全 文 ：基于 ＬＶＱ的煤矿城市生态风险评价指标
时间尺度特征∗
彭　 建∗∗　 陶静娴　 刘焱序
（北京大学城市与环境学院 ／地表过程分析与模拟教育部重点实验室， 北京 １００８７１）
摘　 要　 生态风险评价指标在时间尺度上的表征效果是不一致的，因而有必要基于生态风险
评价指标的时间尺度特征分析，探索生态风险动态评价方法．本文以辽宁省 ５个典型煤矿城市
为研究对象，采用学习向量量化神经网络（ ｌｅａｒｎｉｎｇ ｖｅｃｔｏｒ ｑｕａｎｔｉｚａｔｉｏｎ，ＬＶＱ）定量分析生态风
险评价指标的重要性，进而明晰其时间尺度特征，并提出煤矿城市风险“长期⁃短期”时间二维
动态表征方法．结果表明： 单位产值工业 ＳＯ２去除量、单位产值工业粉尘去除量、城市园林绿
地面积覆盖率、降水量、子系统协调度、矿业从业人数百分比、污染治理项目本年度完成投资
等为长时间尺度指标，其余指标偏向反映生态风险的短期特征；长、短时间尺度指标相结合，
能够反映煤矿城市两个时间维度上的生态风险动态水平．其中，阜新市现状风险值最大，抚顺
市短期风险上升幅度最高，朝阳市长期风险上升幅度最高．基于 ＬＶＱ 的评价指标时间尺度特
征分析，对于煤矿城市生态风险的动态防范与综合管理具有重要指示意义．
关键词　 生态风险动态评价； “长期⁃短期”时间二维尺度； 学习向量量化神经网络； 煤矿城市
文章编号　 １００１－９３３２（２０１５）０３－０８６７－０８　 中图分类号　 Ｆ２０５； Ｘ８２６　 文献标识码　 Ａ
Ｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｄｉｃａｔｏｒｓ ｉｎ ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｙ ｗｉｔｈ ｔｈｅ
ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＬＶＱ ｍｅｔｈｏｄ． ＰＥＮＧ Ｊｉａｎ， ＴＡＯ Ｊｉｎｇ⁃ｘｉａｎ， ＬＩＵ Ｙａｎ⁃ｘｕ （Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ
Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｅａｒｔｈ Ｓｕｒｆａｃｅ Ｐｒｏｃｅｓｓｅｓ， Ｃｏｌｌｅｇｅ ｏｆ Ｕｒｂａｎ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ， Ｐｅｋｉｎｇ Ｕｎｉ⁃
ｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００８７１， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６（３）： ８６７－８７４．
Ａｂｓｔｒａｃｔ： Ｂｅｃａｕｓｅ ｔｈｅ ａｂｉｌｉｔｙ ｏｆ ｓｅｌｅｃｔｅｄ ｉｎｄｉｃａｔｏｒｓ ｉｎ ａｓｓｅｓｓｉｎｇ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｔ ｄｉｆｆｅｒｅｎｔ ｔｅｍｐｏｒａｌ
ｓｃａｌｅｓ ｉｓ ｎｏｔ ｔｈｅ ｓａｍｅ， ｉｔ ｉｓ ｎｅｃｅｓｓａｒｙ ｔｏ ｃｌｅａｒ ｔｈｅ ｄｅｆｉｎｉｔｅ ｃｏｍｐａｒａｂｉｌｉｔｙ ｏｆ ｓｕｃｈ ｉｎｄｉｃａｔｏｒｓ ａｔ ｔｅｍｐｏ⁃
ｒａｌ ｓｃａｌｅ ｔｏ ｅｘｐｌｏｒｅ ａ ｎｅｗ ｍｅｔｈｏｄ ｆｏｒ ｄｙｎａｍｉｃ ａｓｓｅｓｓｉｎｇ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ． Ｉｎ ｔｈｉｓ ｃａｓｅ， ｆｉｖｅ ｍｉｎｉｎｇ
ｃｉｔｉｅｓ ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ｔｈｅ ｓｔｕｄｙ ａｒｅａ， ｗｉｔｈ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｌｅａｒｎｉｎｇ ｖｅｃｔｏｒ
ｑｕａｎｔｉｚａｔｉｏｎ （ＬＶＱ） ｎｅｕｒａｌ ｎｅｔｗｏｒｋ， ｔｈｅ ｓｉｇｎｉｆｉｃａｎｃｅ ｏｆ ｔｈｅ ｉｎｄｉｃａｔｏｒｓ ｆｏｒ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓ⁃
ｍｅｎｔ ｗａｓ ｑｕａｎｔｉｔａｔｉｖｅｌｙ ａｎａｌｙｚｅｄ ｔｏ ｃｌａｒｉｆｙ ｔｈｅｉｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｔ ｔｅｍｐｏｒａｌ ｓｃａｌｅ． Ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ
ｗｉｔｈ ｔｗｏ⁃ｄｉｍｅｎｓｉｏｎ （ｌｏｎｇ⁃ｔｅｒｍ ａｎｄ ｓｈｏｒｔ⁃ｔｅｒｍ） ｏｆ ｔｅｍｐｏｒａｌ ｓｃａｌｅ ｗａｓ ｐｕｔ ｆｏｒｗａｒｄ ａｓ ａ ｎｅｗ ｍｅｔｈｏｄ
ｔｏ ａｓｓｅｓｓ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｆｏｒ ｍｉｎｉｎｇ ｃｉｔｉｅｓ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ａｍｏｕｎｔ ｏｆ ｉｎｄｕｓｔｒｉａｌ ＳＯ２
ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ， ｔｈｅ ａｍｏｕｎｔ ｏｆ ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ， ｃｏｖｅｒａｇｅ ｒａｔｅ ｏｆ
ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ， ｐｒｅｃｉｐｉｔａｔｉｏｎ， ｃｏｏｒｄｉｎａｔｉｏｎ ｄｅｇｒｅｅ ａｍｏｎｇ ｓｕｂｓｙｓｔｅｍｓ， ｐｅｒｃｅｎｔａｇｅ ｏｆ ｍｉｎｉｎｇ
ｐｒａｃｔｉｔｉｏｎｅｒｓ， ａｎｄ ｃｕｒｒｅｎｔ ｙｅａｒ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｐｏｌｌｕｔｉｏｎ ａｂａｔｅｍｅｎｔ ｐｒｏｊｅｃｔｓ ｗｅｒｅ ｅｆｆｅｃｔｉｖｅ ａｔ ｌｏｎｇ⁃
ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ， ｗｈｉｌｅ ｔｈｅ ｏｔｈｅｒ ｉｎｄｉｃａｔｏｒｓ ａｃｔｅｄ ａｔ ｓｈｏｒｔ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ． Ｗｉｔｈ ｔｈｅ ｃｏｍｂｉ⁃
ｎａｔｉｏｎ ｏｆ ｌｏｎｇ⁃ｔｅｒｍ ａｎｄ ｓｈｏｒｔ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅｓ， ｔｈｅ ｄｙｎａｍｉｃ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｆｏｒ
ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｃｏｕｌｄ ｂｅ ｅｘｐｒｅｓｓｅｄ ｏｎ ｔｗｏ⁃ｄｉｍｅｎｓｉｏｎ ｏｆ ｔｅｍｐｏｒａｌ ｓｃａｌｅ． Ｉｔ ｗａｓ ｆｏｕｎｄ ｔｈａｔ Ｆｕｘｉｎ Ｃｉｔｙ
