空间异质性（精选八篇）
空间异质性 篇1
当前对于土地资源空间异质性的研究主要涉及到土地景观生态、土地市场、土地利用及国土管理等方面。如Pickett利用景观生态学方法探讨了生态系统中的空间异质性[1]。Andre和Jack通过描述和度量城市的空间结构及异质性, 来识别其形成与发生变化机制以及区域生态安全的主要影响因子, 进而实现城市景观规划与设计[2]。Paredes利用配置估计方法估算了区域住房价格指数的空间异质性[3]。董冠鹏等从居住用地价格影响因素空间异质性的角度说明了北京市居住用地子市场存在的可能性[4]。王国杰以地统计学理论和半方差函数为工具, 探讨了晋江市1989-2001 年土地利用强度变化对土地景观干扰活动的空间异质性, 结果表明人类干扰活动存在明显的空间异质性[5]。马劲松等利用半方差变异函数和分形维数对南京市江宁区和溧水县两个时段的土地利用强度指数进行了空间变异特征分析[6]。空间异质性在国土管理中的直接应用不多, 但是考虑区域经济水平[7]、比较优势理论[8]、产业集聚[9]、主体功能区[10]等差异性和非均衡性的研究都是空间异质性在土地资源利用与管理中运用的间接体现。
从上述研究可知, 空间异质性普遍存在于土地资源利用与管理中, 但是已有研究多针对土地资源利用或管理的局部问题如景观生态变化、土地利用强度等单项指标空间差异进行研究, 而对土地资源自然和经济属性的综合异质性及测度的研究还不多见。本研究以武汉城市圈为例, 从资源经济学角度分析和界定土地资源空间异质性的形成原因与内涵, 在此基础上综合测度武汉城市圈2010 年土地资源空间异质性指数, 并对土地资源空间异质性效应进行分析, 以期为城市圈土地差别化管理提供依据。
1 土地资源空间异质性的形成与内涵
空间异质性又称空间差异性, 指系统或系统属性在空间上的复杂性和变异性, 可细分为结构异质性和功能异质性, 是现实中不可忽视的常态[11,12]。实际上, 世界都是异质的、不均衡的[12], 空间异质性不仅存在于生态学中, 在经济学、管理学中也非常普遍。土地资源空间异质性已经被证明是普遍存在的且影响着土地资源的利用与管理[3,4,5,6,13,14]。土地资源空间异质性形成原因多且复杂, 可概括为两个方面:一是由土地资源本身的非均质性所造成的空间单元异质, 即土地资源禀赋空间异质性;二是由土地资源所处空间的非均衡性所造成的区域土地资源的异质, 称为土地资源空间依赖性。从资源属性角度看, 土地作为基础资源, 不仅具有量、质、时间和空间等基本属性[15], 还具有其特定的资源属性:结构属性、组合属性和区位属性。土地资源结构属性主要指区域内部各种功能的用地比例和空间结构及其相互影响、相互作用的关系[16]。土地资源结构属性变化的直接原因是土地利用方式的变化, 而土地利用方式的多样性和复杂性又形成了区域土地资源结构的异质性。土地资源组合属性是指土地资源与其他资源的空间组合模式与匹配关系。土地资源与其他社会经济资源的组合利用与匹配关系的差异性造成了土地功能、价值的异质性。土地空间位置固定性决定了土地资源空间上不可移动与交换, 但土地资源价值与功能是动态变化的。这种由绝对位置不变性和相对位置可变性造成的土地资源价值和功能的变化可用土地资源区位属性表征。
综上可知, 土地资源本身的非均质性就是土地资源数量、质量及类型的异质性, 空间依赖性则是土地资源和其他资源组合方式与匹配关系的异质性。土地资源空间异质性的形成是土地资源数量、质量、时间、空间、结构、组合、区位等属性异质的结果, 其实质是土地资源属性的异质性。因此, 基于资源属性角度, 可认为土地资源空间异质性是指区域土地资源在空间上的非均质性, 表现为土地资源数量、质量、结构及区位等属性的异质性和土地资源与其他资源组合方式及匹配关系的异质性。土地资源空间异质性内涵应包括数量异质性、质量异质性、时间异质性、结构异质性、组合异质性、区位异质性等内容。
2 城市圈土地资源空间异质性综合测度
从土地资源空间异质性内涵来看, 土地资源空间异质性实质就是土地资源自然属性和经济属性异质综合作用的体现。可以通过度量土地资源各属性的异质性, 进而实现土地资源空间异质性测度。
2.1 土地资源空间异质性模型构建
土地资源空间异质性测度要充分考虑区域现状, 合理确定土地资源空间异质性测度体系。以城市圈48 个县级行政单元为研究对象, 各单元本身已具有空间特征且研究尺度为时间点, 因此不考虑各研究单元土地资源时间尺度上的空间异质性。依据土地资源属性异质内容, 选取土地资源结构、数量、质量和资源禀赋异质作为一级指标。其中, 资源禀赋主要指区域土地资源在自然和经济等方面所表现出的优势度, 一定程度上决定了区域资源利用与管理模式和区域发展战略, 是资源组合属性和区位属性的综合体现。如矿产资源丰富的地区适合发展资源型城市, 地理位置优越的地区适宜布局二三产业等。按照可操作性、代表性、准确性等原则, 从土地资源结构、数量、质量、禀赋四方面选择异质性指标, 构建城市圈土地资源空间异质性指标体系 (表1) 。
城市圈土地资源空间异质性指标中, 土地集中化计算公式为:
式中:I、C、M、R分别表示区域土地集中化指数、各种土地类型累计百分比之和、高一层次区域 (此处为湖北省) 各种土地类型的累计百分比之和、土地集中分布时累计百分比之和 (此处M=10) 。
土地多样化采用Gibbs-Mirtin指数[17]来计算, 计算公式为:
式中:G、n、Xi分别表示土地多样化指数、土地利用类型数、第i类土地利用类型面积。
土地利用均衡度计算公式[18]为:
式中:H、n、Ai、A分别表示土地利用均衡度、土地利用类型数、第i种土地利用类型面积、区域土地总面积。其中, Ai/A表示第i种土地利用类型出现的概率, 。
土地利用程度指数计算公式为:
式中:L、n、Ki、Si、S分别表示土地利用程度指数、土地利用分级指数、第i级土地利用面积、土地利用总面积。其中Ki采用刘纪远[19]提出的分级赋值标准。
每种资源在与土地资源空间组合与匹配过程中都是同等重要且不可或缺的, 可利用Shelford限制性定律[20]来描述这一关系。因此, 资源组合系数计算公式为:
式中:F、Fi、Fmin、Fmax、n分别为资源组合系数、第i种资源与土地资源组合值、第i种资源与土地资源组合值的极小值、极大值、资源种类。此处主要考虑与土地资源利用与管理密切相关的人力、资本、矿产、水四种资源, 测度其与土地资源的组合关系。用人口密度表示土地与人力资源的组合值, 地均固定资产投资表示土地与资本的组合值, 地均矿业资源储量表示土地与主要矿产资源的组合值, 地均水资源占有量表示土地与水资源的组合值。
土地资源区位指数采用汽车、自驾两种交通工具到达区域中心距离的算术平均值来衡量。耕地质量等级指数来自湖北省耕地自然等级指数表[21]。地形地貌特征采用赋值法衡量, 将研究区域地形地貌分为平原、平岗、丘陵、低山四种类型, 分别赋值4、3、2、1。文中涉及到的土地数据来自于武汉城市圈2010 年土地利用变更数据, 土地利用类型分为耕地、园地、林地、牧草地、其他农用地、居民点及工矿用地、交通运输用地、水域、未利用地、其他土地10类。水资源、矿产资源数据分别来自于城市圈2010年水资源公报和矿产资源储量统计表, 其他数据主要来源于《湖北统计年鉴2011》。
2.2 土地资源空间异质性测度方法
土地资源任何一种属性值的变化, 必然会带来土地资源空间异质性的变化, 而各属性又是相互独立的, 多种属性综合可能弱化空间异质性。如土地资源质量异质性大, 数量异质性小, 当数量异质影响作用更大时, 土地资源空间异质性可能被消弱。因此, 空间异质性测度必须要考虑多种属性共同作用可能抵消异质性的问题。
变异系数法是利用各项指标所包含的信息计算指标权重。它的理论依据是指标向量内部变异信息量反映了指标分量的波动大小, 指标权数可根据各指标间的相互关系或各指标提供的变异信息量来确定[22]。因此, 变异系数法一定程度上避免了空间异质性被弱化, 能够反映各属性异质对土地资源空间异质的影响程度, 同时变异系数不受单位和平均数不同的影响, 能够客观地显化及测度空间异质性。在多指标评价过程中, 指标取值差异越大, 提供的分辨信息越丰富, 越能反映评价单元的差距, 应赋予该指标较大的权重。若某项指标信息在各评价单元上变异程度为零, 说明该指标的分辨信息为零, 指标权重为零。变异系数法计算权重公式如下:
式中:ωi、σi、μi、m分别表示第i组指标权重、标准差、均值和指标组数;其中 σi/ μi表示各组指标数据的变异系数。
依据土地资源属性异质性测度指标体系及其指标权重, 利用综合评价法测度土地资源空间异质性指数。测度公式为:
式中:Di为土地资源空间异质性指数;Ti为第i种异质性指标值;n为异质性指标组数。为解决数据之间的可比性问题, 同时保留原始数据之间的关系, 采用最大最小标准化法对异质性指标数据进行标准化。
2.3 土地资源空间异质性测度结果
2.3.1空间异质性指标权重
根据城市圈48个县 (市) 异质性指标数据, 利用变异系数法可得到土地资源空间异质性指标权重 (表1) 。从一级指标来看, 对城市圈土地资源空间异质性影响最大的是质量异质, 权重为0.402;其次为数量异质, 权重为0.300;依次为资源禀赋异质, 权重达到0.208;最小的是土地资源结构异质, 权重仅为0.090。说明城市圈土地资源空间异质性主要表现在土地资源质量和数量差异上, 资源禀赋差异也比较明显, 而结构差异较小。从二级指标来看, 城市圈土地经济质量异质性最高, 权重达到了0.285, 其次为建设用地面积比, 权重为0.135, 林地面积的差异同样明显, 权重也有0.101。相反地, 城市圈土地多样化和均衡度异质较小, 权重仅为0.025和0.027。这表明城市圈土地资源经济属性异质较自然属性异质更为明显。
2.3.2空间异质性指数
根据土地资源空间异质性指标权重, 利用综合评价法可求得城市圈土地资源空间异质性综合指数 (图1) 。城市圈土地资源空间异质性指数区间为[0.226, 0.590], 城市圈各县 (市) 之间异质性指数呈现出有梯度的变化, 异质性最大的是江汉区, 最小的是华容区。江汉区土地资源空间异质性主要是由江汉区土地资源质量和数量属性异质造成的, 尤其是土地经济质量和建设用地面积比, 异质性指标贡献率达到48.23%和22.94%, 相比其他县 (市) 具有绝对优势。而大悟县土地资源质量劣势明显, 表现为土地经济质量和土地利用程度较低, 异质性指标得分仅为0.002和0.004, 对土地空间异质性的贡献率仅为0.09%和1.83%。
