186.

[16]
Halik W, Mamat A, Dang J H, et al. Suitability analysis of human settlement environment within the Tarim Basin in northwestern China. Quaternary International, 2013, 311: 175-180.

DOI

[17]
Gude P H, Hansen A J, Rasker R, et al. Rates and drivers of rural residential development in the Greater Yellowstone. Landscape and Urban Planning, 2006, 77(1-2): 131-151.

DOI

[18]
Yang Xue, Zhang Wenzhong. Combining natural and human elements to evaluate regional human settlements quality based on raster data: A case study in Beijing-Tianjin-Hebei region. Acta Geographica Sinica, 2016, 71(12): 2141-2154.

[杨雪, 张文忠. 基于栅格的区域人居自然和人文环境质量综合评价: 以京津冀地区为例. 地理学报, 2016, 71(12): 2141-2154.]

DOI

[19]
Jin Peiyu, Li Xueming, Feng Kai. The spatial-temporal and evaluation evolvement of the urban settlement environment competitiveness of Liaoning province. Economic Geography, 2011, 31(10): 1638-1646.

[晋培育, 李雪铭, 冯凯. 辽宁城市人居环境竞争力的时空演变与综合评价. 经济地理, 2011, 31(10): 1638-1644.]

[20]
Li Xueming, Xu Liang, Tian Shenzhen, et al. Human settlements in China based on the geographical scale. Scientia Geographica Sinica, 2022, 42(6): 951-962.

DOI

[李雪铭, 徐梁, 田深圳, 等. 基于地理尺度的中国人居环境研究进展. 地理科学, 2022, 42(6): 951-962.]

DOI

[21]
Yan Meiyan, Yu Bin, Guo Xinwei, et al. Adaptability of rural human settlements construction based on subjective and objective comparison: A case study of Gong'an county on the Jianghan Plain. Progress in Geography, 2021, 40(11): 1876-1887.

DOI

[颜梅艳, 余斌, 郭新伟, 等. 基于主客观比较视角的乡村人居环境建设适配性评价: 以江汉平原公安县为例. 地理科学进展, 2021, 40(11): 1876-1887.]

DOI

[22]
Li Bohua, Li Zhen, Liu Peilin, et al. Activation path of human settlement environment of traditional villages from the perspective of double repair: A case study of Zhang-Guying village in Hunan province. Geographical Research, 2020, 39(8): 1794-1806.

DOI

[李伯华, 李珍, 刘沛林, 等. 聚落“双修”视角下传统村落人居环境活化路径研究: 以湖南省张谷英村为例. 地理研究, 2020, 39(8): 1794-1806.]

DOI

[23]
Li Bohua, Zheng Shinian, Dou Yindi, et al. Transformation and development mode of traditional village human settlement environment from the perspective of "double repairs": A case study of two typical villages in Hunan province. Progress in Geography, 2019, 38(9): 1412-1423.

DOI

[李伯华, 郑始年, 窦银娣, 等. “双修”视角下传统村落人居环境转型发展模式研究: 以湖南省2个典型村为例. 地理科学进展, 2019, 38(9): 1412-1423.]

DOI

[24]
Ma Renfeng, Wang Mei, Zhang Wenzhong, et al. Residents' perceptions of the impact on urban human settlements from petrochemical industry cluster in port area: Case study of Zhenhai district. Geographical Research, 2015, 34(4): 729-739.

DOI

[马仁锋, 王美, 张文忠, 等. 临港石化集聚对城镇人居环境影响的居民感知: 宁波镇海案例. 地理研究, 2015, 34(4): 729-739.]

DOI

[25]
Xu Jingxue, Zhang Wenzhong, Chen Li. Impact of urban population density on perception of human settlements in Hangzhou. Scientia Geographica Sinica, 2022, 42(2): 208-218.

DOI

[许婧雪, 张文忠, 谌丽. 杭州城市人口密度对人居环境感知的影响. 地理科学, 2022, 42(2): 208-218.]

DOI

[26]
Liu Y, Liu X, Gao S, et al. Social sensing: A new approach to understanding our socioeconomic environments. Annals of the Association of American Geographers, 2015, 105(3): 512-530.

DOI

[27]
Xue Q R, Yang X H, Wu F F. A two-stage system analysis of real and pseudo urban human settlements in China. Journal of Cleaner Production, 2021, 293: 126272. DOI: 10.1016/j.jclepro.2021.126272.