ｇｏｔ ｔｈｅ ｈｉｇｈｅｓｔ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｉｎ ｃｕｒｒｅｎｔ ｓｔａｔｕｓ， ｗｉｔｈ ｔｈｅ ｒｉｓｋ ｉｎｃｒｅａｓｉｎｇ ｍｏｓｔ ｉｎ Ｆｕｓｈｕｎ Ｃｉｔｙ ａｔ ｔｈｅ
ｓｈｏｒｔ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ ａｓ ｗｅｌｌ ａｓ ｉｎ Ｃｈａｏｙａｎｇ Ｃｉｔｙ ａｔ ｔｈｅ ｌｏｎｇ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ． Ｔｈｅ ｍｅｔｈｏｄ
ａｄｏｐｔｅｄ ｉｎ ｔｈｉｓ ｓｔｕｄｙ ｍｉｇｈｔ ａｃｔ ａｓ ａ ｓｉｇｎｉｆｉｃａｎｔ ｇｕｉｄａｎｃｅ ｉｎ ｄｙｎａｍｉｃ ｃｏｎｔｒｏｌｌｉｎｇ ａｎｄ ｉｎｔｅｇｒａｔｉｖｅ
ｍａｎａｇｅｍｅｎｔ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｆｏｒ ｍｉｎｉｎｇ ｃｉｔｉｅｓ．
Ｋｅｙ ｗｏｒｄｓ： ｄｙｎａｍｉｃ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ； ｌｏｎｇ⁃ｓｈｏｒｔ ｔｅｒｍ ｔｅｍｐｏｒａｌ ｄｉｍｅｎｓｉｏｎ； ｌｅａｒｎｉｎｇ
ｖｅｃｔｏｒ ｑｕａｎｔｉｚａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ； ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｙ．
∗国家自然科学基金项目（４１２７１１９５）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｊｉａｎｐｅｎｇ＠ ｕｒｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎ
２０１４⁃０５⁃０４收稿，２０１４⁃１１⁃２４接受．
应 用 生 态 学 报　 ２０１５年 ３月　 第 ２６卷　 第 ３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｍａｒ． ２０１５， ２６（３）： ８６７－８７４
　 　 生态风险（ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ）指对非人类的生物
体、种群和生态系统造成的风险［１］，主要关注一定
区域内不确定性事故或灾害对生态系统及其组分可
能产生的不利作用，具有客观性和动态性等特
点［２－５］ ．由于资金短缺和技术落后，我国矿业开发往
往引致较高的区域生态风险．例如，以煤矿开采加工
为主导产业的城市，煤炭开采、矸石堆放、道路修建、
煤矿相关行业的生产等活动是主要风险源，造成土
地退化、植被破坏、水体和大气污染等问题［６］，严重
威胁了区域生态环境可持续性［７］ ．因此，有必要进行
煤矿城市的生态风险评价，揭示矿产资源生产过程
导致的地质灾害和环境污染对生态系统可能产生的
潜在伤害［８］ ．对矿区生态风险评价的方法探索一直
以来都是学术界关注的热点［９－１０］，当前在区域尺度
常见的生态风险评价方法不仅包括灾害概率统
计［１１］、景观指数叠置［１２］、生态价值定量等［１３］，人工
神经网络等人工智能方法也在区域生态风险评价中
有所应用［１４］ ．随着人类活动的广度和深度进一步增
强，国内外关于生态风险评价的理论框架与实证案
例不断增多［１５－１８］，由此产生了对风险指标科学规范
的要求［１９］ ．为更好地支持环境政策的绩效评价并明
晰进一步的政策指引，有必要构建恰当而严谨的区
域生态风险评价指标体系．
当前，时空尺度的定量化方法作为生态风险评
价的前沿和发展方向已经受到了学者的普遍关
注［２０］ ．尤其对于矿业开发等特殊风险源，其对自然
生态系统的（潜在）危险性往往不是特定时间点而
是一定时间轴上的累积风险概率［２１］，因而在矿区生
态风险评价中迫切需要关注风险的时空动态特征．
目前，有关区域生态风险评价时间动态研究，通常基
于同一指标体系不同时期的历史数据进行生态风险
多期评价，并简单对比分析不同时期生态风险的动
态变化．然而，风险评价的本质在于对未来的一种预
判或预期，生态风险动态评价的重点应更多关注未
来不同阶段、而非过去时期的风险水平．根据 Ｂｅ⁃
ｌｏｖｓｋｙ［２２］对生态系统稳定性的界定，不同时间尺度
下生态系统的稳定性是不同的，长时间尺度下生态
系统有可能通过持续的进化而发生变化，但在短时
间尺度上则可以看作是相对稳定的．由此可知，生态
系统各组分要素及其表征指标的时间尺度特征可能
存在一定差异．这种差异造成基于相关指标所进行
的一系列评价结果的准确性存在一定的时间维度约
束．因此，基于同一指标体系构建的综合生态风险指
数，直接比较不同时期生态风险的合理性有待商榷；
有必要辨识生态系统（组分）及其评价指标的时间
尺度特征，明晰生态风险动态评价的时间内涵．而时
间尺度特征识别的前提是分析评价指标对风险不同
时间尺度下预测结果的影响程度，即评价指标的重
要性．重要性分析可以定量评判各评价指标表征风
险能力的高低，是筛选风险评价指标体系及其权重
设置的重要依据．基于此，本研究以辽宁省典型煤矿
城市为例，分析不同生态风险评价指标表征风险的
重要性特征，重点探讨评价指标在长期、短期等不同
时间尺度下表征风险的能力差异，提出基于评价指
标时间尺度特征的“长期⁃短期”风险二维表征模式，
从而为煤矿城市的生态环境治理和区域远景发展规
划提供决策参考．
１　 材料与方法
１􀆰 １　 研究对象与数据来源
辽宁省是我国重要的能源基地，以煤炭工业的
开发历史最为悠久，已形成和发展起来了众多以煤
矿资源开采及其产品粗加工为主导产业的城市．本
研究选取辽宁省主要的五大煤矿主产区———抚顺
市、阜新市、铁岭市、朝阳市和葫芦岛市作为研究对
象．其中，抚顺市和阜新市已有 １００ 年以上开采历
史，铁岭市、朝阳市和葫芦岛市均拥有 ２０世纪 ６０ 年
代以来建设的大型煤矿，处于不同的资源开采阶段．
目前，各市都有一定程度的二氧化硫、粉尘和污水排
放，城市生态环境质量堪忧，作为生态风险评价对象
具有代表性和可比性．本研究采用的主要数据来源
包括中国生态系统与生态功能区划数据库，以及
《中国城市统计年鉴》 ［２３］、《辽宁省统计年鉴》 ［２４］
等；相关研究的基本时点为 ２０１０年．
１􀆰 ２　 研究方法
１􀆰 ２􀆰 １煤矿城市生态风险评价指标体系　 风险源和
风险受体是生态风险评价指标体系的基本构成．在
煤矿城市风险评价指标体系中，可以将其具体化为
生态承载力和煤矿开采压力两方面．在二级指标的
设定中，生态承载力系统包括植被、水资源、地质、大
气子系统，以及子系统之间的协调程度共 １２个具体
指标；另一方面，煤矿开采压力系统包括煤矿开采强
度、范围、效应 ３个子系统，共 ５个具体指标．对这 １７
个指标进行归一化，定量表征煤矿城市生态风险
（表 １）．
表 １ 中，由于绿地具有滞尘、净化空气、美化环
境的作用，城市园林绿地面积覆盖率、人均绿地面积
反映了通过城市建设对生态风险的承载与适应，降
８６８ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
水量则体现了自然环境对污染的净化效果；废水、
ＳＯ２、粉尘的排放量、去除量或达标量反映了工业