3 武汉城市圈土地资源空间异质性效应分析
3.1 土地资源空间异质性格局特征分析
根据城市圈土地资源空间异质性综合指数, 利用SPSS17.0 系统聚类法中Euclidean distance度量方法可将城市圈48 个县 (市) 级单元分为高异质区、中高异质区、异质区、中低异质区、低异质区5 类 (图1) , 图中武汉城区包括江汉区、青山区、汉阳区、硚口区、武昌区, 城区异质性指数为平均数。从图1 可以看出, 武汉城市圈土地资源空间异质性表现出以下特征。
(1) 城市圈土地资源空间异质性呈现出“中心高、边缘低”的分布特征。从空间分布格局来看, 异质性指数较高的单元主要集中在城市圈中心区域, 异质性较低的单元多分布在城市圈边缘。如武汉市主城区、黄石市主城区等多处在高异质和中高异质区域, 而大悟、红安、英山、通山、通城、潜江、黄梅、安陆等均处在低异质和中低异质区域。
(2) 城市圈土地资源空间异质性较高的单元及面积较少, 而异质性较低的单元和面积明显居多。从分布比例来看, 城市圈48 个县 (市) 级单元分布在高异质区、中高异质区、异质区、中低异质区、低异质区的比例分别为10.42%、10.42%、25.00%、31.25%、22.91%。土地资源空间异质性以中低异质为主, 占了一半以上, 而中高异质以上的单元较少, 仅占20.84%。从分布面积上看, 中低异质以下的区域面积明显大于中高异质以上的区域面积。
(3) 城市圈土地资源空间异质性与区域经济水平表现出一定的关联性。城市圈土地资源高异质区域主要位于城市圈经济水平较高的主城区, 低异质区域多分布在经济发展相对落后的县 (市) , 呈现出“高异质-高水平”特征。用人均GDP表示区域经济水平, 利用Eviews6.0 可求得城市圈土地资源空间异质性与经济水平的Pearson相关系数达到0.708, 且在0.01 水平上极为显著, 说明土地资源空间异质性与经济水平具有很高的关联性。
3.2 土地资源属性异质贡献率分析
城市圈土地资源各属性异质作用及贡献率差异明显, 主要体现在异质性指标上。一级指标方面, 城市圈土地资源结构、数量、质量、禀赋等属性异质对各异质梯度区贡献率存在差异。具体来看:土地资源结构异质和禀赋异质对空间异质性的贡献率从高异质区到低异质区是逐渐增加的, 由7.34%、22.45%分别增加为26.21%、32.35%, 而质量异质贡献率则是逐渐减少的, 由45.98%下降为11.11% (表2) 。这说明资源结构异质和禀赋异质对土地资源低异质区域影响较大, 质量异质则对高异质区域作用更大。资源数量异质对各梯度异质区的贡献率相差不大, 表明无论是在高异质区还是低异质区, 土地资源空间异质性都受到数量异质的作用且程度较为均衡。二级指标方面, 以土地经济质量和土地均衡度为例, 武汉主城区 (除洪山区) 、黄石港区等土地经济质量异质得分较高, 贡献率均在10%以上;而通山、崇阳、麻城、罗田、大悟等县 (市) 土地经济质量较低, 异质性贡献率不到0.1%。嘉鱼、黄州、阳新、武穴、赤壁等县 (市) 土地均衡度异质得分很高, 对异质性的贡献率均在9%以上, 而江汉、青山等区土地均衡度得分很低, 异质性贡献率不足2%。可见, 土地资源空间异质性是区域土地资源多种属性异质综合作用的结果。
3.3 土地资源空间异质性与社会经济水平关系分析
由上述分析可知, 城市圈土地资源空间异质性与其经济水平有一定的关联性。设置二三产业比重 (PSTI) 、地均固定资产投资额 (FAIPK) 、人均GDP (GDPPC) 、城市化率 (UR) 四个变量表示区域社会经济水平, 土地资源空间异质性指数 (Y) 作为因变量。利用Eviews6.0 软件, 分析各变量与因变量之间的散点图, 选择不同的模型对因变量与自变量进行拟合, 发现线性模型拟合度最优。由于使用的是截面数据, 样本容量有限且因变量有特定的取值范围[0.226, 0.590], 因此选择截尾模型对因变量与自变量的关系进行回归。利用Eviews6.0 中Censored估计方法对模型中的参数进行估计, 可得到表3。
由表3 可知, 对数似然函数取值较大, 赤池信息准则、施瓦茨准则、汉南-奎因准则取值较小, 表明模型准确、简洁。系数估计中, 除变量PSTI的系数检验不显著外, 常数项、FAIPK、GDPPC、UR系数均通过了检验且在5%的水平上显著, 说明模型基本上能够反映因变量与自变量之间的关系。从模型各变量系数可知, 二三产业比重对土地资源空间异质性指数具有负效应, 地均固定资产投资、人均GDP和城市化率对空间异质性指数具有正效应, 它们平均每增加1 单位, 土地资源空间异质性指数分别增加-0.103、0.0002、0.015、0.088 个单位。这是因为城市圈多数单元二三产业比重在80%左右, 经济水平较高的主城区接近100%, 本身差异不大, 二三产业比重持续增加又是当前区域产业结构升级与调整的趋势。因此, 二三产业比重增加会进一步缩小区域间产业结构差异, 进而缩小区域土地利用结构差异, 降低土地资源空间异质性, 这也是变量PSTI系数检验不显著的原因之一。FAIPK、GDPPC、UR的增加在一定程度上是建设用地扩张和土地利用强度加大的结果, 表现在土地利用结构调整和土地产值增加等方面。它们的变化伴随着区域建设用地面积、土地利用强度和土地经济质量变化。而当前城市圈各县 (市) 地均固定资产投资额、人均GDP和城市化率本身基础差异较大, 增长幅度和变化特征又不尽相同, 它们的增加会使土地利用结构更加复杂、土地经济产值增加及土地利用强度增大, 形成区域土地资源结构、质量等属性异质, 进而对土地资源空间异质性指数产生正效应。综上所述, 虽然由于城市圈产业结构现状和发展趋势造成二三产业比重对城市圈土地资源空间异质性具有负效应, 但是总体来说, 区域社会经济发展水平异质是造成土地资源自然和经济属性异质的重要原因, 与土地资源空间异质密切相关。
4 结论
在分析土地资源空间异质性的形成与内涵的基础上, 构建了土地资源空间异质性测度模型, 综合测度了城市圈土地资源空间异质性, 并对土地资源空间异质性效应进行了分析, 得出以下结论:
(1) 土地资源空间异质性即区域土地资源在空间上的非均质性, 它是土地资源自然属性异质和经济属性异质综合作用的结果, 其内涵应包括土地资源数量异质性、质量异质性、时空异质性、结构异质性、组合异质性、区位异质性等内容。
(2) 城市圈土地资源空间异质性主要表现在土地资源质量和数量差异上, 资源禀赋异质和结构异质较小。在各异质性指标中, 土地经济质量异质程度最大, 土地多样化异质性最小, 土地经济属性异质较自然属性异质明显。
(3) 城市圈土地资源空间异质性呈现出“中心高、边缘低”的分布特征, 各异质梯度区内县 (市) 单元数量和面积差异显著。在城市圈5 个异质梯度区内, 中高异质以上的县 (市) 单元数量和面积明显少于中低异质以下梯度区, 异质性总体呈现“中心高、边缘低”的分布特征。
空间异质性 篇2
运用经典统计学和地统计学方法研究了喀斯特峰丛洼地原生林保护区土壤矿质元素钙、镁、硅、铁、铝、锰的空间变异和相关关系,结果表明,在喀斯特峰丛洼地原生林区土壤矿质元素存在空间上的.异质性.从半变异函数的模型拟合来看,块金值与基台值的比均小于25%的标准,表明变量具有强烈的空间相关性,且由结构性因素引起的空间变异占主导因素.Kriging等值线图显示,在不同的坡位出现了高值区和低值区,硅、铁和铝在中上坡出现高值区,而钙、镁和锰在中下坡出现低值区,这6个指标在研究区域均出现围绕1～3个中心点聚集分布出现高值或低值区,说明气候、母质、地形和微地貌对喀斯特原生林区土壤矿质元素空间变异起主导作用.
作 者：蔡德所 王魁 黄景新 曾馥平作者单位：蔡德所,王魁(广西大学,土木建筑工程学院,广西,南宁,530004)
黄景新(广西大学,土木建筑工程学院,广西,南宁,530004;中国中铁四局集团,第四工程有限公司,安徽,合肥,230041)
曾馥平(中国科学院,亚热带农业生态研究所,湖南,长沙,410125)
空间异质性 篇3
内生增长理论认为,资本积累既不能解释长期增长的大部分原因,也不能解释国家间收入差异的大部分原因;除资本积累外,模型中唯一的收入决定因素是“劳动的有效性”。那么,到底什么是“劳动的有效性”呢?不同于新古典增长理论,内生增长理论提出的研发模型、干中学和人力资本等模型通过引入知识、人力资本等要素构成“劳动的有效性”,解释了国家或地区之间经济增长率和人均收入差距的主要因素,并且强调知识和人力资本形成的主要手段便是教育。Mankiw,Romer and Weil(1992)采用扩展的索洛模型对经济增长差异中的教育投入因素进行了考察,研究结果表明人力资本累计增长率对经济增长有显著影响,同时证明这一数据处理方法有利于消除索洛模型中不可解释的残差项的影响[1]。豪尔与琼斯(Hall and Jones,1999)、克莱尔与罗德里格斯—克莱尔(Klennow and Rodriguez-Clare,1997)估计实物资本密度、学校教育年限与残值对各国每工人平均产出的贡献,这些最穷国和最富国之间的差异仅约1/6大致来源于实物资本强度的差异,不足1/4的部分大致来源于接受学校教育的差异。并且实物资本、学校教育年限与残值的贡献并不是独立的[2][3]。亨德里克斯(Hendricks,2002)估计了不同量的教育的报酬,其结论表明,由于各国间某些人力资本的较小差异,所以存在某些较大的残值的差异[4]。Krueger和Kumar(2004)认为,高等教育有利于提高劳动者对新技术的适应和创造能力较强,职业教育发展较快的经济体的经济增长速度要低于优先发展高等教育的经济体[5]。钱晓烨、迟巍、黎波(2010),陈仲常、马红旗(2011),以及刘智勇、胡永远、易先忠(2008)等基于中国的数据也得到了类似的结果,即从业人员的教育水平与省域创新活动是高度相关的,高等教育水平的劳动者对技术创新的贡献显著大于中等或初等教育水平劳动者的贡献[6][7][8]。上述模型基本上将截面划分为东、中、西或选取部分省域数据分析来考虑不同层次教育水平形成的人力资本对经济增长作用的空间异质性或时间上的异质性;或者采用面板协整方法来分析我国不同教育层次形成的人力资本对经济增长的作用。也有部分学者简单地采用时间序列分析构造生产函数或采用美国学者丹尼森指数法计算不同层次教育水平的贡献率来分析某个省份不同层次教育水平对经济增长的作用。刘萍、林鸿(2010)采用卢卡斯扩展模型计量分析了四川省不同学历层次积累的人力资本对经济增长的贡献率,结果表明,劳动力的产出弹性(4.586 2)高于物质资本量的产出弹性(0.063 8),劳动力投入是四川经济增长的关键;人力资本对四川经济增长贡献较小,其中中等教育人力资本对四川经济增长有相对强的解释力[9]。张根文、黄志斌(2010)指出,安徽省2000—2007年GDP年平均增长率为10.77个百分点,由教育带来的增长率所占份额为23.59%,其中高等教育的贡献率为1.6%;全国的平均水平为2.78%[10]。
