2. 集美大学食品与生物工程学院, 厦门 361021;
3. 中国科学院城市环境研究所城市环境与健康重点实验室, 厦门 361021;
4. 厦门市城市代谢重点实验室, 厦门 361021
2. College of Food and Bioengineering, Jimei University, Xiamen 361021;
3. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021;
4. Key Laboratory of Urban Metabolism of Xiamen City, Xiamen 361021
全球经济的快速增长往往伴随着能源消耗和环境污染, 而城市化是造成这些问题的主要因素(Wang et al., 2018).研究表明, 城市面积仅占全球陆地总面积的1%, 却拥有超过54%的人口, 消耗了全球70%以上的能源, 排放了全球70%以上的温室气体(Cohen et al., 2016).随着全球城市化进程的飞速发展, 世界城市人口将在2030年达到50亿(王小鲁, 2010).自改革开放40年以来, 中国也经历了大规模的快速城市化, 城市化率由1978年的17.9%增长到2018年的59.6%, 然而, 快速的城市化也带来了温室效应、大气臭氧损耗、土壤侵蚀、森林砍伐、土地荒漠化和水污染等一系列生态环境问题(Sun et al., 2018).因此, 提高城市化的质量, 寻求一条“绿色”的城市发展道路已经成为国际社会的共识.绿色城市的理念诞生于人们对经济增长与资源环境之间矛盾的探究, 其中, “绿色”的内涵与“可持续”、“可持续发展”等密不可分(欧阳志云等, 2009).1991年, 联合国人居署(United Nations Human Settlements Program, UN-Habitat)和联合国环境署(United Nations Environment Program, UNEP)在全球范围内提出并推行的“可持续城市发展计划”(Sustainable Cities Programme, SCP), 初步推动了全球的绿色发展(赵景柱等, 2009).2002年, 联合国开发计划署(United Nations Development Program, UNDP)提出绿色发展, 开启了全球绿色发展的潮流(Song et al., 2019).2005年, 联合国亚太经济社会委员会(United Nations Economic and Social Commission for Asia and the Pacific, UNESCAP)提出走绿色增长道路, 在促进经济增长及发展的同时, 确保自然资产能不断提供人类福祉所不可或缺的资源和环境服务(OECD, 2011).
绿色城市的概念不仅仅局限于经济进步, 而更倾向于经济、社会和资源环境的协调发展, 旨在保证经济持续稳定发展的前提下, 尽可能减少经济活动对资源环境的不良影响(石敏俊等, 2013).随着人们对绿色城市内涵的补充与完善, 绿色城市在涵盖经济发展、资源消耗和环境污染等方面内容的基础上, 还加入了气候变化、生活质量、人体健康、生态安全等新的内容(张梦等, 2016).绿色城市作为一种以人为本的城市模式, 是一种兼具了经济绿色增长与人居环境健康, 不以破坏生态环境与降低人们生活质量为代价的城市建设模式.绿色城市的建设应该结合城市自身的功能、经济、文化及地域特征, 寻求一条适用于城市自身特点的绿色发展道路, 目标在于通过完善城市功能来满足城市居民的各种需求及生态系统健康发展.
绿色城市评价是绿色城市理念的具体化(Wang et al., 2018).为服务于绿色城市的建设, 将绿色城市理念变成现实的可操作的管理模式, 需要对城市的绿色发展进行评估, 使得人们能够了解城市目前所处的状态及与绿色城市目标的距离, 因此, 构建一套能反映绿色城市内涵的评价指标体系是绿色城市建设中的重要内容.绿色城市评价指标体系要能客观地反映城市绿色发展现状, 找出城市的发展潜力与不足, 并鼓励城市为绿色发展做出努力, 这对绿色城市的建设具有重要的理论和现实意义.因此, 本文基于对全国大范围地区进行评价的目的, 建立一套科学的、符合绿色城市理念的评价指标, 并基于城市功能与发展阶段分别为指标体系设立权重, 通过整合的12组权重系数实现对不同类型城市的差异化评价.