“三废”污染及污染控制间的相互关系，虽然工业污
染并不能完全代表煤矿产业污染，但鉴于研究对象
属于煤矿主产区，煤矿产业是城市产业链中的重要
环节，且更精细化的煤矿产业数据难以获取，因而可
以认为工业“三废”数据在一定程度上具有代表性；
而矿业开采压力系统中，原煤产量、工业总产值、矿
业从业人员总数、矿业从业人数百分比、污染治理项
目本年完成投资等指标则是社会经济层面对风险及
其调节方式的表征．
同时，由于生态系统具有的整体性，其所面临的
风险程度部分取决于居于劣势的子系统．在极端情
况下，任一子系统的崩溃都可能直接导致整个生态
系统的功能丧失，即木桶效应．协调性表征相关要素
表 １　 煤矿城市生态风险评价指标体系
Ｔａｂｌｅ １ 　 Ｉｎｄｅｘ ｓｙｓｔｅｍ ｆｏｒ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎ
ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｉｅｓ
风险构成
Ｒｉｓｋ ｃｏｎｓｔｉｔｕｔｉｏｎ
子系统
Ｓｕｂ⁃ｓｙｓｔｅｍ
指 标
Ｉｎｄｉｃａｔｏｒ
生态承载力
Ｅｃｏｌｏｇｉｃａｌ
植被
Ｖｅｇｅｔａｔｉｏｎ
城市园林绿地面积覆盖率
Ｃｏｖｅｒａｇｅ ｒａｔｅ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ （％）
ｃａｒｒｙｉｎｇ
ｃａｐａｃｉｔｙ
人均绿地面积
Ｇｒｅｅｎ ｓｐａｃｅ ｐｅｒ ｃａｐｉｔａ （ｍ２）
水资源
Ｗａｔｅｒ
ｒｅｓｏｕｒｃｅ
单位产值工业废水排放量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｄｉｓｃｈａｒｇｅ ｐｅｒ ｏｕｔｐｕｔ
ｖａｌｕｅ （×１０４ ｔ）
单位产值工业废水达标量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｒｅａｃｈ ｔｈｅ ｄｉｓｃｈａｒｇｅ
ｓｔａｎｄａｒｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ （×１０４ ｔ）
降水量
Ｐｒｅｃｉｐｉｔａｔｉｏｎ （ｍｍ）
地质
Ｇｅｏｌｏｇｙ
采矿塌陷面积
Ｍｉｎｉｎｇ ｃｏｌｌａｐｓｉｎｇ ａｒｅａ （ｋｍ２）
诱发地震频率
Ｅａｒｔｈｑｕａｋｅ ｉｎｄｕｃｉｎｇ ｆｒｅｑｕｅｎｃｙ
大气
Ａｔｍｏｓｐｈｅｒｅ
单位产值工业 Ｓ０２去除量
Ｉｎｄｕｓｔｒｉａｌ ＳＯ２ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ （ｔ）
单位产值工业 Ｓ０２排放量
Ｉｎｄｕｓｔｒｉａｌ ＳＯ２ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ （ｔ）
单位产值工业粉尘去除量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ （ｔ）
单位产值工业粉尘排放量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ （ｔ）
协调度
Ｃｏｏｒｄｉｎａｔｉｏｎ
子系统协调度
Ｃｏｏｒｄｉｎａｔｉｏｎ ｄｅｇｒｅｅ ａｍｏｎｇ ｓｕｂｓｙｓｔｅｍｓ
煤矿开采压力
Ｃｏａｌ ｍｉｎｉｎｇ
强度
Ｓｔｒｅｓｓ
原煤产量
Ｒａｗ ｃｏａｌ ｙｉｅｌｄ （×１０４ ｔ）
ｐｒｅｓｓｕｒｅ 工业总产值
Ｉｎｄｕｓｔｒｉａｌ ｏｕｔｐｕｔ ｖａｌｕｅ （×１０８ ｙｕａｎ）
范围
Ｒａｎｇｅ
矿业从业人数百分比
Ｐｅｒｃｅｎｔａｇｅ ｏｆ ｍｉｎｉｎｇ ｐｒａｃｔｉｔｉｏｎｅｒｓ （％）
矿业从业人员总数
Ｎｕｍｂｅｒ ｏｆ ｍｉｎｉｎｇ ｐｒａｃｔｉｔｉｏｎｅｒｓ （×１０４）
效应
Ｅｆｆｅｃｔ
污染治理项目本年完成投资
Ｃｕｒｒｅｎｔ ｙｅａｒ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｐｏｌｌｕｔｉｏｎ ａｂａｔｅ⁃
ｍｅｎｔ ｐｒｏｊｅｃｔｓ （×１０４ ｙｕａｎ）
间的匹配关系，常用以描述优势系统和劣势系统的
差异性，差异越小则协调度越高［２５］ ．因此，协调性分
析有助于完善整个评价指标体系的全面性，有必要
作为一个评价指标加入到指标体系中．在本研究中，
以不同生态子系统主导指标的变异系数量度［２５］，构
成一个独立的生态承载力子系统．在各个风险子系
统风险程度低的情况下，协调度较高代表整个生态
系统风险水平较低；在各个风险子系统风险程度高
的情况下，协调度较高表明整个生态系统风险水平
较高；在各个风险子系统风险程度有高有低的情况
下，协调度较低预示整个生态系统由于个别危机子
系统而呈现较高风险水平．
１􀆰 ２􀆰 ２时间尺度特征与二维风险表征　 为了表征风
险在时间尺度上具有的特殊动态性，研究利用二维
风险表征方法分离风险中的长、短时间尺度部分．其
中，短时间尺度部分倾向于表征近期灾害风险程度，
长时间尺度部分则专注于表征未来风险状态．根据
煤矿城市历史开采时间和待开采储量特征，同时基
于相关文献对部分煤矿城市生态脆弱性［２６－２８］、适应
性［６］、可持续性［６］等指标的解读，综合确定 ５ 个煤
矿城市不同的采矿阶段．具体而言，阜新市、抚顺市
处于老年采矿阶段，葫芦岛市、朝阳市处于中年或中
幼年采矿阶段，铁岭市处于幼年采矿阶段．其中，中
幼年煤矿城市尽管现在处于开采初期很多问题没有
暴露，但随着未来的持续开采，可能在某个时间出现
较为严重的后果，其长期风险预期与短期内面临转
型的中老年阶段煤矿城市有所不同．因此，可以对不
同时间尺度下煤矿城市生态风险的预期变化程度进
行预判（表 ２），以表征未来不同时间尺度下城市生
态风险发生的可能性及潜在损失．
其中，抚顺市资源经济目前已经开始出现转型，
石化工业的贡献程度高于煤矿开采，因而作为“煤
都”的抚顺市在向石化工业转型过程中，短期内煤
炭工业与石化工业并举，可能面临比现状更大的生
表 ２　 辽宁省典型煤矿城市生态风险预判
Ｔａｂｌｅ ２ 　 Ｐｒｅ⁃ｊｕｄｇｍｅｎｔ ｆｏｒ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ
ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ
城市
Ｃｉｔｙ
现状风险
Ｐｒｅｓｅｎｔ
ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ
短期预判
Ｓｈｏｒｔ⁃ｔｅｒｍ
ｐｒｅｄｉｃｔｉｏｎ
长期预判
Ｌｏｎｇ⁃ｔｅｒｍ
ｐｒｅｄｉｃｔｉｏｎ
抚顺 Ｆｕｓｈｕｎ ４ ５ ２
阜新 Ｆｕｘｉｎ ５ ４ １
铁岭 Ｔｉｅｌｉｎｇ ２ ３ ５
朝阳 Ｃｈａｏｙａｎｇ ３ ４ ５
葫芦岛 Ｈｕｌｕｄａｏ ２ ３ ４
９６８３期　 　 　 　 　 　 　 　 　 　 　 彭　 建等： 基于 ＬＶＱ的煤矿城市生态风险评价指标时间尺度特征　 　 　 　 　 　
态风险，但从长远角度来看，其未来风险预期是下降
的；阜新市作为“国家资源枯竭城市”，煤炭开采量
依然较大，因而现状风险极高，短期风险也较高，但
随着煤炭开采完毕、产业结构开始转型，长期尺度上
风险可能出现下降；铁岭市作为新兴煤电能源城市，
能源经济蓬勃发展，随着这一趋势的继续，未来风险
将不断加大；而朝阳市和葫芦岛市随着能源产业的