本文的研究与这些文章有较大的差异。首先,将不同层次教育形成的人力资本视为最终产品生产的直接投入要素,即考察人力资本对卢卡斯式作用机制的检验;同时随着人力资本质量的提高,经济对技术进步的吸收和创新能力不断得到提高,即尼尔森—费尔普斯式作用机制的检验;由于我国发展呈现明显的区域不均衡性,因而为了研究不同层次教育水平形成的人力资本对各省经济增长的空间异质性,本文以省域为单位构造面板数据模型分析卢卡斯作用机制的空间异质性。
二、理论模型设定及变量选取
生产函数表示在一定的技术进步下各生产要素投入量与最大产出量之间的数量关系。通过各级教育形成的人力资本存量,一方面表现为卢卡斯作用机制,即各级教育形成的人力资本作为新的生产要素投入到产品生产过程,由于教育可以提高投入的劳动力素质,从而会极大提高产出效率;另一方面表现为尼尔森—费尔普斯式作用机制,即随着人力资本质量的提高,经济对技术进步的吸收和创新能力不断得到提高,从而对经济发展产生间接作用。因而,本文借鉴内生增长理论人力资本模型基础上,建立如下的生产函数:
其中,Y为产出,K为资本,而A为劳动的有效性,H为工人提供的总的生产性服务,它包括自然劳动(个人天生技能)和人力资本(后天获得的技能)的贡献,即人力资本。本模型假定,每工人的人力资本量仅取决于他所接受的教育年数。同时由于劳动者接受教育水平差异,形成的人力资本存在层次性,造成其技术水平的差异,其产生的外部效应不同[12]。因而,设H(t)的表达式为:
式中P(t)、S(t)、C(t)分别表示初等、中等、高等教育形成的人力资本存量。将人力资本存量计算公式代入生产函数,两边取对数得如下形式:
其中,β2=γμ,β3=γν,β4=γτ。
(二)数据来源与处理
1. 各层次教育形成的人力资本。
采用豪尔与琼斯对人力资本存量的计算,仅考虑接受学校教育的年数。具体地说,假定Hi的形式为:
其中,Ei是i国工人平均接受教育年数;φ(Ei)是增加1年受教育时间而增加的教育回报率。豪尔与琼斯利用相关的微观经济证据表明,增加授受1年的受教育时间而增加的教育回报率随学校教育年数的上升而下降。基于这种证据,因而本文采用分段线性函数表示,利用Psacharopoulos,G.&Patrinos,A.(2004)计算得到的中国教育回报率设定初等教育的斜率系数(教育年限为0-6年)为0.180,中等教育(教育年限在6-12年间)的斜率系数为0.134,高等教育(教育年限在12年以上)的斜率系数为0.151[12]。
2. 劳动力投入。
劳动力投入数据采用各年年均从业人员数量。
3. 物质资本投入。
根据新古典理论,产出在消费与投资之间分配,且投资的份额是外生且不变的,假设现有资本以速率δ折旧,因此有:
其中,K(t)为当年资本存量;K(t-1)为前一年资本存量;I(t)为当年投资;δ为经济折旧率,一般取9.6%[14]。
从上述模型可以看出,计算中涉及的数据包括2000—2009年我国31个省(市、自治区)资本投入量、劳动力投入量以及初等、中等、高等教育形成的人力资本存量的面板数据,有关的基础数据来自于2001—2010年各省统计年鉴、《中国统计年鉴2001—2010》。为了消除价格波动影响,使用2000年为基期商品零售价格指数对资本投入和GDP序列进行调整,同时,为了减少序列波动及消除异方差的影响,再对数据做自然对数变换。
三、实证分析
(一)模型设定
面板数据模型有固定影响模型和随机影响模型,当数据中所包含的截面成员是所研究总体的所有单位时,固定影响模型是一个合理的面板数据模型。由于本文研究我国31个省(市、自治区)不同层次教育对经济增长影响的空间异质性,因而选择固定影响面板数据模型。固定影响面板数据模型划分为无个体影响的不变系数模型、变截距模型、含有个体影响的变系数模型。其形式的选择和设定非常关键,否则会产生设定的偏差,从而影响参数估计的有效性。经常使用协方差分析进行模型的设定,具体如下:
H1:斜率在不同的截面样本点上相同,但截距不同。
H2:斜率和截距在不同的截面样本点上都相同。
分别构造在H1成立下的检验统计量
和H2成立下的检验统计量
其中,N指的是截面样本点的个数,T指的是时序期数,k指的是解释变量个数;S1、S2、S3分别指的是变系数模型、变截距模型、无个体影响的不变系数模型各自对应的残差平方和。首先检验H2,若F2的值小于给定显著性水平下的临界值,则不能拒绝H2,则可以认为样本数据符合无个体影响的不变系数模型,无须作进一步检验;如果拒绝H2,则需检验H1。如果F1的值小于给定显著性水平下的临界值,则不能拒绝H1,从而认为样本数据符合变截距模型,反之,则认为样本数据符合含有个体影响的变系数模型。
运用EVIEWS6.0构建得到不同类型模型的残差平方和,采用上述公式计算得到两个F统计量分别为F1=5.727 5,F2=54.687 6,在给定5%的显著性水平下两个自由度均大于120相应的临界值为1.25。由于F2>1.25,所以拒绝H2;又由于F1>1.25,所以也拒绝H1。因此,模型采用变系数的形式。
由于随机干扰项在不同横截面个体之间是相关的,即协方差不为零,此时最小二乘法将失去有效性,因为它没有考虑不同截面之间相关的信息,因而本文采用广义最小二乘法估计变系数模型,相关结果如表1如示。
从表1变系数模型估计结果可以看出,判定系数R2为0.999 2,F统计量为922.883 3,其伴随概率为1.34E-151,这说明模型整体拟合效果较好。DW统计量为2.23,这表明模型基本上不存在序列相关性。
根据模型输出结果,各省截距项大于1的地区依次为:北京、广东、江苏、山东、上海、浙江、天津、黑龙江、辽宁、四川等;大于0小于1的地区依次为:辽宁、四川、福建、安徽、陕西、山西、湖北、河北、重庆、河南、湖南、广西等;其他地区为负值。由于截距项代表的是技术进步状况,数据越大表明该地区的技术进步效率越高。回归结果表明,北京、广东、江苏、山东、上海等地是我国技术进步效率最高的省份,这主要是由于这些地区受过高等教育的人力资本存量较高。一方面,这些地区高等学校密集,从而培养了大量的高等教育人力;另一方面,由于这些地区经济发展水平较高,从而吸引了大量高等教育人才就业。
表2回归模型的估计结果中,物质资本的回归系数为正,且在1%的显著性水平下通过变量显著性检验,表明经济增长具有重要的驱动作用。物质资本弹性系数估计值大于0.8且排在前十位的省市依次为:上海、北京、天津、浙江、广东、福建、山东、江苏、辽宁、河北等;其他省份的资本弹性系数在0.36-0.74之间;尤其是随着西部开发,部分西部省份的资本弹性系数明显强劲,如陕西、重庆、四川等。这充分显示了我国经济增长模式特点,长期以来,我国经济增长依靠投资拉动的特点非常显著。内生增长理论指出地区经济增长的源泉是科技进步,也就是上文所说的“劳动有效性”。因而,我国投资驱动型的经济增长模型难以长期维继,转变经济增长模式势在必行。那么,今后我国在经济增长方式和经济结构调整的转轨进程中,如何提高“劳动有效性”是关键所在。根据内生增长理论,通过教育这一关键要素形成知识、人力资本及技术吸呐和创新能力,从而提高“劳动有效性”,才能真正实现我国经济增长模型的转变和经济结构的调整。
相较于物质资本对经济增长的贡献,劳动力对经济增长的贡献明显偏弱,其弹性系数估计值在0.317~0.011之间。我国经济发展过程中呈现两个特点:一方面,我国劳动资源丰富,大部分产业属于劳动密集型;另一方面,劳动力质量偏低,多数产业处于产业链低端,从而造成其对产出贡献明显不足。劳动力产出弹性也呈现出明显的区域不平衡性,相比较而言,经济发达地区劳动力产出弹性远低于欠发达地区。劳动力产出弹性在0.197~0.317且排在前十位的省份依次是:宁夏、西藏、甘肃、湖南、海南、河南、青海、吉林、贵州、江西等。经济发达省份如浙江、江苏、上海、广东、北京等,劳动力弹性系数偏小,虽然这部分地区每年都吸引大量劳动力,但由于劳动力质量参差不齐而且以没有经过培训的农村剩余劳动力为主,因而呈现出劳动力要素投入多而产出少的特点。由此可见,提高劳动力质量尤其是农村劳动力是提高劳动力产出弹性的关键所在。因而,我国要大力发展中等教育尤其是职业技术培训,从而为经济发展供给专门人才。
相对于物质资本和劳动力要素,由各种不同等级教育形成的人力资本对经济增长的贡献明显不足,并呈现出区域的不平衡性和层次性。由初等教育形成的人力资本对经济增长的贡献在欠发达地区表现突出,如海南、青海、宁夏、西藏等地;而经济发达的东南沿海地区贡献度则不明显,如上海、浙江、江苏、广东、福建等地。由中等教育形成的人力资本则呈现出两个梯度,一个梯度是中等教育(职业教育)高度发达的省份,如广东、江苏、山东、福建、上海、浙江等地,其产出弹性在0.07~0.12,值得重点关注的是重庆市,其中等人力资本产出弹性也达到了0.056;其他省市属于第二个梯度,其人力资本产出弹性在0.01~0.048,中等教育发展明显滞后。由高等教育形成的人力资本对经济增长的弹性系数大致分为三个梯度,第一个梯度高等人力资本产出弹性在0.058~0.109,包括的省市有北京、山东、广东、重庆、上海、湖北、浙江、天津、福建、四川、河南、湖南、江苏等;第二个梯度高等人力资本产出弹性在0.037~0.054,包括的省市有黑龙江、宁夏、安徽、江西等;第三个梯度高等人力资本产出弹性在0.005~0.03,包括的省市有云南、内蒙古、西藏、河北、广西、山西、陕西、辽宁、吉林、青海、贵州、海南、甘肃等。另外,各个层次教育形成的人力资本产出弹性系数整体上呈现出一定的层次性,欠发达地区初等教育形成的人力资本作用往往比较突出,而中等教育人力资本、高等教育人力资本作用不突出,如内蒙古、海南、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏等地;经济发达地区尤其是沿海省份,由于其中等职业教育比较成熟,中等职业教育对产出弹性明显突出,其对经济增长贡献高于初等教育和高等教育,如江苏、浙江、福建、山东、广东等地;高等学府较集中且经济发达地区,高等教育形成的人力资本弹性系数高于初等、中等教育形成的人力资本,如北京、天津、上海等地。总体而言,各省份各层次人力资本对产出的贡献总和基本上与一般劳动力相持平,这说明,人力资本在我国经济增长过程中的作用日益显现,这对于我国投资驱动型和劳动密集型经济增长方式的转变无疑具有重要意义。