[28]
Tian Shenzhen, Li Xueming, Yang Jun, et al. Spatio-temporal coupling coordination and driving mechanism of urban pseudo and reality human settlements in the three provinces of Northeast China. Acta Geographica Sinica, 2021, 76(4): 781-798.

DOI

[田深圳, 李雪铭, 杨俊, 等. 东北三省城市拟态与现实人居环境时空耦合协调特征与机制. 地理学报, 2021, 76(4): 781-798.]

DOI

[29]
Zhang Y N, Long H L, Tu S S, et al. Spatial identification of land use functions and their tradeoffs/synergies in China: Implications for sustainable land management. Ecological Indicators, 2019, 107: 105550. DOI: 10.1016/j.ecolind.2019.105550.

[30]
Fan Y T, Jin X B, Gan L, et al. Dynamics of spatial associations among multiple land use functions and their driving mechanisms: A case study of the Yangtze River Delta region, China. Environmental Impact Assessment Review, 2022, 97: 106858. DOI: 10.1016/j.eiar.2022.106858.

[31]
Fan Y T, Gan L, Hong C Q, et al. Spatial identification and determinants of trade-offs among multiple land use functions in Jiangsu province, China. Science of the Total Environment, 2021, 772: 145022. DOI: 10.1016/j.scitotenv.2021.145022.

[32]
Zhang J, Li S N, Lin N F, et al. Spatial identification and trade-off analysis of land use functions improve spatial zoning management in rapid urbanized areas, China. Land Use Policy, 2022, 116: 106058. DOI: 10.1016/j.landusepol.2022.106058.

[33]
Liu C, Xu Y Q, Lu X H, et al. Trade-offs and driving forces of land use functions in ecologically fragile areas of northern Hebei province: Spatiotemporal analysis. Land Use Policy, 2021, 104: 105387. DOI: 10.1016/j.landusepol.2021.105387.

[34]
Xue Z C, Zhen L, Miah M G, et al. Impact assessment of land use functions on the sustainable regional development of representative Asian countries: A comparative study in Bangladesh, China and Japan. Science of the Total Environment, 2019, 694: 133689. DOI: 10.1016/j.scitotenv.2019.133689.

[35]
Li Xueming, Guo Yujie, Tian Shenzhen, et al. The spatio-temporal pattern evolution and driving force of the coupling coordination degree of urban human settlements system in Liaoning province. Scientia Geographica Sinica, 2019, 39(8): 1208-1218.

DOI

[李雪铭, 郭玉洁, 田深圳, 等. 辽宁省城市人居环境系统耦合协调度时空格局演变及驱动力研究. 地理科学, 2019, 39(8): 1208-1218.]

DOI

[36]
Chen Chengyi, Zhang Wenzhong, Zhan Dongsheng, et al. Quantitative evaluation of human settlement environment and influencing factors in the Bohai Rim area. Progress in Geography, 2017, 36(12): 1562-1570.

DOI

[陈呈奕, 张文忠, 湛东升, 等. 环渤海地区城市人居环境质量评估及影响因素. 地理科学进展, 2017, 36(12): 1562-1570.]

DOI

[37]
Liu He, Li Xueming, Tian Shenzhen. Spatial and temporal differentiation pattern and obstacle factor diagnosis of human settlements quality in China. Journal of Human Settlements in West China, 2021, 36(6): 43-49.

[刘贺, 李雪铭, 田深圳. 中国区域人居环境质量时空分异格局及障碍因子诊断. 西部人居环境学刊, 2021, 36(6): 43-49.]

[38]
Li Xueming, Tian Shenzhen, Yang Jun, et al. The preliminary study of mismatch degree of urban human settlements: Taking 14 cities in Liaoning province as cases. Geographical Research, 2014, 33(4): 687-697.

DOI

[李雪铭, 田深圳, 杨俊, 等. 城市人居环境的失配度: 以辽宁省14个市为例. 地理研究, 2014, 33(4): 687-697.]

DOI

[39]
Li Xueming, Liu Kaiqiang, Tian Shenzhen, et al. evaluation of urban human settlements resilience based on DPSIR model: A case study of the Yangtze River Delta urban systems. Human Geography, 2022, 37(1): 54-62.