稳步发展，未来生态风险也可能有所上升，但上升幅
度会小于煤炭开采量较大的铁岭市．需要说明的是，
表 ２所示现状风险值越大，表明该城市的风险等级
越高；但长期、短期风险预判值并不对应于具体风险
等级、不能直接表征风险评价结果的实际差异，仅代
表相对于该煤矿城市现状生态风险的等级变化，数
值增大表明风险上升．
１􀆰 ２􀆰 ３学习向量量化神经网络构建　 神经网络模型
利用神经元和外界间的相互作用不断地自我学习修
正，可以处理各指标之间的非线性相关性，避免了人
为判断的主观性．为了对指标的时间尺度特征进行
初步识别，研究在学习向量量化 （ ｌｅａｒｎｉｎｇ ｖｅｃｔｏｒ
ｑｕａｎｔｉｚａｔｉｏｎ， ＬＶＱ）神经网络基础上，确定短期风险
情景和长期风险情景及相应的评价结果，通过对比
长期、短期两种情景下指标在神经网络拟合中的网
络反馈权重，来区分指标的时间尺度特征及其重要
性变化．
ＬＶＱ网络属于前向有监督神经网络类型，其算
法由 Ｋｏｈｏｎｅｎ 竞争算法演化而来．ＬＶＱ 网络作为对
自组 织 特 征 映 射 （ ｓｅｌｆ⁃ｏｒｇａｎｉｚｉｎｇ ｆｅａｔｕｒｅ ｍａｐ，
ＳＯＦＭ）神经网络的改进，在算法相似的前提下，从
ＳＦＯＭ的输入层⁃竞争层二层结构改进为输入层⁃竞
争层⁃输出层三层结构，即从无监督分类算法改为有
监督分类算法，使人为预判结果可以输入网络之中．
与其他方法相比，ＬＶＱ 网络优点在于网络结构简
单，比其他神经网络具有更强的鲁棒性，可以求得全
局最优，近年来在模式识别和优化领域有着广泛应
用．本研究基于 Ｍａｔｌａｂ ７．０ 平台进行神经网络训练；
网络输入为 ２０１０年煤矿城市生态风险评价指标，网
络训练级别为 ５个城市在 ３个风险水平下排序的各
自位序；网络输出为 ＬＶＱ神经网络中参数自动调整
达成收敛后的网络权重，作为指标的重要性权重．显
然，由于不同风险水平下网络权重有所差异，使得不
同时间尺度上指标的重要性并不一致，从而可以用
于不同风险阶段的指标赋权．本研究基于 ＬＶＱ 的煤
矿城市生态风险评价指标赋权技术路线如图 １
所示．
图 １　 基于 ＬＶＱ的生态风险评价指标赋权方法
Ｆｉｇ．１ 　 Ｗｅｉｇｈｔ ｄｅｆｉｎｉｔｉｏｎ ｍｅｔｈｏｄ ｉｎ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ
ｂａｓｅｄ ｏｎ ＬＶＱ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．
２　 结果与分析
２􀆰 １　 指标重要性
将所建立的 １７ 个指标作为 １７ 个神经元带入
ＬＶＱ网络输入端，网络输出端为生态风险预判得分
（１～５），构建隐含层个数为 ５，训练样本为本研究所
选取的 ５个煤矿城市．根据训练结果，ＬＶＱ模型拟合
精度的均方差在反馈 ６ 次后即小于 １０－５，说明网络
可以快速收敛，正确表达风险结构和水平．在 Ｍａｔｌａｂ
中采用 ｎｅｔ．ｉｗ｛１，１｝语句，提取隐含层竞争中所反馈
的各神经元权重，其值域为（ －１，１）．在神经网络中，
各个指标反馈出的权重可以表征各个指标对风险的
不同贡献特征，而贡献比较大的指标相对整个模型
而言更为重要，因此列出不同时间尺度的指标重要
性（表 ３）．
其中，具有减缓风险作用的指标在神经网络中
反馈权重值自动被标为负值，如绿地面积、降水量
等；而具有加剧风险作用的指标反馈权重值为正，如
“三废”排放量、煤炭产量等．对于现状风险水平重要
性最高的指标包括：采矿塌陷面积、单位产值工业
ＳＯ２去除量、单位产值工业 ＳＯ２排放量、单位产值工
业粉尘去除量、单位产值工业粉尘排放量，其重要性
绝对值都在 ０．４５以上，说明煤矿城市大气污染易造
成较高生态风险；工业总产值和矿业从业人员总数
重要性在 ０．０２ 以下，对结果几乎没有影响，暗示生
态风险本身可能不具有规模效应，可在评估模型中
予以剔除，不需要区分时间尺度．
２􀆰 ２　 指标时间尺度特征
根据现状、短期、长期风险水平情景构建的 ３个
０７８ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ３　 辽宁省典型煤矿城市生态风险评价指标重要性
Ｔａｂｌｅ ３　 Ｓｉｇｎｉｆｉｃａｎｃｅ ｗｅｉｇｈｔｓ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｄｉｃａｔｏｒｓ ｆｏｒ ｔｙｐｉｃａｌ ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ
评价指标
Ａｓｓｅｓｓｍｅｎｔ ｉｎｄｉｃａｔｏｒ
现状
重要性
Ｐｒｅｓｅｎｔ
ｓｉｇｎｉｆｉｃａｎｃｅ
短期
重要性
Ｓｈｏｒｔ⁃ｔｅｒｍ
ｓｉｇｎｉｆｉｃａｎｃｅ
长期
重要性
Ｌｏｎｇ⁃ｔｅｒｍ
ｓｉｇｎｉｆｉｃａｎｃｅ
长期 ／短期重要性变化率
Ｌｏｎｇ ／ ｓｈｏｒｔ⁃ｔｅｒｍ
ｓｉｇｎｉｆｉｃａｎｃｅ ｃｈａｎｇｅ ｒａｔｅ
（％）
城市园林绿地面积覆盖率
Ｃｏｖｅｒａｇｅ ｒａｔｅ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ
－０．２２２ －０．２０５ －０．２４５ １９．５
人均绿地面积
Ｇｒｅｅｎ ｓｐａｃｅ ｐｅｒ ｃａｐｉｔａ
－０．１２３ －０．１４１ －０．１０２ －２７．６
单位产值工业废水排放量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｄｉｓｃｈａｒｇｅ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
０．１１５ ０．１４９ ０．１３４ －９．８
单位产值工业废水达标量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｒｅａｃｈ ｔｈｅ ｄｉｓｃｈａｒｇｅ ｓｔａｎｄａｒｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
－０．０６５ －０．０９９ －０．０９２ －７．９
降水量
Ｐｒｅｃｉｐｉｔａｔｉｏｎ
－０．１２９ －０．１１０ －０．１２１ ９．７
采矿塌陷面积
Ｍｉｎｉｎｇ ｃｏｌｌａｐｓｉｎｇ ａｒｅａ
０．６４６ ０．６３８ ０．６２６ －１．９
诱发地震频率
Ｅａｒｔｈｑｕａｋｅ ｉｎｄｕｃｉｎｇ ｆｒｅｑｕｅｎｃｙ
０．１７８ ０．２０２ ０．２００ －１．１
单位产值工业 ＳＯ２去除量
Ｉｎｄｕｓｔｒｉａｌ ＳＯ２ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
－０．５５７ －０．５６３ －０．５６４ ０．０３
单位产值工业 ＳＯ２排放量
Ｉｎｄｕｓｔｒｉａｌ ＳＯ２ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
０．４７７ ０．４６８ ０．４６７ －０．３
单位产值工业粉尘去除量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
－０．５９７ －０．５７９ －０．５８３ ０．７
单位产值工业粉尘排放量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
０．４７９ ０．４７４ ０．４６４ －２．２
子系统协调度
Ｃｏｏｒｄｉｎａｔｉｏｎ ｄｅｇｒｅｅ ａｍｏｎｇ ｓｕｂｓｙｓｔｅｍｓ