四、结论及建议
本文以内生经济增长理论为基础,构造了纳入不同层次教育水平(初等、中等、高等教育)人力资本的柯布—道格拉斯生产函数,重点分析物质资本、技术进步水平、一般劳动力、初等教育人力资本、中等教育人力资本、高等教育人力资本对经济增长的影响。
首先,各投入要素对经济增长的作用表现出明显的区域性和不平衡性。这主要是由我国长期以来经济发展不均衡所致。随着经济改革推进,各地应结合自身情况调整产业结构和经济增长模式,加强生产要素流动性,从而实现经济均衡发展。
其次,各投入要素对经济增长的作用呈现出层次性和梯度性。从模型估计结果可以看出,物质资本对经济增长的贡献最高,一般劳动力次之,各层次教育形成的人力资本对经济增长的贡献最低。这主要是由于长期以来我国经济增长依靠投资拉动,一般劳动力供给相对过剩,中、高级人力资本供给相对贫乏。而只有技术进步才是经济增长的内生源泉,因而,我国投资驱动型的经济增长模型难以长期维继,转变经济增长模式势在必行。那么,今后我国在经济增长方式和经济结构调整的转轨进程中,如何提高行业的科技吸收和创新能力当为关键所在。根据内生增长理论,通过教育尤其是中、高等教育这一关键要素形成知识、人力资本及技术吸纳和创新能力,才能真正实现我国经济增长模型的转变和经济结构的调整。因此从长期经济增长的角度出发,中等职业型人才的培养是必不可少的重要环节,应该加以优先发展。同时,随着我国高校扩招进程,提高高等教育质量迫在眉捷,从而增强素质型人才对经济增长的强大推动作用[13]。
再次,经济发达地区中等、高等人力供给对经济增长作用巨大;而经济欠发达地区的这种影响并不显著,中等人力资本供给匮乏。因而,经济欠发达地区必须加强对中、高等人力资本的吸引,及时出台相关配套政策推动高素质人力资本的流入。
摘要：以内生经济增长理论为基础,构造了纳入不同层次教育水平(初等、中等、高等教育)人力资本的柯布—道格拉斯生产函数,重点分析物质资本、技术进步水平、一般劳动力、初等教育人力资本、中等教育人力资本、高等教育人力资本对经济增长的影响。研究结果表明:各投入要素对经济增长的作用表现出明显的区域性和不平衡性;各投入要素对经济增长的作用呈现出层次性和梯度性。从模型估计结果可以看出,物质资本对经济增长的贡献最高,一般劳动力次之,各层次教育形成的人力资本对经济增长的贡献最低;经济发达地区中等、高等教育形成的人力供给对经济增长发挥重要的贡献;而经济欠发达地区的这种影响并不显著,中等教育形成的人力资本供给匮乏。
空间异质性 篇4
土壤呼吸作为土壤碳输出的主要途径, 是大气CO2的重要来源。每年因土壤呼吸而排放50~75 Pg碳[3], 远远高于由燃料燃烧释放的碳 (约5 Pg) [4]。青藏高原草地面积占全国陆地面积的16.9%、全球陆地面积的1.02%, 却储存着全国土壤有机碳量的23.44%、全球土壤碳库的2.40%[5], 是公认的巨大的土壤碳库。长期受高寒气候环境条件影响所形成的高原地带性植被类型多以寒冷潮湿中多年生草本植物群落为主[6]。高寒草甸发育的高山草甸土壤富含有机质, 土壤碳密度明显高于其他地域土壤[7]。由于该区域气候寒冷, 致使高寒草地土壤有机质分解缓慢, 对土壤有机碳的积累起着积极作用, 气候变化背景下丰富的土壤碳储量变化对我国和全球碳循环产生重要影响[8]。因此, 以青藏高原腹地的三江源高寒草甸为对象开展土壤呼吸研究, 阐明高寒草地生态系统在陆地生态系统碳循环中的作用, 为我国制定温室气体减排政策提供科学依据和对参与联合国气候变化谈判均具有十分重大的意义。试验以青藏高原高山嵩草 (Kobresia pygmaea Meadow) 草甸为研究对象, 测定土壤呼吸通量, 通过地统计学软件分析了土壤呼吸和土壤有机碳的空间变异特性, 阐释高寒草甸土壤呼吸的空间变异特征和分布格局, 为准确估算土壤呼吸量和精确量化碳通量提供依据, 现报道如下。
1 研究区域概况
试验地点在农业部玉树高寒草原资源与生态环境科学观测试验站, 位于青海省玉树州称多县珍秦乡, 地理坐标为北纬33°24'30″, 东经97°18'00″, 海拔4 270 m, 具典型的高原大陆性气候特点, 无四季之分, 仅有冷暖季之别, 冷季漫长、干燥而寒冷, 暖季短暂、湿润而凉爽。年平均温度为-5.6~3.8℃, 极端气温高达28℃, 极端最低气温达-48℃, 温度年差较小而日差较悬殊, 太阳辐射强烈, 日照充足, 全年日照时数达2 300~2 900 h。冷季持续时间长达7~8个月, 且风大雪多, 暖季 (持续4~5个月) 湿润。年降水量为262.2~772.8 mm, 多集中在6—9月份, 雨热同季, 有利于牧草生长。土壤以高山草甸土和沼泽化草甸土为主, 植被类型属于高寒草甸, 草地植物群落主要类型包括高山嵩草、矮生嵩草 (K.humilis) 、鹅绒委陵菜 (Potentilla ansrina) 、垂穗披碱草 (Elymus nutans Griseb) 、火绒草 (Leontopodium alpinum) 、鳞叶龙胆 (Gentiana squarrosa Ledeb) 等[9]。
2 材料与方法
2.1 试验设计
土壤呼吸和土壤有机碳的空间变异特征在样区采用网格嵌套布点, 于8月中旬在研究区域选取平均坡度小于5°的50 m×50 m平坦样地, 将样地等距离间隔划分为25个10 m×10 m的网格, 以每个网格顶点作为测量点和取样点, 共36个点。然后依次在上一级样方的基础上划分5 m×5 m、2.5 m×2.5 m和1.25 m×1.25 m的网格, 取样126个。同时在样区内布设不同尺度的取样点, 然后对每个样点进行编号并记录每个样点的空间坐标值。
在取样格点周围用Li-8100土壤呼吸测定系统测定CO2通量变化, 测定完成后用土钻在每一取样格点的周围随机取3个0~10 cm土壤混合样, 采用重铬酸钾氧化-外加热法进行标定[10]。
2.2 数据的统计分析
采用SPSS17.0统计软件的皮尔逊双变量相关分析对土壤呼吸速率和土壤有机碳进行相关分析, 同时以单样本柯尔莫哥洛夫-斯米诺夫进行正态检验, 再用Variowin地统计学软件进行半方差函数模型拟合和参数计算, 用Surfer 8.0绘制土壤呼吸及其相关因子空间分布的等值线图。
3 结果与分析
3.1 高寒草甸土壤呼吸和土壤有机碳描述性统计特征 (见表1)
通过对样区土壤呼吸率和土壤有机碳的统计发现, 土壤呼吸率和土壤有机碳的平均值分别为5.41μ·mol/ (m2·s) 、10.28 g/kg, 变化范围分别为3.07~7.94μ·mol/ (m2·s) 、6.33~16.71 g/kg, 变异系数分别是0.21, 0.28, 土壤有机碳和青藏铁路沿线北麓河值[11]相差不大, 高于山西云顶山亚高山草甸土壤有机碳[12], 说明青藏高原高寒草甸比其他相近纬度土壤有机碳丰富。用统计软件进行进一步分析, 结果表明, 高寒草甸研究区土壤呼吸率和土壤有机碳均符合正态分布。
3.2 高寒草甸土壤呼吸率土壤有机碳相关关系分析
土壤呼吸率和土壤有机碳具有极显著的相关性 (P<0.001) , 拟合线性方程为y=1.360 3+1.649 2x, 相关系数达到0.436 3, 说明土壤呼吸和0~10 cm土壤有机碳具有显著的空间相关特征, 也说明土壤有机碳对于外界自然因素和人为因素的干扰可能会引起土壤CO2排放速率的改变。
3.3 高寒草甸土壤呼吸率和土壤有机碳空间异质性分析 (见表2)
从土壤呼吸和土壤有机碳的变异函数理论模型参数可以看出, 二者均为线性模型, 土壤有机碳模型的拟合比土壤呼吸率的高, 达到0.838;块金值 (C0) 通常是说明随机部分的异质性, 它的大小决定了小于试验取样尺度和试验误差引起的变化。统计发现, 土壤有机碳的块金值较大, 而土壤呼吸小于1, 说明土壤呼吸率和土壤有机碳可能存在因试验取样尺度和试验误差的正基底效应, 但试验为小范围取样, 可忽略随机部分的异质性;通常系统内总的变异强度用基台值 (C0+C) 表示, 变量间空间相关程度则由块金值和基台值之比C0/ (C0+C) 表示, 土壤呼吸和土壤有机碳的C0/ (C0+C) 值分别为42%、40%, 在系统变量空间相关性中等强度[13], 其空间异质性和结构因素二者共同起主导作用。这也说明随机因子如家畜践踏、草地利用方式的改变, 地下生物量等影响上升, 表明结构性因子如成土母质、土壤类型等空间自相关部分比例降低。
3.4 高寒草甸土壤呼吸和土壤有机碳空间分布特征及尺度效应 (见图1)
采用Surfer 8.0地统计学软件Kriging插值法进行绘制, 通过点状数据网格化处理, 绘制土壤呼吸和土壤有机碳空间分布的等值线图, Kriging插值参数按照表2变异函数理论模型参数设定, 其中颜色越深显示其值越小。
等值线图基本表现了研究区域土壤呼吸率和土壤有机碳的空间变化规律。由图1可以看出, 土壤呼吸率和土壤有机碳分布不连续, 具有明显的斑块不均匀分布, 这主要由于高寒草甸孕育的高山草甸土层一般比较薄, 并且伴有大量沙砾, 黏粒较少, 淋溶作用强[14]。另一方面, 由于受到放牧、旅游等人为因素的干扰[12], 以及样地植被分布的不均匀, 进而碳输入如凋落物和家畜粪便等因素的改变, 引起土壤有机碳在空间分布上的富集和离散, 进一步证实了青藏高原高寒草甸生态系统的脆弱性。