[李雪铭, 刘凯强, 田深圳, 等. 基于DPSIR模型的城市人居环境韧性评价: 以长三角城市群为例. 人文地理, 2022, 37(1): 54-62.]

[40]
Li Bohua, Ceng Rongqian, Liu Peilin, et al. Human settlement evolution of traditional village based on theory of complex adaptive system: A case study of Zhangguying village. Geographical Research, 2018, 37(10): 1982-1996.

DOI

[李伯华, 曾荣倩, 刘沛林, 等. 基于CAS理论的传统村落人居环境演化研究: 以张谷英村为例. 地理研究, 2018, 37(10): 1982-1996.]

DOI

[41]
Li Ming, Li Xueming. Application research on quality evaluation of urban human settlements based on the BP neural network improved by GA. Economic Geography, 2007, 27(1): 99-103.

[李明, 李雪铭. 基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用. 经济地理, 2007, 27(1): 99-103.]

[42]
Georganos S, Grippa T, Niang G A, et al. Geographical random forests: A spatial extension of the random forest algorithm to address spatial heterogeneity in remote sensing and population modelling. Geocarto International, 2021, 36(2): 121-136.

DOI

[43]
Wang Y, Kang L Y, Wu X Q, et al. Estimating the environmental Kuznets curve for ecological footprint at the global level: A spatial econometric approach. Ecological Indicators, 2013, 34: 15-21.

DOI

[44]
Grekousis G. Spatial Analysis Methods and Practice:Describe-Explore-Explain Through GIS. Cambridge: Cambridge University Press, 2020.

[45]
Luo Y W, Yan J G, McClure S C, et al. Socioeconomic and environmental factors of poverty in China using geographically weighted random forest regression model. Environmental Science and Pollution Research, 2022, 29(22): 33205-33217.

DOI

[46]
Zhao H B, Gu T S, Tang J Q, et al. Urban flood risk differentiation under land use scenario simulation. iScience, 2023, 26(4): 106479. DOI: 10.1016/j.isci.2023.106479.

[47]
Quiñones S, Goyal A, Ahmed Z U. Geographically weighted machine learning model for untangling spatial heterogeneity of type 2 diabetes mellitus (T2D) prevalence in the USA. Scientific Reports, 2021, 11(1): 6955. DOI: 10.1038/s41598-021-85381-5.

PMID

[48]
Aguirre-Gutiérrez J, Rifai S, Shenkin A, et al. Pantropical modelling of canopy functional traits using Sentinel-2 remote sensing data. Remote Sensing of Environment, 2021, 252: 112122. DOI: 10.1016/j.rse.2020.112122.

[49]
Li G D, Fang C L, He S W. The influence of environmental efficiency on PM2.5 pollution:Evidence from 283 Chinese prefecture-level cities. Science of The Total Environment, 2020, 748: 141549. DOI: 10.1016/j.scitotenv.2020.141549.

[50]
Grekousis G, Feng Z X, Marakakis I, et al. Ranking the importance of demographic, socioeconomic, and underlying health factors on US COVID-19 deaths: A geographical random forest approach. Health & Place, 2022, 74: 102744. DOI: 10.1016/j.healthplace.2022.102744.

[51]
Ren Y F, Yuan W R, Zhang B T, et al. Does improvement of environmental efficiency matter in reducing carbon emission intensity? Fresh evidence from 283 prefecture-level cities in China. Journal of Cleaner Production, 2022, 373: 133878. DOI: 10.1016/j.jclepro.2022.133878.

[52]
Gu Y S, Liu D Y, Arvin R, et al. Predicting intersection crash frequency using connected vehicle data: A framework for geographical random forest. Accident Analysis & Prevention, 2023, 179: 106880. DOI: 10.1016/j.aap.2022.106880.

[53]
Fan Y T, Jin X B, Gan L, et al. Spatial identification and dynamic analysis of land use functions reveals distinct zones of multiple functions in eastern China. Science of the Total Environment, 2018, 642: 33-44.

DOI

[54]
Huang Jinchuan, Lin Haoxi, Qi Xiaoxiao. A literature review on optimization of spatial development pattern based on ecological-production-living space. Progress in Geography, 2017, 36(3): 378-391.