－０．１２０ －０．１３４ －０．１４８ １０．３
原煤产量
Ｒａｗ ｃｏａｌ ｙｉｅｌｄ
０．２２０ ０．１８９ ０．１７９ －５．３
工业总产值
Ｉｎｄｕｓｔｒｉａｌ ｏｕｔｐｕｔ ｖａｌｕｅ
０．０１４ ０．００９ ０．００６ －
矿业从业人数百分比
Ｐｅｒｃｅｎｔａｇｅ ｏｆ ｍｉｎｉｎｇ ｐｒａｃｔｉｔｉｏｎｅｒｓ
０．２３９ ０．２０７ ０．２２２ ７．２
矿业从业人员总数
Ｎｕｍｂｅｒ ｏｆ ｍｉｎｉｎｇ ｐｒａｃｔｉｔｉｏｎｅｒｓ
０．０１９ ０．０１７ ０．００６ －
污染治理项目本年完成投资
Ｃｕｒｒｅｎｔ ｙｅａｒ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｐｏｌｌｕｔｉｏｎ ａｂａｔｅｍｅｎｔ ｐｒｏｊｅｃｔｓ
－０．１３０ －０．１２７ －０．１６６ ３０．４
－ 指标予以剔除，不计算变化率 Ｔｈｅ ｉｎｄｉｃａｔｏｒ ｗａｓ ｅｌｉｍｉｎａｔｅｄ ａｎｄ ｔｈｅ ｃｈａｎｇｅ ｒａｔｅ ｗａｓ ｎｏｔ ｃａｌｃｕｌａｔｅｄ．
神经网络模型反馈权值具有一定差异，对应于指标
的不同时间尺度．对长、短期指标重要性差异进行分
析（表 ３），可以发现，城市园林绿地面积覆盖率、降
水量和子系统协调度反映了环境基底适应能力和风
险适应系统的组织水平，重要性升高较快，说明植被
覆盖和系统协调在长期尺度上对城市减低生态风险
的意义远大于短期，具有长时间尺度性质．同时，污
染治理项目本年完成投资的增长幅度最高，由于项
目的设立往往着眼于未来，因而良好体现了通过经
济杠杆对未来长期风险的适应过程．污染的单位产
值工业废水排放量和达标量、ＳＯ２排放量和去除量、
粉尘排放量和去除量的权重变化也对风险评价结果
产生一定影响．其中，ＳＯ２与粉尘去除的长期作用略
大于短期，表明两个指标的长期风险相比短期风险
有更强的作用；而工业废水达标量、排放量在现实中
往往呈正比，导致废水净化的长期效应被废水排放
量所掩盖．工业“三废”排放指标作用时间尺度为短
期作用大于长期，说明通过长期的适宜与控制可以
降低工业“三废”排放所造成的风险．人均绿地面积
重要性快速下降，这个指标主要取决于人口数量增
长．其在短期内可以有效优化环境质量，而随着人口
波动，其对未来长期风险趋势指示有较高的不确定
性，因而属短时间尺度指标．根据指标权重变化程度
和方向，以 ５％、０和－５％为临界阈值，可将指标分为
４类，分别表征长时间尺度、中长时间尺度、中短时
间尺度、短时间尺度特征（表 ４）．
　 　 由表 ４可见，与 ２０１０年基于现状的重要性评价
相比，短期与中短期风险主要为工业“三废”排放和
原煤产量，可以理解为在短时间尺度内所形成的污
染会直接形成风险，危害人类健康；但是从长时间尺
度而言，环境污染可以通过人为适应手段进行控制，
长期风险胁迫相应降低．与之相对应，长时间尺度的
生态风险评价的关键指标是投资、环境质量、系统协
调与人员结构，反映了风险适应是未来长期风险规
１７８３期　 　 　 　 　 　 　 　 　 　 　 彭　 建等： 基于 ＬＶＱ的煤矿城市生态风险评价指标时间尺度特征　 　 　 　 　 　
表 ４　 辽宁省典型煤矿城市生态风险评价指标时间尺度特征
Ｔａｂｌｅ ４　 Ｔｅｍｐｏｒａｌ ｓｃａｌｅ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｄｉｃａｔｏｒｓ ｆｏｒ ｔｙｐｉｃａｌ ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ
短时间尺度
Ｓｈｏｒｔ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ
中短时间尺度
Ｍｉｄ⁃ｔｅｒｍ ｓｈｏｒｔ ｔｅｍｐｏｒａｌ ｓｃａｌｅ
中长时间尺度
Ｍｉｄ⁃ｔｅｒｍ ｌｏｎｇ ｔｅｍｐｏｒａｌ ｓｃａｌｅ
长时间尺度
Ｌｏｎｇ⁃ｔｅｒｍ ｔｅｍｐｏｒａｌ ｓｃａｌｅ
单位产值工业废水排放量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｄｉｓｃｈａｒｇｅ
ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
单位产值工业 ＳＯ２排放量
Ｉｎｄｕｓｔｒｉａｌ Ｓ０２ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ
ｖａｌｕｅ
单位产值工业 ＳＯ２去除量
Ｉｎｄｕｓｔｒｉａｌ ＳＯ２ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ
ｖａｌｕｅ
城市园林绿地面积覆盖率
Ｃｏｖｅｒａｇｅ ｒａｔｅ ｏｆ ｕｒｂａｎ ｇｒｅｅｎ ｓｐａｃｅ
单位产值工业废水达标量
Ｉｎｄｕｓｔｒｉａｌ ｗａｓｔｅ ｗａｔｅｒ ｒｅａｃｈ ｔｈｅ
ｄｉｓｃｈａｒｇｅ ｓｔａｎｄａｒｄ ｐｅｒ ｏｕｔｐｕｔ ｖａｌｕｅ
单位产值工业粉尘排放量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｅｍｉｓｓｉｏｎ ｐｅｒ ｏｕｔｐｕｔ
ｖａｌｕｅ
单位产值工业粉尘去除量
Ｉｎｄｕｓｔｒｉａｌ ｄｕｓｔ ｒｅｍｏｖｅｄ ｐｅｒ ｏｕｔｐｕｔ
ｖａｌｕｅ
污染治理项目本年完成投资
Ｃｕｒｒｅｎｔ ｙｅａｒ ｉｎｖｅｓｔｍｅｎｔ ｏｎ ｐｏｌｌｕ⁃
ｔｉｏｎ ａｂａｔｅｍｅｎｔ ｐｒｏｊｅｃｔｓ
人均绿地面积
Ｇｒｅｅｎ ｓｐａｃｅ ｐｅｒ ｃａｐｉｔａ
采矿塌陷面积
Ｍｉｎｉｎｇ ｃｏｌｌａｐｓｉｎｇ ａｒｅａ
子系统协调度
Ｃｏｏｒｄｉｎａｔｉｏｎ ｄｅｇｒｅｅ ａｍｏｎｇ ｓｕｂｓｙｓ⁃
ｔｅｍｓ
原煤产量
Ｒａｗ ｃｏａｌ ｙｉｅｌｄ
诱发地震频率
Ｅａｒｔｈｑｕａｋｅ ｉｎｄｕｃｉｎｇ ｆｒｅｑｕｅｎｃｙ
矿业从业人数百分比
Ｐｅｒｃｅｎｔａｇｅ ｏｆ ｍｉｎｉｎｇ ｐｒａｃｔｉｔｉｏｎｅｒｓ
降水量 Ｐｒｅｃｉｐｉｔａｔｉｏｎ
避的根本途径．
２􀆰 ３　 二维风险表征
重要性作为不同指标对评价结果的贡献程度表
征，其改变实际上体现了相关指标对不同时间尺度
下评价结果表征效果的差异．因此，指标重要性可以
作为权值定量的重要依据；在去除工业总产值和矿
业从业人员总数两个非重要指标后，将指标重要性
的绝对值作为相应评价指标的权重进行归一化，分
别得出短期、长期风险指标权值；从而计算得出各城
市不同时间尺度下的风险水平．考虑到风险的动态
性特征，可以使用二维图的概念定量表达长、短不同
时间尺度下的煤矿城市生态风险水平（图 ２）．其中，
横轴表示短期相对于现状的风险变化百分比，纵轴
表示长期相对于现状的风险变化百分比，为便于显
示横纵坐标轴单位放大 １０ 倍．因而，二维坐标系内
各评价样点在不同象限的位置表征各城市短期和长
期风险的相对水平，而各评价样点的大小表征现状
风险的绝对值，即图中所标注的数字．
图 ２　 辽宁省典型煤矿城市生态风险二维表征
Ｆｉｇ．２　 Ｔｗｏ⁃ｄｉｍｅｎｓｉｏｎ ｑｕａｎｔｉｆｉｃａｔｉｏｎ ａｔ ｌｏｎｇ ａｎｄ ｓｈｏｒｔ⁃ｔｅｒｍ ｔｅｍ⁃
ｐｏｒａｌ ｓｃａｌｅｓ ｆｏｒ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｏｆ ｔｙｐｉｃａｌ ｃｏａｌ⁃ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｉｎ
Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ．
　 　 对比 ５市在长期、短期及现状生态风险的差异，
可以发现：１）阜新市现状生态风险值 ６４．５，为 ５市中
最高值，由于资源枯竭造成的开采量下降，伴随着未
来的产业转型，其短期风险的下降幅度为 ５ 市中最
大，长期风险的上升幅度为 ５市中最小，风险基本能
得到控制；２）朝阳市现状生态风险为 ６２．２，其风险
较高的原因主要是工业“三废”排放较多而治理量
有限，而长期生态风险上升较快与该市污染治理项
目本年完成投资量最少不无关联；３）铁岭市现状风
险为 ４８．１，其短期风险和长期风险的下降、上升幅度
均不高，是由于其原煤产量较高，工业“三废”排放
量不高而去除量较大造成的，但由于该市尚处于煤
炭开采幼年阶段，随着煤炭开采量进一步增长，对工
业“三废”的控制能否继续有效尚未可知；４）抚顺市
现状生态风险为 ４５．２，其生态风险绝对值较低与其
目前原煤开采量较少有关，但是，由于抚顺市产业结
构转型依然围绕能源工业，因此在工业 ＳＯ２与废水
的持续排放影响下，随着煤矿开采步入老年阶段，抚
顺市生态风险能否得以有效控制仍有待进一步关
注；５）葫芦岛市现状生态风险为 １９．９，为各市中的
最低值．同时，其各项风险指标相对比较平稳，具有
一定的可控性，因而其短期和长期风险的上升幅度
均处于中间水平．虽然各市未来不同时期生态风险
的绝对量和变化规律有所差异，但根据指标重要性
及其时间尺度特征可知，无论其风险在时间尺度上
如何变动，持续加大环境保护力度、通过经济手段调
节与适应完成生态风险的有效控制才是需要重点关
注的问题．
３　 结　 　 语
本研究以辽宁省 ５ 大煤矿城市为研究对象，基
２７８ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
于学习向量量化神经网络的权重输出结果，探讨矿
业风险相关评价指标的重要性及其时间尺度特征，
并以长期⁃短期二维图动态表征生态风险变化．结果
表明：１）神经网络分离出包括单位产值工业 ＳＯ２去
除量、单位产值工业粉尘去除量、城市园林绿地面积
覆盖率、降水量、子系统协调度、矿业从业人数百分
比、污染治理项目本年度完成投资等长时间尺度指
标，其余指标偏向反映生态风险的短期特征；２）通
过长短时间尺度指标相结合，能够反映煤矿城市两
个时间维度上的生态风险动态水平，其中阜新市现
状风险值最大，相对于现状风险的长短期风险增长
比率中，抚顺市短期风险上升幅度最高，朝阳市长期
风险上升幅度最高．
由于处于当前时点的不同指标对未来作用的持
续性有所差异，因此将指标的时间作用范围加以区
分非常必要，有助于加深生态风险指标属性的理解．
所以，在本研究中使用了现状、短期和长期作为一种
命名规则，用于各评价指标时间尺度特征的分类和
识别．在评价中对统计指标的筛选发现，所能获得的
指标尽管都可以描述未来的威胁，但是有些威胁如
“三废”污染在短期内就会胁迫生态系统的健康，而
有些适应方式如污染治理可能会在较长时间后发挥
其对风险的适应功能，对指标的这种时间特性表征
能力的区分是本研究的主要创新之处．而在区分长
期、短期二维时间尺度的基础上，如何进一步定量区
分不同指标的具体时间作用域，是有待深入探讨的
问题．
就风险概念内涵而言，风险本身是用于表述未
来危险发生的一种可能性，那么，以现状指标去推测
必然存在较大不确定性．本研究主要侧重对指标时
间尺度特征区分方法的探索，但风险评价结果本身
的不确定性依然存在．例如，在指标定量中，抚顺、朝
阳等城市的工业污染并不完全受煤炭开采影响，但
评价中将其统一视作生态风险产生的风险源；再如，
如果在主观上对城市发展阶段的预期有所改变，指
标的权重也会随之有变动．但是，现有当前时点的统
计数据是在评价中唯一能够掌握的真实数据，也几
乎是推测未来的唯一依据．在后续研究中如何通过
主客观相结合进一步降低风险评价的不确定性，有
待更深入的方法探索．
参考文献
［１］　 Ｂａｒｎｔｈｏｕｓｅ ＬＷ， ＳｕｔｅｒⅡＧＷ， Ｒｏｓｅｎ ＡＥ， ｅｔ ａｌ． Ｕｓｅｒｓ’
Ｍａｎｕａｌ ｆｏｒ Ｅｃｏｌｏｇｉｃａｌ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ． ＯＲＮＬ⁃６２５１．
Ｏａｋ Ｒｉｄｇｅ， ＴＮ ： Ｏａｋ Ｒｉｄｇｅ Ｎａｔｉｏｎａｌ Ｌａｂｏｒａｔｏｒｙ， １９８６
［２］　 ＵＳ ＥＰＡ． Ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ Ｅｃｏｌｏｇｉｃａｌ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ．
Ｗａｓｈｉｎｇｔｏｎ ＤＣ： Ｏｆｆｉｃｅ ｏｆ Ｗａｔｅｒ， ＵＳ ＥＰＡ， １９９２
［３］　 ＵＳ ＥＰＡ． Ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ Ｅｃｏｌｏｇｉｃａｌ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ．
Ｗａｓｈｉｎｇｔｏｎ ＤＣ： Ｏｆｆｉｃｅ ｏｆ Ｗａｔｅｒ， ＵＳ ＥＰＡ， １９９８
［４］　 Ｆａｎｇ Ｓ⁃Ｂ （方淑波）， Ｊｉａ Ｘ⁃Ｂ （贾晓波）， Ａｎ Ｓ⁃Ｑ （安
树青）， ｅｔ ａｌ． Ｔｈｅ ｐｒｉｏｒｉｔｙ ｐａｔｔｅｒｎ ｆｏｒ ｍａｎａｇｉｎｇ ｔｈｅ ｐｏ⁃
ｔｅｎｔｉａｌ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｈｅａｖｙ ｍｅｔａｌｓ ｏｆ
ｔｈｅ ｔｏｐ ｓｏｉｌ ｏｎ Ｙａｎｃｈｅｎｇ Ｃｏａｓｔ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ
（地理学报）， ２０１２， ６７（１）： ２７－３５ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｘｕ Ｓ⁃Ｙ （许世远）， Ｗａｎｇ Ｊ （王 　 军）， Ｓｈｉ Ｃ （石
纯）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｆ ｔｈｅ ｎａｔｕｒａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ｏｎ
ｃｏａｓｔａｌ ｃｉｔｉｅｓ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报），
２００６， ６１（２）： １２７－１３８ （ｉｎ Ｃｈｉｎｅｓｅ）
［６］　 Ｑｉｕ Ｆ⁃Ｄ （仇方道）， Ｌｉ Ｂ （李　 博）， Ｔｏｎｇ Ｌ⁃Ｊ （佟连
军）． Ｅｖａｌｕａｔｉｏｎ ｏｎ ｓｕｓｔａｉｎａｂｌｅ ｄｅｖｅｌｏｐｍｅｎｔ ｃａｐａｃｉｔｙ ｏｆ
ｍｉｎｉｎｇ ｃｉｔｉｅｓ ｉｎ ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＭＦＡ ａｎｄ ＤＥＡ
ｍｏｄｅｌｓ． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学 ）， ２００９， ３１
（１１）： １８９８－１９０６ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｚｈａｎｇ Ｘ⁃Ｆ （张小飞），Ｗａｎｇ Ｒ⁃Ｓ （王如松）， Ｌｉ Ｚ⁃Ｇ