描述空间异质性尺度的有效性由变程决定, 它与观测尺度以及在取样尺度上影响土壤呼吸率的各种生态过程相互作用有关[15]。通过变程结果看出, 土壤有机碳的空间异质性的自相关尺度为76.53 m, 土壤呼吸率的空间异质性的自相关尺度为80.92 m, 说明土壤有机碳和土壤呼吸空间变异尺度接近。本试验最大取样间距达10 m, 小于空间自相关距离, 说明该样地的采样尺度有效;也说明土壤有机碳空间自相关部分引起的空间异质性占60.00%, 体现在10.00~76.53 m的尺度范围内。土壤呼吸空间异质性约有42.00%由10 m以下尺度的随机因素引起, 而10.00~80.92 m的尺度范围内自相关因素引起的空间异质性占58.00%。
4 小结
1) 研究区高寒草甸土壤呼吸率和土壤有机碳符合正态分布, 分别为5.41μ·mol/ (m2·s) 和10.28 g/kg, 属于中等变异;相关性分析表明, 土壤呼吸率与土壤有机碳呈极显著线性相关, 对土壤呼吸空间分布的影响较大。
2) 高寒草甸土壤呼吸率和土壤有机碳间存在半方差结构, 以线性模型拟合, 决定系数分别为0.623和0.838。
3) 变程是某种属性间相似范围的一种测度指标。本试验中土壤呼吸和土壤有机碳的变程差异范围不大, 二者在相同的尺度上起作用, 基本上都在80 m左右。
摘要：为了研究三江源区高寒草甸土壤呼吸变异特征, 试验采用野外调查和密闭气室法, 测定了三江源区土壤有机碳和土壤呼吸指标, 并应用地统学软件Surfer和Variowin进行了分析。结果表明:土壤有机碳和土壤呼吸率分别为10.28 g/kg, 5.41μ·mol/ (m2·s) , 变异系数为0.28, 0.21;土壤呼吸和土壤有机碳间线性相关, 且存在半方差结构, 样区空间异质性和结构因素二者共同起主导作用;土壤呼吸和有机碳变程分别为80.92 m和76.53 m, 差异范围不大, 二者在相同的尺度上起作用, 表现分布不连续, 具有明显的斑块不均匀分布, 进一步证实了青藏高原高寒草甸生态系统的脆弱性。
空间异质性 篇5
1 研究方法
1.1 数据收集
按照行政区划并结合农业活动特征, 将研究区域分为7个区域, 即孝南区、云梦县、孝昌县、大悟县、应城市、安陆市、汉川市, 各区域的基本信息见表1。以县市为尺度, 以2011年为基准年, 分类收集各项农事与人居活动涉及到的原始数据 (部分数据见表1和表2) , 数据来自孝感市统计年鉴、孝感市环境质量年报、农村统计年鉴以及实地调研和各部门统计数据资料, 同时收集用于负荷核算的必需参数 (相关参数来源于农业源系数手册及污染物排放标准、环评手册) 。
1.2 排放负荷核算
采用清单分析法, 核算化肥施用、秸秆废弃、畜禽养殖、水产养殖、生活垃圾、生活污水和地表径流7个面源污染TN、TP、COD的排放负荷, 主要核算指标有实物排放量、等标排放量、等标排放系数 (国土基) 、污染物排放浓度、水质指数。
2 结果与讨论
2.1 农业面源污染实物排放量
通过农业面源污染实物排放量计算方法, 得出孝感市农业面源污染实物排放量 (见表2) 对比分析污染源与污染物可知, 化肥施用对TN和TP的贡献都最大, 贡献率分别达到45.98%和41.46%, 畜禽养殖对TN和TP的贡献率分别达到了35.47%和28.58%。对COD的贡献最大源是畜禽养殖, 占总排放量的47.13%, 其次为有机肥施用和农村生活污水。总体来看, 化肥施用TN、TP排放量在总的排放量中所占的比例很突出, 畜禽养殖污染COD、TN、TP排放量比例都很大。而垃圾污染、地表径流、生活污水和水产养殖相对较少。表明畜禽养殖、化肥施用是造成该区域农业面源污染的主要来源。
从污染分布区域来看, 安陆市和汉川市的污染物排放量较高, 其COD、TN、TP的排放量均占全市区总排放量的20%左右, 分析得知, 这与两市种植业较为发达、规模化畜禽养殖场较多等有一定的关系。云梦县和大悟县污染物排放量相对较低, 由于大悟多为低山丘陵, 主要以工业为主, 农业生产以种植业为主, 畜禽养殖较少, 污染物排放量也相对较低。云梦县地势低平, 气候适宜, 土壤质地好, 长期以来维持以种植业为主的单一经济, 故污染物排放量也相对较少。
2.2 农业面源污染等标排放量与排放强度
计算得出研究区域农业面源污染等标排放量 (见表3) , 分析得知, 该区域农业面源污染的等标排放总量为62360t, 其中, COD、TN、TP分别为10768、25297、26292t。从表中可以看出, 农业面源污染的主要污染物是TP, 贡献率是42.17%, 其次是TN, 贡献率为40.57%。污染较为严重的是汉川市, 贡献率为25.16%, 其次为安陆市, 贡献率为19.47%。种植业、养殖业、农村生活的贡献率分别为29.29%、32%、27%。
通过计算得出基于国土面积的等标排放系数 (见表4) , 根据排放系数的大小确定农业面源污染排放强度的顺序分别为汉川市>安陆市>孝南区>孝昌县>应城市>云梦县>大悟县。种植业污染顺序为汉川市>孝南区>安陆市>孝昌县>应城市>云梦县>大悟县。养殖业污染顺序为汉川市>安陆市>孝南区>孝昌县>应城市>云梦县>大悟县。农村污染顺序为汉川市>安陆市>孝南区>孝昌县>应城市>云梦县>大悟县。分析得知, 在研究区域, 汉川市由于位于灌区, 交通便利, 种植业与养殖业发达, 农业面源污染排放强度较高, 大悟县实施生态农林复合模式, 农业面源污染排放强度相对最低。
2.3 农业面源污染源与污染物的分析
采用等标污染负荷与等标污染负荷比的方法, 运用区域内污染源或污染物的等标污染负荷比可确定主要污染源和主要污染物。即按照区域内污染物或污染源的等标污染负荷比从大到小排序, 分别计算累计百分比, 累计百分比大于80%左右的污染物或污染源列为主要污染物或主要污染源。在确定等标排放量的基础上, 计算等标负荷比与累计等标负荷比 (见表5) 。分析得知, 该区域农业面源污染的主要污染源依次是畜禽养殖业污染、农村生活污水污染和种植业化肥污染, 其等标污染负荷比分别为33.85%、18.97%、15.84%。主要的污染物是TP和TN, 其等标污染负荷比分别为39.70%和37.67%。对污染源和污染物的实物排放量进行对应分析, 发现主要污染源畜禽养殖提供COD, 而TN、TP则主要是由其它污染源提供。
2.4 农业面源污染负荷的响应分析
利用农业面源污染物排放浓度和水质指数 (见表6) 可以表征农业面源污染对水环境的影响程度。全市因农业面源污染排放COD、TN、TP的浓度分别是15.18、2.78、0.87mg/L, 其中TN、TP污染物浓度均已超过地表水环境质量三级标准。COD排放浓度以云梦县最高, 孝昌县、安陆市、应城市次之。TN以安陆市最高, 汉川市次之。TP以汉川最高, 安陆市次之。而孝南区和大悟县的COD和TN排放浓度均达到地表水环境质量三级标准。
将研究区域7个县市划分为重污染、中度污染和轻污染三种类型。考察孝感各个区域的水质指数, 发现孝感市农业面源污染的水质综合指数为3.59, 达到近中等污染水平。汉川市和应城市达到中等污染。孝昌县、大悟县、安陆市、云梦县均达到轻度污染。TN、TP的水质指数分别为2.78、4.35, 已达到中等污染。COD为0.76, 显示为临界警戒水平以下。进一步得出, 污染程度顺序是汉川市>应城市>安陆市>大悟县>孝昌县>云梦县>孝南区。
3 结论
(1) 研究区域的农业面源污染的COD、TN、TP的排放/流失总量分别为21.53万、2.53万、0.53万t/a, 相应的等标排放量分别为1.07万、2.53万、2.63万t/a。因农业面源污染引起的COD、TN、TP的排放浓度分别是15.18、2.78、0.87mg/L。
(2) 畜禽养殖、化肥施用与生活污水是造成孝感市农业面源污染的主要来源, 其贡献率分别为32%、32%、27%。主要的污染物是TN、TP, 其贡献率分别为42.17%、40.57%。
(3) 孝感市农业面源污染的水质已达到中等污染水平, 因农业面源污染引起的COD、TN、TP相应的排放浓度分别为15.18、2.78、0.87mg/L, TN、TP均超过地面水环境质量三级标准。
(4) 根据农业面源污染的压力态势 (等标排放量) 和响应态势 (水质指数) , 可将孝感市7个县市划分为严重污染、中度污染和轻度污染三种类型。按压力确定的污染程度是汉川市>安陆市>孝南区>孝昌县>应城市>云梦县>大悟县, 按响应确定的污染程度是汉川市>应城市>安陆市>大悟县>孝昌县>云梦县>孝南区。可以看出结果不一致, 意味着既要预防面源污染“压力”, 又要治理污染“响应”, 只有标本兼治、分类指导, 才能从根本上遏制农业面源污染日益恶化的趋势。
参考文献
[1]姜峰, 崔春红, 等.基于清单分析的江苏省农业面源污染时空特征及源解析[J].安徽农业大学学报, 2012, 39 (6) :2-7.
[2]DENNISLC, PETERJV, KEITHL.Modeling nonpoint source pollutant sinvadose zone with GIS[J].Environmental Science and Technology, 1997, 3 (8) :2157-2175.
[3]蔡金洲, 范先鹏, 黄敏, 等.湖北省三峡库区农业面源污染解析[J].农业环境科学学报, 2012, 31 (7) :1421-1430.
[4]Grunwalda S, Noon L DCalibration and validation of a non-point source pollution model[J].Agricultural Water Management, 2000 (45) :17-39.
[5]李怀恩.估算非点源污染负荷的平均浓度法及其应用[J]环境科学学报, 2000, 20 (4) :397-400.
[6]陈敏鹏, 陈吉宁, 赖斯芸.中国农业和农村污染的清单分析与空间特征识别[J].中国环境科学, 2006, 26 (6) :751-755.
[7]严素定.黄石市农业面源污染的解析及其空间异质性研究[J].农业工程学报, 2008.24 (9) :225-228.
[8]王丽婧, 郑丙辉, 李子成.三峡库区及上游流域面源污染特征与防治策略[J].长江流域与环境, 2009, 18 (8) :783—788.