2 指标体系研究现状(Research status of index system)近年来, 国内外学者及相关机构对绿色城市评价指标体系进行了大量探讨(表 1).国外对于指标体系的研究相对较早, 联合国可持续发展委员会(United Nations Commission on Sustainable Development, UNCSD)在1995年就批准实施了“可持续发展指标工作计划”(Work Programme on Indicators of Sustainable Development)并提出了初步指标体系, 同时联合国统计局(United Nations Statistics Division, UNSD)也提出了包含88个指标的可持续发展指标体系, 但这些指标都对环境方面反映较多, 对社会、经济方面反映较少, 并且指标数量过多, 实用性有待提高(张志强等, 2002).在2000年提出的“千年发展目标”到期后, 联合国(2015)又提出了“2030可持续发展目标(Sustainable Development Goals, SDGs)”, 随后有学者基于这17项发展目标构建了适用于中国的指标体系(Wang et al., 2019), 但仅限于省级尺度的比较.绿色社区评价体系(LEED-ND)的指标体系较为完善(张佶等, 2017), 但部分指标与中国城市难以衔接, 欧盟设立的欧洲能源奖评价体系(EEA)与欧洲绿色之都评价体系(EGCA)也只适用于欧洲的城市(Meijering et al., 2014).经济学人智库与西门子公司从2009年起相继推出了欧洲绿色城市指数、拉丁美洲绿色城市指数、亚洲绿色城市指数、美国和加拿大绿色城市指数、非洲绿色城市指数, 为全球城市绿色发展评价提供了借鉴.虽然中国对绿色城市评价体系的研究处于初级阶段, 但得到了政府部门的高度重视.21世纪以来, 国家发改委、生态环境部等从不同的角度发布了多个城市评价体系, 其中, 《绿色城市评价指标(征求意见稿)》从生产、生活与环境3个维度构建了较全面的绿色城市指标体系.也有学者从城市的具体情况出发, 构建了因地制宜的指标体系, 如:绿色南京(王婉晶等, 2012)、绿色厦门(杜芸芝, 2010).尽管对绿色城市的评价指标体系研究正在逐步发展, 但指标体系如何科学公平地对不同类型城市进行评价、如何提升指标体系的稳定性与灵活性等问题依然有待深入研究.
绿色城市评价指标体系的构建需要从绿色城市的内涵及评价目标出发, 应遵循以下原则:
① 科学性与数据可获取性原则.绿色城市评价指标体系应当能充分体现绿色城市的内涵, 从科学的角度准确地理解和把握城市绿色发展的实质, 指标的选取要以科学且权威的机构发布的统计资料为基础.在保证指标体系科学性的同时, 要结合指标的数据可获取性, 数据要便于获取与计算, 指标数量不宜过多, 体现少而精, 在实际应用过程中易于操作, 需要进行计算的指标尽量选择相对成熟的公式与方法, 公式中选择易于获取的参数.
② 全面性与相对独立性原则.指标体系中, 社会经济、生态环境、资源禀赋等方面都应该得到体现, 指标体系要相对完备, 使得指标体系作为一个整体能够全面地反映出城市绿色发展中的总体特征.同时各个指标也要彼此相对独立, 避免指标之间的重复性, 各指标能独立地反映出城市的单方面绿色水平.
③ 大数据应用原则.指标体系应与大数据相结合, 通过对不同分辨率遥感数据(陈鹏, 2007)、气象站点数据等多源城市大数据的分析, 采用多源数据融合、空间统计分析等多种城市生态学研究方法, 来揭示城市绿色发展的规律与特点, 以及参评城市的发展现状和未来趋势.
④ 前瞻性与可比性原则.指标体系要具有前瞻性, 应充分体现出国际绿色发展目标的新趋势, 要充分借鉴最新研究成果, 为城市的绿色发展提供方向.同时, 为增加城市之间的可比性, 在指标选取时倾向于选取人均和效率性指标, 便于反映城市的发展质量, 而非总量, 各指标要既能充分体现国家在城市绿色发展中的任务、目标, 也要与国际趋势接轨, 要符合国际规范和国内现行统计的要求, 以保证统计数据的可靠性.
3.2 指标体系的构成对于绿色城市评价指标体系的研究, 国内外大多数机构与学者的研究视角也不尽相同, 多从绿色生产模式、绿色生活方式及环境质量水平这3个角度去建立评价指标体系, 所选用的子系统考虑到生产、生活、生态三方面.因此, 在遵循指标构建原则的基础上, 结合中国城市发展的具体情况, 本文从绿色生产、绿色生活、环境质量3个角度出发, 将3个子系统进一步分解成:资源利用、污染控制、绿色市政、绿色交通、绿色消费、生态环境、大气环境、水环境、声环境及城市形态共10个二级指标, 在此基础上, 构建出包含29个具体指标的绿色城市评价指标体系(表 2), 其中有16个正向指标, 11个负向指标, 2个特定向指标.