（李正国）， ｅｔ ａｌ． Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｕｒｂａｎ
ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋｓ： Ｔｈｅ ｃａｓｅ ｏｆ Ｈｕａｉｂｅｉ Ｃｉｔｙ． Ａｃｔａ Ｅｃｏｌｏｇｉ⁃
ｃａ Ｓｉｎｉｃａ （生态学报）， ２０１１， ３１（２０）： ６２０４ － ６２１４
（ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｚｈａｎｇ Ｓ⁃Ｆ （张思锋）， Ｚｈａｎｇ Ｌ （张　 立）， Ｚｈａｎｇ Ｙ⁃Ｈ
（张一恒）． Ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ Ｙｕｌｉｎ Ｃｏａｌ
Ｍｉｎｉｎｇ Ａｒｅａ ｂａｓｅｄ ｏｎ ｔｈｅ ＰＥＴＡＲ ｍｅｔｈｏｄ． Ｒｅｓｏｕｒｃｅｓ
Ｓｃｉｅｎｃｅ （资源科学）， ２０１１， ３３（１０）： １９１４－１９２３ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［９］　 Ｃｈｅｎｇ Ｊ⁃Ｌ （程建龙）， Ｌｕ Ｚ⁃Ｈ （陆兆华）， Ｆａｎ Ｙ⁃Ｈ
（范英宏）． Ｍｅｔｈｏｄ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ
ｏｐｅｎｃａｓｔ ｍｉｎｅ ａｒｅａ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报），
２００４， ２４（１２）： ２９４５－２９５０ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｊｉａ Ｙ （贾　 媛）， Ｃａｏ Ｌ⁃Ｘ （曹玲娴）． Ｒｅｖｉｅｗ ｏｎ ｅｃｏ⁃
ｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｍｅｔｈｏｄ ｆｏｒ ｃｏａｌ⁃ｍｉｎｉｎｇ ａｒｅａ． Ｅｎ⁃
ｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｍａｎａｇｅｍｅｎｔ （环境科学与管
理）， ２０１１， ２６（４）： １７７－１８２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｘｕ Ｘ⁃Ｇ （许学工）， Ｌｉｎ Ｈ⁃Ｐ （林辉平）， Ｆｕ Ｚ⁃Ｙ （付
在毅）， ｅｔ ａｌ． Ｒｅｇｉｏｎａｌ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｆ
ｗｅｔｌａｎｄ ｉｎ ｔｈｅ Ｈｕａｎｇｈｅ Ｒｉｖｅｒ Ｄｅｌｔａ． Ａｃｔａ Ｓｃｉｅｎｔｉａｒｕｍ
Ｎａｔｕｒａｌｉｕｍ Ｕｎｉｖｅｒｓｉｔａｔｉｓ Ｐｅｋｉｎｅｎｓｉｓ （北京大学学报：自
然科学版）， ２００１， ３７（１）： １１１－１２０ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｘｉａｏ Ｙ （肖　 杨）， Ｍａｏ Ｘ⁃Ｑ （毛显强）． Ｓｐａｔｉａｌ ａｎａｌｙ⁃
ｓｉｓ ｏｆ ｒｅｇｉｏｎａｌ ｌａｎｄｓｃａｐｅ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ． Ｃｈｉｎａ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔａｌ Ｓｃｉｅｎｃｅ （中国环境科学）， ２００６， ２６（５）： ６２３－
６２６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｚｅｎｇ Ｙ （曾　 勇）． Ｔｈｅ ｒｅｇｉｏｎａｌ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓ⁃
ｍｅｎｔ ｏｆ Ｈｏｈｈｏｔ Ｃｉｔｙ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学
报）， ２０１０， ３０（３）： ６６８－６７３ （ｉｎ Ｃｈｉｎｅｓｅ）
［１４］　 Ｃｈｅｎ Ｈ （陈　 辉）， Ｌｉ Ｓ⁃Ｃ （李双成）， Ｚｈｅｎｇ Ｄ （郑　
度）． Ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｒｅｇｉｏｎｓ ａｌｏｎｇｓｉｄｅ
Ｑｉｎｇｈａｉ⁃Ｘｉｚａｎｇ ｈｉｇｈｗａｙ ａｎｄ ｒａｉｌｗａｙ ｂａｓｅｄ ｏｎ ａｒｔｉｆｉｃｉａｌ
ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ａｃｔａ Ｓｃｉｅｎｔｉａｒｕｍ Ｎａｔｕｒａｌｉｕｍ Ｕｎｉｖｅｒｓｉｔａ⁃
ｔｉｓ Ｐｅｋｉｎｅｎｓｉｓ （北京大学学报：自然科学版）， ２００５，
４１（４）： ５８６－５９３ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｈｏｐｅ ＢＫ． Ａｎ ｅｘａｍｉｎａｔｉｏｎ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ
ａｎｄ ｍａｎａｇｅｍｅｎｔ ｐｒａｃｔｉｃｅｓ． Ｅｎｖｉｒｏｎｍｅｎｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ，
３７８３期　 　 　 　 　 　 　 　 　 　 　 彭　 建等： 基于 ＬＶＱ的煤矿城市生态风险评价指标时间尺度特征　 　 　 　 　 　
２００６， ３２： ９８３－９９５
［１６］　 Ｃｌａａｓｓｅｎ Ｍ． Ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ａｓ ａ ｆｒａｍｅｗｏｒｋ
ｆｏｒ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｉｍｐａｃｔ ａｓｓｅｓｓｍｅｎｔｓ． Ｗａｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ， １９９９， ３９： １５１－１５４
［１７］　 Ｈｕｎｓａｋｅｒ ＣＴ， Ｇｒａｈａｍ ＲＬ， Ｓｕｔｅｒ ＧＷ， ｅｔ ａｌ． Ａｓｓｅｓｓｉｎｇ
ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ｏｎ ａ ｒｅｇｉｏｎａｌ ｓｃａｌｅ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｍａｎａｇｅｍｅｎｔ， １９９０， １４： ３２５－３３２
［１８］　 Ｇｒａｈａｍ ＲＬ， Ｈｕｎｓａｋｅｒ ＣＴ， Ｏ’Ｎｅｉｌｌ ＲＶ． Ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ
ａｓｓｅｓｓｍｅｎｔ ａｔ ｔｈｅ ｒｅｇｉｏｎａｌ ｓｃａｌｅ． Ｅｃｏｌｏｇｉｃａｌ Ａｐｐｌｉｃａｔｉｏｎｓ，
１９９１， １： １９６－２０６
［１９］　 Ｃｈｅｎ Ｃ⁃Ｌ （陈春丽）， Ｌｖ Ｙ⁃Ｌ （吕永龙）， Ｗａｎｇ Ｔ⁃Ｙ