空间异质性 篇6
德国著名的阿尔伯特·施皮尔(Albert Speer)事务所(AS&P)通过在国际竞标中胜出而赢得安亭新镇(德国式小城)的规划设计,这座德国风格的小镇将安置20000居民。他们获胜的规划方案将欧洲中世纪的小镇规划和现代的住宅模式结合在一起。在设计中,有简化版的哥特风格教堂、百货公司及各种不同的办公室和住宅。建筑立面的鲜亮色彩、住宅单元的布局风格,处处体现了德国新城的特色,就像克里尔设计的柏林波兹坦城(Potsdam)旁的科尔希斯特费尔德城(Kirchsteigfeld)一样。在浦江新镇,意大利建筑师Augusto Cagnardi则试图将威尼斯的水道系统、联排住宅模式和中国传统的合院住宅模式三种元素融合在一起。
罗店新镇,由瑞典建筑设计公司SWECO FFN完成,设计中那些斯堪地纳维亚风格的坡屋顶住宅,表达了多种保守的、折中的设计理念。英国老牌的阿特金斯事务所在松江新城设计了很多都铎风格的半木构结构的住宅,该新城被称为“泰晤士小镇”。这两座新城的主题公园式的环境和氛围,使得他们成为年轻伴侣完成婚纱摄影的热门地点。在风和日丽的午后,可以看到许多年轻伴侣在新镇中心广场的教堂门口排队耐心等候拍摄照片。而“泰晤士小镇”也因其充满时髦情调的酒吧和餐厅,而成为周末度假的去处。
“一城九镇”规划,自其宣布以来就备受诟病。大多数的批评集中在其设计中套用舶来的西方文化主题。然而,“一城九镇”的社会影响和文化影响——不论积极的或是消极的,都亟待仔细考察。
现象
作为人口飞速增长的大都市,上海不得不向郊区扩张,修建新的卫星城。政府认为,通过不同功能(如:居住别墅区、大学城、经济技术开发区、生态公园等)结合一些带有西方文化的风格,可以使新建的卫星城更具魅力,吸引人们移去定居。但是,与美国不同,即便郊区空气新鲜、房价相对便宜,大多数中国居民仍然愿意选择在城市中心居住。像在上海这样的中国城市,人们已经习惯于一种“拥挤的文化”。为了能够享受市区中心的各种便利,人们宁愿作出相应的牺牲——比如居住在相对拥挤的空间和狭小居住单元中。在浦东开发建设之初,就流行这样的说法:宁要浦西一张床,不要浦东一间房。这意味着上海发展新城建设面临着一个严峻的挑战:如何吸引市民接受郊区新的生活方式,并对新的社区、生活方式产生社会和心理上的认同感。因此,借鉴西方文化作为一种商标,似乎有助于帮助创造具有较高文化价值的社区意象和帮助人们形成认同感。
欲望
上海曾经历了一段半殖民地的历史,其经济和政治地位的迅速提高似乎产生了一种幻像:中国成为了世界的中心。与当初外来的“征服者”修建租界不同,今天的所谓国际社区的设计师都是由中国业主雇用的、来提供服务的。这种欲望和幻想,只有放在上海独特的后殖民语境及中国和西方之间的张力间,才有可能解读清楚。如果历史上的外滩被称为“万国建筑博览会”,那么20世纪的上海将会产生一种围绕中国文化的多元文化模式。在这种情况下,消极被动的接受就会转变为一种更为主动的选择和邀请。因此毋宁说,对于上海市政府而言,一种潜在的需求是试图重写历史,并在中西方的二元关系中发挥主导性作用,而不是单纯地创建一个世界性的都市。
变异
外国规划师和建筑师接受的设计要求是运用他们国家的生活方式和建筑风格来设计新城。然而,对西方文化的想象连同上海地方具体的文化、政治、使用和实施的现实条件,就像滤镜一样改变甚至是富有创造性地歪曲了从西方借鉴来的这些虚构的模式。这将有可能导致西方的建筑意象在中国发生适应性改变、移植乃至曲解和变形。但是,除了对西方建筑样式和表皮的肤浅而拙劣地模仿之外,也有一些建筑案例融合了上海地方建筑的原型,调整了照搬的摹本,从而可以适应功能要求,并适应上海地方的社会和文化背景。尽管,这样的案例中,结果看起来很奇怪,但是却反映了市场经济的逻辑。同时,尽管建筑师有精英的意识,大众在理解建筑时对于其意义的寻求总会在建筑中通过某种方式表达出来。因此,一种对西方建筑形式的有意识或无意识的歪曲使用,反而成功地创造了一种奇观和嘉年华、一种对符号和意义的消费。
危机
更值得担忧的是社会文化和社会价值的缺失、社会不平等和社会隔离现象的加剧、土地和其他资源的无情消耗、全球化带来的负面的影响,以及在建成环境、特别是带有西方文化主题的建成环境中产生的“体验式经济”。尽管建立主题式小城镇的初衷是帮助建立新居住区的社区认同感以及创造一种多元杂交的文化,但是目前从建成的案例来看,这样的理想并未实现。出于各自不同的原因,很多人并没有搬入新城,新城的住宅中只有不超过20%的住房有长期居民,其余多为空置状态。以安亭新镇为例,原定由政府修建的地铁线路并没有延伸和覆盖到住宅区域,只有新城内部的一些商店和公共服务设施在提供服务。因此,没有很多居民愿意在那里居住生活,而有限的居民人口,反过来又限制了满足日常生活的服务业进驻当地。
新城镇的开发导致了一种现象,这些新镇被从原有的环境文脉中切割出来的,好像是城市中的文化飞地,它们似乎成为了诠释全球化产生负面影响的案例。目前看来,这些新镇并未成为解决城市人口爆炸问题的良药,它们除了占用更多的土地之外,并没有产生更多效益,与此相反,它们所产生的问题甚至比北美大都市的无序扩张更加糟糕。
改变
受到洛杉矶MAK中心城市未来计划(Urban Future Initiative)的资助,我在那从事了两个月的研究。90年代以来,主题公园和主题化的空间越来越受到城市研究的关注。和“主题化”(Theming)的概念相关联的,还有被广泛使用的“主题公园化”(Theme-parkism),以及来自主题化最典型的例子麦当劳餐厅和迪斯尼世界的两个对应的概念——“麦当劳化”(McDonaldisation)和“迪斯尼化”(Disneyfication)。主题化的空间或称主题化的建成环境,在时间上涵盖了从古代城市到现代城市空间的整个建成环境的历史,空间上更是随着全球经济的进程而演变为一种在世界各地都能找到范例的普遍现象。今天主题化空间的类型也跨越了从私人的家庭居室一角的收藏品展示空间或者一间小型的主题餐厅,到城市主题购物街区乃至整座城市的不同空间尺度。众所周知,主题化空间最典型的代表莫过于迪斯尼和麦当劳这样的主题公园或主题餐厅。然而,如果我们把视野向更广阔的空间扩展,我们会看到形形色色的城市空间,渗透着主题化的特征。商业空间最具代表性的当属洛杉矶的“Americana”商业综合体。在着力渲染的美国价值观和带有典型美国式梦想的画面的背后,呈现的是资本运作的冰冷现实:美国式的价值观借以推销的是名牌的商品和豪华的服务公寓。讽刺的是,如果近距离地观察这里的“美国式”图景,你可以感受到强烈的新英格兰气息,那种来自英伦的贵族气息和当下美国西海岸的都市风景格格不入,就连圣诞节飘洒的人造雪花也传递着这样的信息:如果你对美国文化有更深入的了解,那么以某个地区的美国文化作为招牌所塑造的美国图景同样造就了一片文化的飞地。
如果我们将上海的“一城九镇”归结为文化自信力的缺乏所导致的对优势文化的借用,那么这种文化心态同样体现在洛杉矶老的盖蒂博物馆——“盖蒂别墅(Getty Villa)”中,这里出于对欧洲文化的推崇和对美国文化的不自信使得盖蒂家族在修建这座博物馆时,原样复制了一座古罗马别墅建筑,或许来自古罗马的柱廊和立面证明了博物馆藏品的价值:只有来自西方文化之源——古典时期的才是真正不朽的艺术,也只有照搬罗马的建筑样式才能为血统不纯净的后世继承者标明一丝身份的高贵。也正是出于同样的心态,洛杉矶同样建造了德国小镇“Alpine Village”。而在离圣芭芭拉不远的丘陵地带,我们也能够找到丹麦风格的小镇“Solvang”。
与德国小镇“Alpine Village”和丹麦风格小镇“Solvang”不同,事实上,建筑外在的形式与内在的内容未必具有真实的一一对应关系,建筑的形式“主题”,也未必反映其内在功能。一个典型的例子是洛杉矶的三代“Chinatown”。最早的一代唐人街(今天的美籍华人博物馆所在地)其建筑形式丝毫没有中国元素,如果不是街道上悬挂的红灯笼,你丝毫不会认为这里的建筑和唐人街有任何关联;而第二代的唐人街则努力地运用中国元素,中国式的屋顶和鲜艳的色彩让你觉得回到了几十年前的中国,呈现一种陌生的熟悉;而第三代唐人街(San Gabriel Valley)的建筑则是采用了加州最最常见的西班牙殖民复兴样式,如果不是招牌上闪耀的中国文字,你也很难将这里和唐人街联系起来。后现代主义的思想家中,对消费文化及其带来的后现代的生活体验进行精辟分析的当首推鲍德里亚。他认为消费文化与电视产生了过量的影像与符号,从而产生了一个仿真的世界。在这个仿真世界中,实在与意象之间的差异被消解,变成了极为表层的审美幻觉。在这几种唐人街中比较,你无法判断哪一种更真实,或许每一个都是一种不同的真实。
再来看看洛杉矶的“威尼斯海滩(Venice Beach)”。看过库哈斯《癫狂的纽约》的人,一定会对他花费全书四分之一篇幅详细描述的纽约“柯尼岛(Coney Island)”记忆犹新:以主题公园的方式提供给我们的一座狂欢和享乐的不夜城。同样,南加州的威尼斯在二十世纪初建造伊始,也是一座和柯尼岛同样疯狂的主题公园,也同样在几次大火中容颜凋谢,然而和柯尼岛就此衰落的命运不同的是,经历了一个世纪的威尼斯,在大火的废墟上建造了一个充满生机的社区。今天,依稀犹存的模仿意大利威尼斯的水道结构为两岸的住宅提供了良好的景观和人车分离的交通系统。
空间异质性 篇7
关键词：异质材料零件,动态建模,点云数据,特征节点
0 引言
异质实体(heterogeneous objects,HEO,或称非均质物体)的概念来源于自然界的物质结构,几乎所有的生物体,如牙齿、皮肤、骨骼、木材和竹子等,都是以异质实体的形态而存在的[1]。对于HEO的一个重要分支——异质材料零件的研究已经成为机械工程、材料科学、信息科学等领域的前沿性研究课题或热点之一。
针对不同的异质材料零件实体形态,研究者们提出了多种建模方法。但目前出现的各种异质材料零件的建模方法,大部分研究的对象是简单和规则的几何体,对于那些在不同部位同时存在两种或更多种材料分布、且(或)材料呈非规律分布的异质材料零件,有效的建模方法尚不多。如在机械工程领域,如何表述含有复合材料的机械零件的表面变性、材料老化及断裂等异常现象,如何确定表面工程和再制造工程中的零件表面及内部材料分布及其变化趋势,如何设计由不同材料组成的微机电系统(MEMS)并对其进行FEA分析,这些研究对象都有一个共同点,即均为异质材料实体,外观结构相对稳定,但内部材料的分布变化会导致其功能改变,甚至是质变。对于此类复杂的异质实体建模,除了考虑其结构特征、材料静态分布特征,还要考虑其物理特性(如温度场、电磁场等)和时间(即材料分布变化趋势)等因素。
对于复杂的异质材料分布对象,本文提出了一种异质材料零件动态建模方法。
1 以空间点云数据集为特征的几何建模
异质材料模型的建模分几何建模和材料建模两个部分[2]。许多学者提出了多种HEO建模方法,较具有代表性的有:文献[3,4]采用描述几何信息的r-set集和描述材料信息的rm-set集的建模方法进行建模;Jackson[5]研究了利用有限元网格描述几何信息、以单元节点到实体边界距离为变量描述材料特征的HEO建模方法,该方法把异质实体细分为不规则的四面体单元,数据运算和切片分层等数据处理较为复杂;文献[6,7,8,9]研究了梯度源和特征树的建模方法,并较为系统地研究了HEO的CAD设计与可视化,开发了原型设计软件;Wu等[10,11]采用基于距离场的体素模型,开发了针对HEO的CAD原型软件;文献[12,13]研究了基于三维像素点的建模方法和基于空间曲线控制点的建模方法,并对异质实体FEA和成形方法进行了研究。
上述各建模方法均以几何结构呈静态、多材料间无渗透或变异,并且各材料相或有明显界限、或呈梯度变化的异质实体为对象,并未考虑到各材料相的分布为非均质、非规则或随时间变化而出现材料分布改变等状况。
基于此问题,本文采用了基于细化STL模型和空间微四面体重构的异质材料零件设计方法,分别对异质材料模型进行几何重构和材料定义。设计过程如图1所示。
1.1 STL模型细化