绿色城市评价指标体系在城市尺度上具有较高的可操作性, 所选取的指标均是定量指标, 具有明确的定义、范围及计算方法, 数据大多可在统计部门发布的年鉴及相关权威部门发布的资料中直接获取, 或者通过多源大数据进行分析计算获取.
其中, 单位面积建设用地经济产出是指城市的GDP与城市建设用地总面积的比值;中心城区建成区路网密度是指中心城区建成区范围内的道路总里程与该范围面积的比值, 数据可参考《中国主要城市道路网密度监测报告》.自然保护区面积占比是指城市自然保护区面积与行政区域土地总面积的比值, 数据可参考《全国自然保护区名录》.地表水环境质量CWQI是指城市地表水水质综合指数, 可通过各城市生态环境网站获取, 也可参考《城市地表水环境质量排名技术规定(试行)》, 通过环境监测数据计算, 具体见式(1).
(1) |
式中, CWQI为参评城市的水质指数;CWQI河流为河流的水质指数;CWQI湖库为湖库的水质指数;M为城市的河流断面数;N为城市的湖库点位数.
公共交通站点500 m覆盖率与城市紧凑度需要通过遥感数据计算.公共交通站点500 m覆盖率是指建成区内公共交通站点服务面积(以公共交通站点为圆心、以500 m为半径的圆, 相交部分不得重复计算)占建成区面积的百分比, 可通过兴趣点(POI)数据建立缓冲区, 与城市的遥感解译数据进行叠加、融合多边形等空间分析方式计算.城市紧凑度能反映出城市形态是否紧凑(林炳耀, 1998), 可参考中国土地覆盖遥感监测数据, 通过遥感解译数据计算获得, 具体见式(2)~(3).
(2) |
(3) |
式中, CI为城市紧凑度指数;Ai为地块i的面积;Pi为地块i的周长;n为地块数量.
3.4 指标权重的设置目前, 绿色城市评价指标的权重确定方法主要有层次分析法(李新等, 2011)、多元统计法、熵权法(雷勋平等, 2016)、变异系数法、灰色关联度法等.本研究综合考虑了不同城市的资源环境禀赋、现有开发基础与功能定位, 以及城市化的发展阶段, 并在结合国土空间开发规划和中国城市化发展进程等研究成果的基础上, 提出了基于专家咨询法的一种双轨并行的权重系数分配体系(图 1).首先, 将绿色生产、绿色生活及环境质量3个子系统的重要性分为0.1~0.9共9个级别;然后, 依据《全国主体功能区规划》, 请专家对4类主体功能区中3个子系统的重要程度进行判别;再根据中国城市化的发展进程, 选取两个城市化发展的关键节点, 将城市化发展阶段分为高度城市化、中度城市化、低度城市化3种类型, 请专家对3种城市发展阶段中3个子系统的重要性进行判断;最后, 将两组权重系数加以整合, 形成绿色城市指标体系综合权重系数(表 3).
主体功能区划分是以“因地制宜”的国土开发和区域发展思想为基础(樊杰, 2007), 以县区作为基本单位, 根据不同区域的资源环境承载能力、现有开发强度和未来发展潜力, 将国土空间划分为优化开发区域、重点开发区域、限制开发区域和禁止开发区域4种类型, 确立中国国土空间发展格局的总体布局(Fan et al., 2010).其中, 优化开发区和重点开发区是城市化地区, 二者的发展内容基本相同, 但发展强度和发展手段不同(Wang et al., 2019).绿色城市评价指标体系基于不同城市的功能差异性, 对4类主体功能区分别设定了不同的权重系数, 结合专家意见, 绿色生产与绿色生活具有同等的重要性, 随着对开发的限制程度的增加, 环境质量的权重升高, 绿色生产和绿色生活的权重降低, 参评城市根据所处的地理位置, 确定其所属的类别.