DOI

[黄金川, 林浩曦, 漆潇潇. 面向国土空间优化的三生空间研究进展. 地理科学进展, 2017, 36(3): 378-391.]

DOI

[55]
Li Guangdong, Fang Chuanglin. Quantitative function identification and analysis of urban ecological-production-living spaces. Acta Geographica Sinica, 2016, 71(1): 49-65.

DOI

[李广东, 方创琳. 城市生态—生产—生活空间功能定量识别与分析. 地理学报, 2016, 71(1): 49-65.]

DOI

[56]
Wu Liangyong, Mao Qizhi. "Digital city" and the construction of human settlements. City Planning Review, 2002, 26(1): 13-15.

[吴良镛, 毛其智. “数字城市”与人居环境建设. 城市规划, 2002, 26(1): 13-15.]

[57]
Lyu Y F, Wang M J, Zou Y N, et al. Mapping trade-offs among urban fringe land use functions to accurately support spatial planning. Science of The Total Environment, 2022, 802: 149915. DOI: 10.1016/j.scitotenv.2021.149915.

[58]
Zhai Shiyan, He Xinxin, Kong Yunfeng, et al. Measuring the spatial accessibility of public services by optimal supply-demand allocation. Acta Geographica Sinica, 2022, 77(4): 1028-1038.

DOI

[翟石艳, 何新新, 孔云峰, 等. 基于最优供需分配的公共设施空间可达性分析. 地理学报, 2022, 77(4): 1028-1038.]

DOI

[59]
Yuan Yuan, Li Shan. The measurement, spatial differentiation and driving forces of social deprivation in low-income neighborhoods in Chinese large cities. Acta Geographica Sinica, 2012, 67(10): 1353-1361.

DOI

[袁媛, 李珊. 大城市低收入邻里社会贫困的测度差异与成因. 地理学报, 2012, 67(10): 1353-1361.]

[60]
Shan Yongjie, Wei Shaokang, Yuan Weili, et al. Spatial-temporal differentiation and influencing factors of coupling coordination of "production-living-ecological" functions in Yangtze River Delta urban agglomeration. Acta Ecologica Sinica, 2022, 42(16): 6644-6655.

[陕永杰, 魏绍康, 原卫利, 等. 长江三角洲城市群“三生”功能耦合协调时空分异及其影响因素. 生态学报, 2022, 42(16): 6644-6655.]

[61]
Chen X L, Zhao H M, Li P X, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment, 2006, 104(2): 133-146.

DOI

[62]
Kang Qing, Guo Qingxia, Ding Yi, et al. Tradeoffs/synergies analysis of "production-living-ecological" functions in Shanxi province. Journal of Natural Resources, 2021, 36(5): 1195-1207.

DOI

[康庆, 郭青霞, 丁一, 等. 山西省“三生”功能协同/权衡关系分析. 自然资源学报, 2021, 36(5): 1195-1207.]

DOI

[63]
Wang Cheng, Tang Ning. Spatio-temporal characteristics and evolution of rural production-living-ecological space function coupling coordination in Chongqing municipality. Geographical Research, 2018, 37(6): 1100-1114.

DOI

[王成, 唐宁. 重庆市乡村三生空间功能耦合协调的时空特征与格局演化. 地理研究, 2018, 37(6): 1100-1114.]

DOI

[64]
Cheng Xianbo, Tao Yu, Ou Weixin. Spatio-temporal characteristics and evolutions of rural production-living-ecological function and coupling coordination in Jiangsu. Resources and Environment in the Yangtze Basin, 2022, 31(1): 222-233.

[程宪波, 陶宇, 欧维新. 江苏省乡村三生功能耦合协调时空变化特征分析. 长江流域资源与环境, 2022, 31(1): 222-233.]

[65]
Tang Lisha, Long Hualou, Ge Dazhuan. Spatial differentiation characteristics and mechanism of rural human settlement resilience formation: A case study of Dongting Lake area. Acta Geographica Sinica, 2023, 78(6): 1339-1354.

DOI

[汤礼莎, 龙花楼, 戈大专. 乡村人居环境弹性形成的空间分异特征与机制: 以洞庭湖区为例. 地理学报, 2023, 78(6): 1339-1354.]

DOI

[66]
Xiong Ying, Zhang Fang. Thermal environment effects of urban human settlements and influencing factors based on multi-source data: A case study of Changsha city. Acta Geographica Sinica, 2020, 75(11): 2443-2458.