（王铁宇）， ｅｔ ａｌ． Ｅｍｅｒｇｉｎｇ ｉｓｓｕｅｓ ａｎｄ ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｒｅ⁃
ｇｉｏｎａｌ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ
（生态学报）， ２０１０， ３０（３）： ８０８－８１６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｌａｎｄｉｓ ＷＧ． Ｔｈｅ ｆｒｏｎｔｉｅｒｓ ｉｎ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ
ａｔ ｅｘｐａｎｄｉｎｇ ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｓｃａｌｅｓ． Ｈｕｍａｎ ａｎｄ
Ｅｃｏｌｏｇｉｃａｌ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ， ２００３， ９： １４１５－１４２４
［２１］　 Ｐａｎ Ｙ⁃Ｊ （潘雅婧）， Ｗａｎｇ Ｙ⁃Ｌ （王仰麟）， Ｐｅｎｇ Ｊ （彭
建）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｉｎ ｅｃｏｌｏｇｉｃａｌ ｒｉｓｋ ａｓｓｅｓｓ⁃
ｍｅｎｔ ｏｆ ｍｉｎｉｎｇ ａｒｅａ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学
报）， ２０１２， ３２（２０）： ６５６６－６５７４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２２］ 　 Ｂｅｌｏｖｓｋｙ ＧＥ． Ｅｃｏｌｏｇｉｃａｌ ｓｔａｂｉｌｉｔｙ： Ｒｅａｌｉｔｙ， ｍｉｓｃｏｎｃｅｐ⁃
ｔｉｏｎｓ ａｎｄ ｉｍｐｌｉｃａｔｉｏｎｓ ｆｏｒ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ． Ｈｕｍａｎ ａｎｄ
Ｅｃｏｌｏｇｉｃａｌ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ， ２００２， ８： ９９－１０８
［２３］　 Ｎａｔｉｏｎａｌ Ｂｕｒｅａｕ ｏｆ Ｓｔａｔｉｓｔｉｃｓ ｏｆ ｔｈｅ Ｐｅｏｐｌｅ’ｓ Ｒｅｐｕｂｌｉｃ ｏｆ
Ｃｈｉｎａ （国家统计局）． Ｃｈｉｎａ Ｃｉｔｙ Ｓｔａｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ．
Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｓｔａｔｉｓｔｉｃｓ Ｐｒｅｓｓ， ２０１１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｉａｌ Ｂｕｒｅａｕ ｏｆ Ｓｔａｔｉｓｔｉｃｓ （辽宁省统计
局）． Ｌｉａｏｎｉｎｇ Ｓｔａｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｓｔａ⁃
ｔｉｓｔｉｃｓ Ｐｒｅｓｓ， ２０１１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｙａｎｇ Ｓ⁃Ｑ （杨世琦）， Ｙａｎｇ Ｚ⁃Ｌ （杨正礼）， Ｇａｏ Ｗ⁃Ｓ
（高旺盛）． Ａｐｐｒａｉｓｉｎｇ ｏｎ ｈａｒｍｏｎｙ ｏｆ ｒｅｇｉｏｎａｌ ａｇｒｉｃｕｌ⁃
ｔｕｒｅ ｓｙｓｔｅｍ ｉｎ ｎａｔｉｏｎａｌ ｓｃａｌｅ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生
态学报）， ２００８， ２８（８）： ４０４７－４０５６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｓｕｎ Ｐ⁃Ｊ （孙平军）， Ｘｉｕ Ｃ⁃Ｌ （修春亮）． Ｃａｐａｃｉｔｙ ａｎｄ
ｖｕｌｎｅｒａｂｉｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ ｔｈｅ ｅｃｏｎｏｍｉｃ ｓｙｓｔｅｍ ｏｆ
ｍｉｎｉｎｇ： Ｃｉｔｙ ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ
Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ （干旱区资源与环境），
２０１１， ２５（４）： ２２－２７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｇｕｏ Ｙ⁃Ｔ （郭月婷）， Ｘｕ Ｊ⁃Ｇ （徐建刚）． Ｃｏｕｐｌｉｎｇ ｃｏｏｒ⁃
ｄｉｎａｔｉｏｎ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｕｒｂａｎｉｚａｔｉｏｎ ａｎｄ ｅｃｏ⁃ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ ｓｙｓｔｅｍ ｉｎ Ｈｕａｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ ｏｆ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ
ｆｕｚｚｙ ｍａｔｔｅｒ ｅｌｅｍｅｎｔ ｔｈｅｏｒｙ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ
Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１３， ２４（５）： １２４４－１２５２
（ｉｎ Ｃｈｉｎｅｓｅ）
［２８］　 Ｓｕｎ Ｐ⁃Ｊ （孙平军）， Ｘｉｕ Ｃ⁃Ｌ （修春亮）， Ｚｈａｎｇ Ｔ⁃Ｊ
（张天娇）． Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｃｏｕｐｌｉｎｇ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅ⁃
ｔｗｅｅｎ ｕｒｂａｎｉｚａｔｉｏｎ ａｎｄ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ Ｊｉｌｉｎ
ｆｒｏｍ ｅｎｔｒｏｐｙ ｃｈａｎｇｅ ｐｅｒｓｐｅｃｔｉｖｅ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐ⁃
ｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１４， ２５（３）： ８７５－
８８２ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 彭　 建，男，１９７６年生，博士，副教授．主要从事景
观生态与土地利用、区域生态持续性评估研究． Ｅ⁃ｍａｉｌ： ｊｉａｎ⁃
ｐｅｎｇ＠ ｕｒｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎ
责任编辑　 杨　 弘
４７８ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