3.4.2 基于城市发展阶段的权重设定城市发展阶段的划分选取了两个城市化关键节点, 即70%与50%, 将城市分为高度城市化、中度城市化、低度城市化3个类别.城市化率高于70%的城市属于高度城市化类别, 城市人口比重超过70%, 城乡人口格局基本稳定, 城市化发展放缓, 是城市化发展的成熟阶段, 因此, 选取70%作为城市发展阶段的节点.城市化率低于70%并且高于50%的城市, 属于中度城市化类别, 城市人口超过农村人口在城市发展史上具有重要意义, 因此, 选取50%作为城市化发展阶段的节点.城市化率低于50%, 属于低度城市化类别, 此类城市属于城市化发展的初级阶段, 发展潜力很大.基于不同发展阶段的城市之间的可比性, 指标体系对3个城市发展阶段分别设定了不同的权重系数, 结合专家意见, 随着城市化率的升高, 环境质量的权重降低, 绿色生产和绿色生活的权重升高.
3.4.3 绿色城市指标体系综合权重通过整理专家对3个子系统重要性的9个级别的打分结果, 分别得出4类主体功能区与3个城市发展阶段的权重, 权重取值为0~1, 且3个子系统在各组权重系数中的数值之和等于1.再通过相乘的方式将两组权重系数加以整合, 并将整合结果进行标准化, 使每组权重系数之和等于1, 最终得到绿色城市指标体系综合权重.此方法对3个子系统设立了12组权重, 各子系统根据所分配的权重, 再平均赋予到三级指标中.综合权重能反映出环境质量与另外两个子系统之间的平衡, 参评城市可以根据所属的区域, 以及城市化的发展阶段, 确定其所在的分组, 并匹配相应的权重系数.通过设定综合权重系数, 增强了绿色城市评价指标体系的灵活性, 使其适用于对不同类别城市的评价.
3.4.4 城市分区分类的应用实例基于城市的主体功能区与发展阶段对我国城市进行分区分类, 目的在于调整3个子系统的权重系数, 使指标体系能够适用于不同类型的城市.以27个省会城市、4个直辖市与5个计划单列市总计36个城市为例, 首先依据《全国主体功能区规划》, 36个城市分布在优化开发区域与重点开发区域, 覆盖到了4类主体功能区中的两类, 开发强度普遍较高;然后参照36个城市的《国民经济和社会发展第十三个五年规划纲要》中各城市2015年的城市化率状况, 将36个城市分为高、中、低度城市化3个阶段;最后加以整合, 36个城市覆盖了12个城市类别中的5类, 具体如表 4所示.
在构建绿色城市评价指标体系时, 最初共选取了72个三级指标, 经过多轮筛选, 最终呈现出29个指标, 被筛选掉的指标大多是由于数据缺乏获取性或统计口径不统一.自下而上、层层上报的统计方法容易造成各城市的标准尺度不一致, 使“清洁能源公共交通车辆比例”、“公众对环境的满意度”、“生态保护红线区面积保持率”等表征意义较好的指标由于数据源的问题不得不被放弃.龙瀛等(2018)基于新数据的人居环境监测指标体系, 采取GIS空间分析、遥感解译、热力图分析、空间句法模型等时空数据统计方法, 提升了数据源的可靠性, 为绿色城市评价指标体系的构建提供了参考.本研究结合大数据的应用, 选取公共交通站点500 m覆盖率与城市紧凑度两项指标.
4.2 指标体系与SDGs的关系联合国在2015年制定的《2030年可持续发展议程》中提出了可持续发展目标, SDGs包括17项不可分割的可持续发展目标及169项子目标, 旨在鼓励各国在2015—2030年期间为地球的可持续发展采取行动(Merino-Saum et al., 2018).绿色城市评价指标体系与SDGs有着密切的联系, 表 5展示了SDGs中与绿色城市评价指标体系有关的具体目标, 绿色城市评价指标体系可作为SDGs实现的有效途径.