DOI

[熊鹰, 章芳. 基于多源数据的长沙市人居热环境效应及其影响因素分析. 地理学报, 2020, 75(11): 2443-2458.]

DOI

[67]
Sun Honghu, Zhen Feng, Luosang Zhaxi. Study on the spatial characteristics of supply and demand of urban amenities based on network big data: A case study of central urban area of Nanjing. Human Geography, 2018, 33(6): 62-68, 151.

[孙鸿鹄, 甄峰, 罗桑扎西. 基于网络大数据的城市内部便利性供需空间特征研究: 以南京市中心城区为例. 人文地理, 2018, 33(6): 62-68, 151.]

[68]
Li Hang, Li Xueming, Tian Shenzhen, et al. Temporal and spatial variation characteristics and mechanism of urban human settlements: Case study of Liaoning province. Geographical Research, 2017, 36(7): 1323-1338.

DOI

[李航, 李雪铭, 田深圳, 等. 城市人居环境的时空分异特征及其机制研究: 以辽宁省为例. 地理研究, 2017, 36(7): 1323-1338.]

DOI

[69]
Pang Ruiqiu, Hu Ning, Wei Ye. Evaluation of quality for human settlement in Xinjiang based on multi-source data. Scientia Geographica Sinica, 2021, 41(12): 2127-2137.

DOI

[庞瑞秋, 胡宁, 魏冶. 基于多源数据的新疆人居环境质量评价. 地理科学, 2021, 41(12): 2127-2137.]

DOI

[70]
Zhang Chunmei, Li Xueming. The evaluation index system of human settlements on livable community for the elderly in Liaoning province. Scientia Geographica Sinica, 2021, 41(1): 92-99.

DOI

[张春梅, 李雪铭. 辽宁省老年宜居社区人居环境评价. 地理科学, 2021, 41(1): 92-99.]

DOI

[71]
Yang Ying, Lin Lin, Zhong Zhiping, et al. Comprehensive evaluation and spatial differentiation of community resilience in Guangzhou based on response of the city to public health hazards. Acta Geographica Sinica, 2019, 74(2): 266-284.

DOI

[杨莹, 林琳, 钟志平, 等. 基于应对公共健康危害的广州社区恢复力评价及空间分异. 地理学报, 2019, 74(2): 266-284.]

DOI

[72]
Wang Yi, Miao Zhuanying, Lu Yuqi, et al. The impact of economic development on urban livability: Evidence from 40 large and medium-sized cities of China. Acta Geographica Sinica, 2022, 77(10): 2529-2546.

DOI

[王毅, 苗转莹, 陆玉麒, 等. 经济发展对城市宜居性的影响: 基于中国40个大中城市的实证分析. 地理学报, 2022, 77(10): 2529-2546.]

DOI

[73]
Zhang Ningning, Su Xiaoling, Zhou Yunzhe, et al. Water resources carrying capacity evaluation of the Yellow River Basin based on EFAST weight algorithm. Journal of Natural Resources, 2019, 34(8): 1759-1770.

DOI

[张宁宁, 粟晓玲, 周云哲, 等. 黄河流域水资源承载力评价. 自然资源学报, 2019, 34(8): 1759-1770.]

[74]
Hao Huimei, Ren Zhiyuan. Evaluation of nature suitability for human settlement in Shaanxi Province based on grid data. Acta Geographica Sinica, 2009, 64(4): 498-506.

DOI

[郝慧梅, 任志远. 基于栅格数据的陕西省人居环境自然适宜性测评. 地理学报, 2009, 64(4): 498-506.]

[75]
Guan Yingying, Li Xueming, Yang Jun, et al. Comprehensive suitability evaluation of urban human settlements based on GWR: A case study of Liaoning province. Scientia Geographica Sinica, 2022, 42(12): 2097-2108.

DOI

[关莹莹, 李雪铭, 杨俊, 等. 基于地理加权回归模型的辽宁省城市人居环境综合适宜性评价. 地理科学, 2022, 42(12): 2097-2108.]

DOI

[76]
Xiong Ying, Zeng Guangming, Dong Lisan, et al. Quantitative evaluation of the uncertainties in the coordinated development of urban human settlement environment and economy: Taking Changsha city as an example. Acta Geographica Sinica, 2007, 62(4): 397-406.