首先根据异质材料零件CAD STL模型获得其轮廓表面几何信息,获取每个STL三角面片的顶点,即节点数据,如图2a所示。 但图2a由于采用的是通用STL格式来表示的三维模型,故仅能从几何表示角度来描述模型,该种描述方式的优点是对于规则模型地描述简洁高效,有利于数据存储及运算;但对于曲面较复杂或精度要求较高的模型,该格式数据冗余度较高、数据量大、精确度较差,且多种软件输出的STL数据存在一定差异,从而导致表述的实体模型存在各种缺陷,在描述异质材料零件方面更是无能为力[14]。针对上述通用STL格式的各种局限性,目前正在研究新的替代数据格式STL2.0[15]。
本研究在通用STL模型的基础上,根据零件的加工精度要求,确定STL面片细化的最小尺寸值。比较简洁的方法是直接按照STL模型中的最小面片(如图2a中的最小面片尺寸为0.02mm)为基准进行细化,从而获得STL三角面片均匀细化模型。而在STL模型中一些曲率变化较大处,针对三角面片本身就很细密的情况,为了减小运算量,在满足加工精度的前提下可以采取多个微细三角面片合并的方式进行粗化。
通过设置三角形面片大小对其进行均匀化处理,如图2b所示。该模型中的每个STL面片大小均几乎相同,虽然数据量较通用型STL模型大为增加,但却有利于后续异质材料零件的材料特征描述。
(a)通用STL模型 (b)网络细化后的STL模型
1.2 异质材料模型的轮廓节点获取
为消除上述STL模型细化带来的数据运算量大及数据冗余度大的缺点,基于异质材料零件的功能描述需要,只需保留细化后的STL模型的节点数据(即点云数据),并加入节点拓扑信息即可准确地描述该模型的几何信息。细化前后的点云数据模型见图3。
(a)初始点云数据集 (b)细化后的点云数据集
1.3 异质材料模型的空间四面体构造
STL通用模型以假定模型为单一材料且质地均匀为前提,因此,即使细化后的点云数据集也仅有异质材料模型的表面节点几何信息,而无内部结构信息。异质材料模型的材料信息是依附于结构信息而表示的,如要表达模型的材料信息,尤其是内部材料分布状况,需要采用合适的数据描述方式对异质材料模型的内部结构予以表达。
基于前述已经获得的HEO表面点云数据集,采用插补算法和拓扑算法获得空间三维点云数据集。该空间点云数据集与之前表面点云数据集的不同之处在于:除了具有表示异质材料模型的内外曲面上的信息之外,还具有内部结构信息及内部各节点间的拓扑信息。这为进一步对异质材料模型的材料信息进行定义奠定了物质基础。
针对已经获得的空间三维点云数据集,利用Delaunay三角剖分法中的增量算法[16,17](也称逐点加入法),进行各个微四面体构造而形成新的异质材料内部实体表述模型。该算法的实现过程(图4)为:先在包含所有数据点的一个多边形(往往为最小外接矩形)中建立初始三角网(一般为矩形两对相邻边和对角线组成的两个或几个三角形),然后将余下的点逐一插入,用LOP算法优化成为Delaunay三角网,并删除所有包含初始多边形顶点(非原始数据点)的三角形,循环运算最终获得基于空间微四面体的新型异质材料模型的几何体。
2 基于特征节点的材料建模
2.1 特征节点提取
在上述构建的含有空间微四面体的新型几何模型的基础上,为准确描述异质材料零件内的材料分布,需要确定零件的结构特征节点和材料特征节点。为精细描述异质材料零件内的材料分布,还需要对零件的各特征节点进行适当插值细化。
以图5所示的由Al和Cu两种金属材料构成的梯度功能材料平面模型为例,以结构特征节点P1P2P3P4构成外轮廓框架,以P6和P7为材料特征节点确定材料分布(因为该两点的材料体分量均为1),
再以这些特征节点做为细分特征节点,对模型进行细分。
2.2 材料特征节点定义
在异质材料零件的设计和分析过程中,通过对其特征进行控制比仅对其材料分布进行控制要更加有效[18]。因此,本研究在材料建模过程中,引入了描述各材料物理特征的材料分布特征值、各材料的体分量和材料分布向量。
异质材料零件CAD模型的各特征节点分别沿着X、Y、Z轴对多维材料进行三维空间赋值,赋值公式如下:
Mp=(s1,s2,…,sk,x1,x′1,y1,y′1,z1,z′1,…,
xk,x′k,yk,y′k,zk,z′k) (1)
其中,k为该模型所含材料的总种类数;si表示该p节点处的第i种材料的分布特征值,其值为该点处第i种材料的体分量mi与其物理特征fi之积,所有材料的体分量之和应为1,p点处的材料特征如下:
式(1)中,xi和x′i分别为该点处沿X轴两个相反方向的第i种材料的分布向量,用以表示该材料变化的趋势;xi为X方向上下一个节点pi+1(x)处该材料的体分量与该节点pi(x)处该材料体分量的比值,该向量绝对值越大,表明此点周围的该种材料变化越剧烈,向量为1表示该方向上的下一个节点处该材料的体分量与之相同;x′i为-1表示该方向的反方向上的上一个节点pi-1(x)处该材料的体分量与之相同;其值为±∞时表示该点不含有此材料但其该方向的相邻节点含有该材料;yi和y′i、zi和z′i的定义与之类似,如下:
三维异质材料零件可以通过一维和二维的特征来分层制造,对材料分布也同样适用。本研究采用“材料切片”概念对三维模型进行材料定义,该材料切片与HEO模型的RP加工过程中的物理“切片”可形成对应关系。
以下以图6a所示的六齿模型为例对上述材料建模方法予以说明。假设该模型的外表面和内孔分别为两种纯材料,中间部分为两种材料的过渡区域。图6b为该三维模型的某一个二维材料切片,P和Q点分别为表面几何特征节点,同时又为材料特征节点,其余粗黑圆点(除P′点外)均为前述的空间点云数据集映射至该层的二维特征节点。这里的空间点云映射是指该切片层上方临近的点集映射至该切片层(临近的程度取决于切片层所取的厚度),这样即可得到该切片层内的网格映射节点。
根据式(1)～式(3),P和Q点的材料值应分别为:P(1,0,1,0,0,y′1,1,-1,null,null,null,y′2,null,null)和Q(0,1,null,-∞,+∞,null,null,null,0,x′2,y2,0,1,-1)。其中,null表示该点和相邻节点均无此材料;P点中y′1的具体值可由空间点的欧式距离公式来确定(P′为P点在Y反方向上的相邻节点):
y′1=-d(P,P′)/d(P,Q) (4)
其余y′2、x′2、y2的值计算方法相同。
按照以上方法对各特征节点依次进行材料定义,即获得图6c所示的切片内特征节点材料分布。
2.3 切片层网格映射
由于每个零件的特征节点的数量相对于空间点云数据集而言,只占极小比例,因此,仅根据已定义的特征节点直接进行材料插值计算,以此获得的整个三维模型材料分布的精确度将较低。
为提高材料描述的精确度,结合已有的空间点云数据集,选定某一切片层,将空间点云数据集映射至该切片层,即可得到该切片层内的网格映射节点,如图6d所示。图6e、图6f为网格映射后的材料分布及其渲染图,对比于图6c,可看出网格映射后的材料分布的精确度大为提高。
根据上述对各切片层内的材料定义过程,遍历各切片层,即可完成三维异质材料模型的材料定义。图7a为图6所示切片的材料二维分布渲染图,图7b为该模型含两种材料的三维分布渲染图。
3 应用实例
在课题组开发的异质材料软件设计系统和异质材料成型系统中[19,20],设计了一些异质实体,对该种异质材料零件建模方式进行结构和材料分布的测试。
本异质材料零件成型系统采用CMYK色彩模式实现每个切片的层层加工。为保证异质模型的材料分布可视化与材料分布的可视化相一致,在进行材料分布定义时也采用相同的色彩体系。
图8为含有多种材料的四齿异质实体模型的材料分布组图。
图9a、图9b分别为含有3种和4种材料的HEO模型渲染图,两者的材料均呈圆周梯度型分布;图9c为含有多种材料的非规则梯度型分布;图9d为含有多种材料的非规则变异型分布,齿根部的材料异常(色彩突变部位)表示该区域材料分布较其他区域有较大改变。
图10为一多齿模型,图10a为多种材料呈圆周状规则分布图,其他为多种材料呈非规则梯度分布的渲染图。
4 结论
本文基于空间点云数据集的异质材料零件动态建模方法采用了细化STL模型和空间微四面体重构的几何建模方法和材料特征节点定义及其材料切片插值运算的材料描述方法,实现了对异质材料零件中任意点的结构及其材料信息表述。相较于以往的静态建模方法,本文方法有以下优点:
(1)采用以细化STL模型的网格节点为基础的空间点云数据集,使得微四面体的异质材料零件模型的几何重构过程迅速、精确且保证了数据的有序存储。
(2)该种建模方法利用“材料切片”的概念,按照空间点云数据集映射至每个材料切片的方式进行二维切片的材料定义;同时建立了材料切片与物理切片的对应关系,使得定义的每层材料切片可直接利用CMYK的三维打印方式进行数字化加工,为异质材料零件的CAD/CAM一体化奠定了基础。
(3)该种建模方法以每个特征节点为定义单元,结合有序的拓扑结构,因此能够表达多种材料的非均质分布情况,以及材料分布突变、断裂等异常情况。
(4)由于采用了异质材料零件CAD模型的表面点云数据集进行微四面体的重构,因此,对于那些通过CT、MRI、激光扫描仪等各类逆向工程技术获得的点云数据模型,可以直接采用本方法进行异质材料零件的设计,节省了大量的曲面重构时间,也避免了几何重构的误差,从而为从点云数据到异质材料零件的设计提供了一条便捷途径。
在开发的HEO成型系统上进行的测试结果显示,本建模方法可有效解决含有多种材料的异质实体的材料定义问题,并在多种非规则材料分布的定义方面显现出其较为柔性的特点。
但该方法在异质实体的不同物理特性表征和多材料的非规律动态分布,如生物组织的结构及其材料动态分布标识等方面还有其局限性,未来的工作将集中于此类复杂型异质实体的建模、FEA分析、异质实体CAD/CAE/CAM一体化等方面的研究。
空间异质性 篇8
随机前沿分析(SFA)采用计量经济学方法对前沿生产函数进行估计,具有较为坚实的经济理论基础。Kim和Han(2001)利用SFA方法研究了韩国制造业1980—1994年技术效率的变动情况[1]。张宗益等(2006)运用SFA模型实证研究了我国区域技术创新效率[2]。肖敏、谢富纪(2009)运用面板SFA分析方法,对我国区域R&D资源配置效率及其影响因素进行了分析[3]。李婧等(2009)运用SFA分析了中国高技术产业研发效率[4]。于明超、申俊喜(2010)应用明确包含地区异质性的SFA模型对创新效率及影响因素进行了分析[5]。赵立雨(2010)运用SFA分析法对我国区域研发效率进行分析[6]。师萍等(2011)运用超越对数生产函数的SFA模型对我国区域研发技术效率进行了测度,并进一步考察了技术效率的空间差异及变动趋势[7]。
分析上述有关利用SFA模型来研究区域创新技术效率的相关文献,可以看出这些研究存在如下几个方面的不足。第一,没有考虑变量的空间相关性对模型参数估计的影响。从统计分析的观点来看,空间相关由于会使标准统计量,例如方差或OLS估计量出现偏差从而使得传统统计方法在分析具有空间相关特性的变量时出现问题(Patuelli等,2011)[8],传统的回归模型和统计技术不再有效(林佳显等,2011[9];Anselin,2007[10])。在本文所分析的文献中,仅李婧等(2011)在利用SFA模型时考虑到了变量的空间特性问题,但没有在SFA的生产函数模型中考虑变量的空间效应,仅在技术非效率函数中考虑了变量的空间效应[11]。赵立雨(2010)在利用SFA模型来测度区域研发效率时没有考虑空间相关性的影响[6]。第二,在利用SFA模型来研究区域创新技术效率问题,常常用到面板数据,面板数据具有二维特征。从时序特征的角度来看,在研究过程中,就必须要考虑变量的平稳性和模型的协整性,否则容易出现虚假回归问题。但大多数使用面板数据的SFA文献都忽略了这一问题。第三,在利用面板形式的SFA模型来研究区域技术创新效率时,一个重要的问题是没有把面板模型中的区域异质效应(即面板模型中表示研究对象个体特征的一个参数,也称个体效应)与非效率项区别开来,从而往往高估模型的非效率项,使得模型效率估计值偏低,如Schmidt和Sickles(1984)[12]。于明超、申俊喜(2010)的研究也考虑到了这一问题,但没有考虑变量的空间相关性和模型的协整性[5]。