绿色城市评价指标体系融合了SDG6、SDG7、SDG9、SDG11、SDG12、SDG13、SDG15, 同时兼顾其他SDGs(图 2, 实线表示指标与SDGs直接相关, 虚线表示间接相关).其中, SDG6为清洁饮水与卫生设施, 与集中式饮用水水源地水质达标率等水资源方面的10个指标直接相关;SDG7代表能源普及与提高能源效率, 与人均居民生活用电量等4个指标直接相关;SDG9代表基础设施与工业创新, 包括建造优质、可靠的城市基础设施, 与生活污水集中处理率、生活垃圾无害化处理率相关;SDG11为建设安全、包容、可持续的城市和社区, 与绿色生活维度及人均公园绿地面积等指标直接相关;SDG12为可持续的消费和生产模式, 与工业固体废物综合利用率等指标相关;SDG13关注于气候变化带来的影响, 与单位GDP二氧化碳排放量、空气质量优良天数等指标相关;SDG15关注于对陆地生态系统的保护, 与自然保护区面积占比、城市紧凑度等指标相关.
通常将定量指标按照指向分为正向指标与负向指标, 但有些指标不宜定为正向指标与负向指标, 如对于人均居民生活用水量与人均居民生活用电量两项指标, 通常将其定位为负向指标, 目的在于减少资源的消耗, 城市的人均居民生活用水与用电量越低, 绿色城市评价的得分就会越高.但在研究中发现, 欠发达地区城市的居民生活用水用电普及率普遍低于发达地区城市, 因此, 居民生活用水用电量也普遍较低, 形成了城市越不发达, 表现越优的现象.这种评价结果会造成误导, 因为并不是越不发达地区的城市越绿色, 提高人们的生活质量, 也是城市发展的重要内容, 绿色城市的发展方向应以人为本, 过低的人均生活用水与用电量会降低人们的幸福感.因此, 本文将人均居民生活用水量与人均居民生活用电量两项指标定位为特定向指标, 这与SDG6中提到的确保人人能够公平地获得安全清洁的用水, SDG7中提到的确保人人能获得负担得起的、可靠和可持续的能源是一致的, 旨在不以降低人们生活质量为代价来减少资源的消耗, 通过用水用电的普及来体现城市的服务性与宜居性.
4.4 基于城市分区分类的指标权重设置与国家标准《绿色城市评价指标(征求意见稿)》中的65个三级指标相比较, 指标体系在全国范围的城市尺度上具有较高的数据可获取性, 并且结合了多源大数据, 因此更具稳定性;通过城市化率将城市分为高、中、底度城市化3个发展阶段, 并分别设定权重系数, 提升了指标体系对于不同发展阶段城市的公平性;基于城市主体功能与发展阶段对城市进行分区分类, 通过设立12组权重系数调整环境质量维度与另两个维度之间的关系, 实现对不同类别城市的差异化评价, 提升了指标体系的灵活性.
5 结论(Conclusions)我国正处于绿色经济转型升级的关键阶段, 绿色城市已经成为我国城市未来的发展方向, 同时是关系到社会、经济和生态系统良性循环的关键环节(窦攀烽等, 2019).构建绿色城市评价指标体系, 目的在于在城市尺度上建立具有可比性的评价体系, 识别城市间的绿色水平差距, 并进一步促进绿色城市的建设.本文从生产、生活和生态3个维度构建了包括10个二级指标和29个基础指标的评价体系, 并基于城市的分区分类提出了不同类型城市的指标权重, 提升了绿色城市评价的稳定性、公平性和灵活性, 可为我国的城市绿色发展评估提供指导.