[熊鹰, 曾光明, 董力三, 等. 城市人居环境与经济协调发展不确定性定量评价: 以长沙市为例. 地理学报, 2007, 62(4): 397-406.]

[77]
Zhao H B, Liu Y X, Gu T S, et al. Identifying spatiotemporal heterogeneity of PM2.5 concentrations and the key influencing factors in the middle and lower reaches of the Yellow River. Remote Sensing, 2022, 14(11): 2643. DOI: 10.3390/rs14112643.

[78]
Zhou Kan, Yin Yue, Chen Yufan. Driving factors and scale effects of water pollutant discharge in the urban agglomeration. Acta Geographica Sinica, 2022, 77(9): 2219-2235.

DOI

[周侃, 殷悦, 陈妤凡. 城市群水污染物排放的驱动因素及尺度效应. 地理学报, 2022, 77(9): 2219-2235.]

DOI

[79]
Dou Chenchen, Chen Li, Xie Yangyang, et al. Analysis of the spatial agglomeration and influencing factors of children's education and tutoring institutions: A case study of Beijing, China. Geographical Research, 2022, 41(4): 1170-1182.

DOI

[窦晨晨, 谌丽, 解扬洋, 等. 北京城市儿童教育辅导机构的空间集聚及影响因素. 地理研究, 2022, 41(4): 1170-1182.]

DOI

[80]
Guo Zheng, Yao Shimou, Chen Shuang, et al. Spatial-temporal evolution of the livability levels in the Yangtze River Delta urban agglomerations and its influencing factors. Economic Geography, 2020, 40(2): 79-88.

[郭政, 姚士谋, 陈爽, 等. 长三角城市群城市宜居水平时空演化及影响因素. 经济地理, 2020, 40(2): 79-88.]

[81]
Yang Qingqing, Chen Jia, Li Bohua, et al. Evolution and driving force detection of urban human settlement environment at urban agglomeration in the middle reaches of the Yangtze River. Scientia Geographica Sinica, 2018, 38(2): 195-205.

DOI

[杨晴青, 陈佳, 李伯华, 等. 长江中游城市群城市人居环境演变及驱动力研究. 地理科学, 2018, 38(2): 195-205.]

DOI

[82]
Yang J, Huang X. 30 m annual land cover and its dynamics in China from 1990 to 2019. Earth System Science Data, 2021, 13(8): 3907-3925.

DOI

[83]
Feng Zhiming, Tang Yan, Yang Yanzhao, et al. Establishment and application of human settlements environment index model (HEI) based on GIS. Acta Geographica Sinica, 2008, 63(12): 1327-1336.

DOI

[封志明, 唐焰, 杨艳昭, 等. 基于GIS的中国人居环境指数模型的建立与应用. 地理学报, 2008, 63(12): 1327-1336.]

[84]
Chen M F, Tzeng G H. Combining grey relation and TOPSIS concepts for selecting an expatriate host country. Mathematical and Computer Modelling, 2004, 40(13): 1473-1490.

DOI

[85]
Dang Qin, Hu Wei, Ge Yuejing, et al. Geo-economic linkages intensity and its influencing factors between China and South American countries. Acta Geographica Sinica, 2020, 75(10): 2061-2075.

DOI

[党琴, 胡伟, 葛岳静, 等. 中国与南美洲国家地缘经济联系强度及其影响因素. 地理学报, 2020, 75(10): 2061-2075.]

DOI

[86]
Wang Degen, Xu Yinfeng, Zhao Meifeng. Spatial differentiation and influence mechanism of the connection distribution performance of urban high-speed railway hub in the Yangtze River Economic Belt. Acta Geographica Sinica, 2021, 76(8): 1997-2015.

DOI

[汪德根, 徐银凤, 赵美风. 长江经济带城市高铁枢纽接驳—集疏运绩效空间分异及机理. 地理学报, 2021, 76(8): 1997-2015.]

DOI

[87]
Le Gallo J. Space-time analysis of GDP disparities among European regions: A Markov chains approach. International Regional Science Review, 2004, 27(2): 138-163.

DOI

[88]
Wang Shaojian, Gao Shuang, Huang Yongyuan, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model. Acta Geographica Sinica, 2020, 75(6): 1316-1330.