针对以上现有研究存在的问题,本文从这三个角度出发,在对样本数据进行空间过滤处理的基础上,根据面板协整理论,利用可以区别异质效应与非效率项的面板SFA模型来研究中国区域技术创新效率问题,并进一步分析其影响因素。
1研究方法
由Meeusen和VandenBroeck(1977)[13],Kumbhakar和Lovell(2000)[14]等提出的面板形式的随机前沿生产函数一般形式如下:
Yit=F(Xit,β)exp(vit-μit) (1)
式(1)中Yit代表研究对象在t时期的产出,Xit为相应的要素投入,β是待估参数,F(·)代表前沿生产函数,包括个体导质效应。随机误差项vit～N(0,σundefined),服从独立同分布,代表观测误差和其他随机因素,独立于技术与产出水平。另一部分μit一般假设服从截尾正态分布,代表技术无效率项(也称为非效率效应)。
在这类面板SFA模型中,常常把截面的区域异质效应归并到非效率项中,如Schmidt和Sickles(1984)[12]。对于这种处理方式,在参数估计之前,通过模型变换消除个体效应再用传统的面板方法估计模型即可实现。这种方法相对容易,但该方法把所有的区域异质效应都归结到非效率项中,非效率项解释了所有的时不变和个体效应。尽管后来的研究放松了时不变非效率项的假定,但仍然没能将区域异质效应与非效率项分离开来。直到Wang和Ho(2010)[15]根据Greene(2005)的研究,提出了固定效应的SFA面板模型估计技术以后,才可以将二者同时分离出来。在借鉴Wang和Ho(2010)[15]研究的基础上,本文提出如下具体模型。
ln(pait)=αi+β0ln(rdit)+β1ln(nstit)+β2(ln(rdit))2+
β3(ln(nstit))2+β4ln(rdit)ln(nstit)+εit (2)
εit=vit-uit (3)
vit～N(0,σundefined) (4)
uit=hit×u*i (5)
hit=m(zitδ) (6)
u*i～N+(0,σundefined) i=1,2,…,N;t=1,2,…,T (7)
式(2)-(7)中,变量pa表示区域创新产出,变量rd表示区域创新经费投入,变量nst表示区域创新人力资源投入。αi表示区域固定的未观测到异质效应,vit为零均值的随机变量,uit是测度无效率的随机变量,hit是由不含截距项的非随机影响因子向量zit所决定的正函数,zit为解释无效率的因素。符号“+”表示所设定的分布函数是以0为截取(trucated)点,使得随机变量u*i的每个实现均为正值且遵从单侧(半)正态分布;u*i与vit之间全部时域T上相互独立;u*i、vit和rdit、nstit、zit在全部时域T上也相互独立。
基于上述模型设定,无效率项uit可被解释为可观测的生产前沿性能指标ln(pait)偏离理想生产前沿指标ln(pa*it)的偏差,即uit=ln(pait)-ln(pa*it)。这样,第i个省区技术创新效率就表示为TEit=exp(-uit)。当uit=0时,决策单元就恰好处于生产前沿上;若uit>0,决策单元就处于生产前沿下方,也就是处于非技术效率状态。
2变量及样本数据
根据相关研究(Crosby,2000[16];邬滋,2010[17]),用区域科技活动人员数来表示区域科技人力资源投入,用各地区研究与发展经费内部支出来表示区域研发经费投入,用区域专利申请量作为区域技术创新产出指标,分别用式(2)中的nst、rd、pa来表示。
不少学者还分析了不同因素对区域技术创新效率的影响,但没有形成统一看法。姚伟峰等(2004)认为区域技术效率的主要影响因素有对外经济开放度等[18]。白俊红等(2009)认为可以从地方政府对创新活动资助等4个方面检验区域创新内部环境影响其创新效率的因素[19]。郭艳秋(2010)认为区域层面技术效率的影响因素研究主要集中在资本投入结构等几个方面[20]。刁丽琳、张蓓和马亚男(2011)认为,技术创新效率影响因素包括地方财政科技拨款占地方财政支出的比重等几个方面[21]。
综上所述,影响区域创新技术效率的因素比较多,各种研究在指标选择上也不统一。本文着重研究以下几个因素对区域创新技术效率的影响:政府资助,用各地区科技活动经费筹集总额中的政府资金比例来表示,即变量ef1;金融机构支持,用各地区科技活动经费筹集总额中的银行贷款比例来表示,即变量ef2;创新主体参与强度,用企业资金占区域科技经费筹集总额的比例来表示,即变量ef3;产学研合作,用各地区高校科技活动经费筹集中企业资金所占的比例和各地区科研机构科技活动经费筹集中企业资金所占的比例两项指标之和来分别表征企业与高校、企业与科研机构之间的联结关系,即变量ef4;市场开放度,用各地区进出口总额占GDP比重来表示,即变量ef5;区域基础设施,用地区邮电业务总量占GDP比重来表示,即变量ef6;技术机会,用区域外商直接投资占区域GDP的比例来表示,即变量ef7;人力资本投资强度,用区域教育经费总额占区域GDP的比重来表示,即变量ef8。
创新效率影响因素的样本数据来自《中国统计年鉴》。由于“各地区研究与发展经费内部支出”这一指标在《中国科技统计年鉴1999》中首次使用,创新投入数据时期跨度为1998—2008年,并假定研发投入与产出的滞后期为1年(Bode,2004[22]),所以实际样本时间跨度为1999—2008年。
3实证结果分析
3.1样本数据分析
在进行回归分析之前,首先来完成变量的空间相关性检验。表1列出了2008年主要变量对数的Moran指数及其显著性检验结果。由表1可知,各变量对数都表现出正向空间相关性,并且这种正向空间相关性在5%的显著性水平下都非常显著。显然,把这些具有空间相关性的变量直接用来进行计量模型分析,经典的回归方法不再是合适的估计方法。对于样本数据存在空间相关性的计量经济模型来说,其参数估计方法有2种方法,一种是用空间计量经济模型的估计方法,另一种是用空间过滤方法过虑样本数据,去除样本的空间相关性后再用通常的计量经济模型参数估计方法(Getis和Griffith,2002[23])。孙建(2011)[24],孙建、齐建国(2011)[25]对后一种方法进行了介绍和应用。
表2列出了主要变量对数经过空间过滤以后的Moran指数及其显著性检验。由表2可知,经过空间过滤以后,在5%的显著性水平下,可以认为各变量对数的空间相关性已经被去除。因此,经过空间过滤以后的各变量可以用经典的计量技术来进行参数估计。其中,环境因素变量皆通过1次过滤,而变量nst、rd、pa的对数分别经过2次过滤(用f2来表示)。
样本数据经过空间过滤,再做单位根检验。面板单位根及面板协整检验方法采用IPS检验和Kao检验方法。变量ef1的IPS检验结果表明,在5%的显著性水平下,变量ef1是一个平稳变量。其他变量的结果过程也类似,结果表明,变量ef1到变量ef8是平稳变量,变量lnf2pa、lnf2nst、lnf2rrd为1阶单整变量。模型Kao协整检验结果表明,以变量lnf2pa为被解释变量,其他变量作为解释变量的模型的协整关系是成立的,即模型中解释变量对被解释变量的长期均衡关系是成立的。
3.2技术效率分析
基于上述分析,本文以式(2)-(7)为测定区域技术创新效率的理论模型。根据已有文献,在设定无效率随机变量uit=hit×u*i=m(zitδ)×u*i中的m(zitδ)时,分别存在着m(zitδ)=1和m(zitδ)=zitδ两种设定形式的选择,m(zitδ)=exp(zitδ)假定不同区域技术创新无效率的影响因素不同。根据中国区域创新的差异,本文认为选择m(zitδ)=exp(zitδ)更合适。区域技术创新无效率影响因素zit的选择为ef11、ef21、ef31、ef41、ef51、ef61、ef71和ef81,分别表示1-ef1、1-ef2等,即上述创新效率影响因素的相反因素。
在m(zitδ)=exp(λ1ef11+…+λ8ef81)的设定下,SFA面板数据模型(2)-(7)的主要估计结果中的Wald chi2(5)=235.92,Prob > chi2=0,表明模型整体拟合效果较好。但从各变量参数的符号及显著性程度来看,模型存在解释变量的共线性问题(文中未列出)。根据变量显著性,在对模型解释变量进行进一步选择的基础上,得到如表3所示的最终估计结果(符号l1表示变量1阶滞后值)。在表3所示的模型中,Wald chi2(4)=1 089.51,Prob > chi2=0,表明模型整体效果较好。各解释变量在5%显著水平下均显著。计算得到γ值(λ=σundefined/(σundefined+σundefined)),为0.9255,高度显著不等于零,说明使用SFA是必要的。
从各区域技术创新效率的平均值来看,1999—2008年,绝大多数省域技术创新效率都在0.80以上,其中北京、天津、上海、江苏、浙江、广东等省域的技术创新平均效率都在0.90以上,特别是上海、江苏和浙江三省域的技术创新平均效率更是高达0.98以上。1999—2008年东部地区技术创新效率始终排在第1 位,其均值为0.897;中部地区始终排在第2位,其均值为0.825;西部地区始终排在第3位,其均值为0.706。
3.3效率影响因素分析
对区域创新技术效率变量bc index进行IPS面板单位根检验,结果发现检验统计值的相伴概念为0.0265,说明中国区域技术创新效率是一个平稳变量,而创新效率的影响变量也都是平稳变量,故而可以保证面板TOBIT模型的协整性。利用面板TOBIT模型,根据上述各区域技术创新效率的样本数据及区域创新效率影响因素的分析,得到如表4所示的创新效率影响因素回归结果。在表4所示的模型中,Wald chi2(8)=769.77,Prob>chi2=0.000,表明模型整体效果较好。金融机构支持(ef2)的系数较小,在统计上也不显著。其他各因素在10%的显著性水平下都比较显著。其中,创新主体参与强度(ef3)、区域市场开放度(ef5)、区域基础设施(ef6)等3个因素对区域创新效率具有正向影响,基础设施的效率弹性最大,创新主体参与强度的效率弹性最小。而技术机会(ef7)和人力资本投资强度(ef8)对区域创新效率有负向影响。
4结论及启示
本文根据协整理论,在利用空间过滤方法过滤样本数据空间相关性后,利用能够把个体效应与非效率项区别开来的SFA模型测定区域技术创新效率,进而再利用面板TOBIT模型研究中国区域技术创新效率的影响因素。主要结论有:
第一,区域创新投入产出的主要代理变量,均具有较强的空间相关性。空间过滤方法可以有效地消除变量的空间相关性,从而保证经典回归模型参数估计的准确性。影响区域技术创新效率的环境因素都是平稳变量,区域创新主要投入与产出变量都是1阶单整变量。从而可以保障区域技术创新的投入产出及效率影响因素之间存在着协整关系。
第二,考虑区域异质效应的SFA模型,技术效率的计算更加准确;区域技术创新效率显现东部高、中部中、西部低的空间分布特征。
第三,区域基础设施和区域市场开放度是影响区域技术创新效率的主要的显著因素,其他因素的影响方向和显著性程度各不相同。
研究结论表明,区域在新一轮发展过程中,要特别注意区域创新效率的差异问题,各区域要用好用足国家的各项优惠政策,不断提高技术创新效率。国家在加大区域研发投入的过程中,要正视区域创新的空间聚集特性,创新政策要考虑区域特征,进行宏观布局,使区域错位发展。要针对影响创新效率的不同因素采取有效措施改善创新环境,进一步提高各区域创新效率水平。
摘要：根据中国区域1999—2008年的技术创新相关数据,利用空间过滤理论、面板协整理论及包含区域异质效应的随机前沿模型对中国区域创新效率及影响因素进行研究。结果发现:中国区域创新存在着明显的空间相关性,空间过滤可以有效地消除变量的空间相关性进而可以应用经典协整模型来进行分析;考虑区域异质效应的面板SFA模型,其参数估计结果更准确,从而技术效率的计算也更准确;中国区域技术创新效率显现东部高、中部中、西部低的空间分布特征;区域基础设施和区域市场开放度是影响区域技术创新效率的主要的显著因素。