DOI

[王少剑, 高爽, 黄永源, 等. 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测. 地理学报, 2020, 75(6): 1316-1330.]

DOI

[89]
Liu Yan, Cheng Yu, Wang Yaping. Spatial spillover and effect of producer service agglomeration on urban green total factor productivity in the Yellow River Basin. Geographical Research, 2023, 42(4): 917-935.

DOI

[刘岩, 程钰, 王亚平. 黄河流域生产性服务业集聚对城市绿色全要素生产率的影响效应与空间溢出. 地理研究, 2023, 42(4): 917-935.]

DOI

[90]
Li Beige, Hu Zhiqiang, Miao Changhong, et al. Spatio-temporal evolution characteristics and influencing factors of the industrial eco-efficiency in the Yellow River Basin. Geographical Research, 2021, 40(8): 2156-2169.

DOI

[李贝歌, 胡志强, 苗长虹, 等. 黄河流域工业生态效率空间分异特征与影响因素. 地理研究, 2021, 40(8): 2156-2169.]

DOI

[91]
Zhao Hongbo, Yue Li, Liu Yaxin, et al. Spatial-temporal pattern and obstacle factors of urban residents' quality of life in the Yellow River Basin under the background of high-quality development. Scientia Geographica Sinica, 2021, 41(8): 1303-1313.

DOI

[赵宏波, 岳丽, 刘雅馨, 等. 高质量发展目标下黄河流域城市居民生活质量的时空格局及障碍因子. 地理科学, 2021, 41(8): 1303-1313.]

DOI

[92]
Wang Fang, Miao Changhong, Liu Fenggui, et al. The locality and adaptability of human settlements in the Yellow River Basin: Challenges and opportunities. Journal of Natural Resources, 2021, 36(1): 1-26.

DOI

[汪芳, 苗长虹, 刘峰贵, 等. 黄河流域人居环境的地方性与适应性: 挑战和机遇. 自然资源学报, 2021, 36(1): 1-26.]

[93]
Zhao H B, Xu X M, Tang J Q, et al. Spatial pattern evolution and prediction scenario of habitat quality in typical fragile ecological region, China: A case study of the Yellow River floodplain area. Heliyon, 2023, 9(3): e14430. DOI: 10.1016/j.heliyon.2023.e14430.

[94]
Zhao Pengjun, Lyu Di, Hu Haoyu, et al. Population-development oriented comprehensive modern transport system in China. Acta Geographica Sinica, 2020, 75(12): 2699-2715.

DOI

[赵鹏军, 吕迪, 胡昊宇, 等. 适应人口发展的现代化综合交通运输体系研究. 地理学报, 2020, 75(12): 2699-2715.]

DOI

[95]
Jiao Sheng, Zhang Bingjie, Han Zongwei. Spatial-temporal evolution of land transportation accessibility and economic contact in Xiangxi area in recent 70 years. Economic Geography, 2020, 40(6): 137-146.

[焦胜, 张冰洁, 韩宗伟. 近70年湘西地区陆路可达性及经济联系时空演变. 经济地理, 2020, 40(6): 137-146.]

[96]
Liu Yansui, Xia Jun, Wang Yongsheng, et al. Coordinated human-earth system and high-quality development in Yellow River Basin. Journal of Northwest University (Natural Science Edition), 2022, 52(3): 357-370.

[刘彦随, 夏军, 王永生, 等. 黄河流域人地系统协调与高质量发展. 西北大学学报(自然科学版), 2022, 52(3): 357-370.]

[97]
Wang Fang, An Lizhe, Dang Anrong, et al. Human-land coupling and sustainable human settlements in the Yellow River Basin. Geographical Research, 2020, 39(8): 1707-1724.

DOI

[汪芳, 安黎哲, 党安荣, 等. 黄河流域人地耦合与可持续人居环境. 地理研究, 2020, 39(8): 1707-1724.]

DOI

[98]
Wang Jinnan. A primary framework on protection of ecological environment and realization of high-quality development for the Yellow River Basin. Environmental Protection, 2020, 48(Z1): 18-21.

[王金南. 黄河流域生态保护和高质量发展战略思考. 环境保护, 2020, 48(Z1): 18-21.]

Options
文章导航

/

〈 〉