Cohen B, Muñoz P. 2016. Sharing cities and sustainable consumption and production:towards an integrated framework[J]. Journal of Cleaner Production, 134: 87-97. DOI:10.1016/j.jclepro.2015.07.133 |
陈鹏. 2007. 基于遥感和GIS的景观尺度的区域生态健康评价-以海湾城市新区为例[J]. 环境科学学报, 27(10): 1744-1752. |
窦攀烽, 左舒翟, 任引, 等. 2019. 基于城市分类的绿色城市指标体系构建[J]. 生态学杂志, 38(6): 1937-1948. |
杜芸芝.2010.基于PRED的厦门绿色城市协调发展评价研究[D].福州: 福建农林大学.34-42
|
Fan J, Tao A, Ren Q. 2010. On the historical background, scientific intentions, goal orientation, and policy framework of major function-oriented zone planning in China[J]. Journal of Resources and Ecology, 1(1): 289-299. |
樊杰. 2007. 我国主体功能区划的科学基础[J]. 地理学报, (4): 339-350. |
国家发展和改革委员会、国家统计局、生态环境部.2016a.生态文明建设考核目标体系[EB/OL].2020-03-22.https://www.ndrc.gov.cn/xxgk/zcfb/tz/201612/t20161222_962826.html
|
国家发展和改革委员会、国家统计局、生态环境部.2016b.绿色发展指标体系[EB/OL].2020-03-22.https://www.ndrc.gov.cn/xxgk/zcfb/tz/201612/t20161222_962826.html
|
雷勋平, 邱广华. 2016. 基于熵权TOPSIS模型的区域资源环境承载力评价实证研究[J]. 环境科学学报, 36(1): 317-326. |
李新, 石建屏, 曹洪. 2011. 基于指标体系和层次分析法的洱海流域水环境承载力动态研究[J]. 环境科学学报, 31(6): 1338-1344. |
联合国.2015.可持续发展目标[EB/OL].2020-03-07.https://www.un.org/sustainabledevelopment/zh/
|
Lin J, Jacoby J, Cui S, et al. 2014. A model for developing a target integrated low carbon city indicator system:The case of Xiamen, China[J]. Ecological Indicators, 40: 51-57. DOI:10.1016/j.ecolind.2014.01.001 |
林炳耀. 1998. 城市空间形态的计量方法及其评价[J]. 城市规划汇刊, (3): 42-45+65. |
龙瀛, 李苗裔, 李晶. 2018. 基于新数据的中国人居环境质量监测:指标体系与典型案例[J]. 城市发展研究, 25(4): 86-96. |
Meijering J V, Kern K, Tobi H. 2014. Identifying the methodological characteristics of European green city rankings[J]. Ecological Indicators, 43: 132-142. DOI:10.1016/j.ecolind.2014.02.026 |
Merino-Saum A, Baldi M G, Gunderson I, et al. 2018. Articulating natural resources and sustainable development goals through green economy indicators:A systematic analysis[J]. Resources, Conservation and Recycling, 139: 90-103. DOI:10.1016/j.resconrec.2018.07.007 |
OECD.2011.Towards Green Growth[EB/OL].2020-03-06.http://www.oecd.org/greengrowth/48728959.pdf
|
欧阳志云, 赵娟娟, 桂振华, 等. 2009. 中国城市的绿色发展评价[J]. 中国人口·资源与环境, 19(5): 11-15. |
生态环境部.2011a.国家环境保护模范城市考核指标及其实施细则(第六阶段)[EB/OL].2020-03-23.http://www.mee.gov.cn/gkml/hbb/bgt/201101/t20110125_200178.htm
|
生态环境部.2011b.国家生态文明建设示范县、市指标(试行)[EB/OL].2020-03-23.http://www.mee.gov.cn/gkml/hbb/bwj/201601/t20160128_327045.htm
|
石敏俊, 刘艳艳. 2013. 城市绿色发展:国际比较与问题透视[J]. 城市发展研究, 20(5): 140-145. |
Song X, Zhou Y, Jia W. 2019. How do economic openness and R&D investment affect green economic growth?-Evidence from China[J]. Resources, Conservation and Recycling, 146: 405-415. DOI:10.1016/j.resconrec.2019.03.050 |
Steiniger S, Wagemann E, de la Barrera F, et al. 2020. Localising urban sustainability indicators:The CEDEUS indicator set, and lessons from an expert-driven process[J]. Cities. DOI:10.1016/j.cities.2020.102683 |
Sun C, Tong Y, Zou W. 2018. The evolution and a temporal-spatial difference analysis of green development in China[J]. Sustainable Cities and Society, 41: 52-61. DOI:10.1016/j.scs.2018.05.006 |
Tam V W Y, Karimipour H, Le K N, et al. 2018. Green neighbourhood:Review on the international assessment systems[J]. Renewable and Sustainable Energy Reviews, 82: 689-699. DOI:10.1016/j.rser.2017.09.083 |
Tan S, Yang J, Yan J, et al. 2017. A holistic low carbon city indicator framework for sustainable development[J]. Applied Energy, 185: 1919-1930. DOI:10.1016/j.apenergy.2016.03.041 |
The Economist Intelligence Unit.2011.Asian Green City Index[EB/OL].2018-08-14.https://www.siemens.com/global/en/home.html
|
The Economist Intelligence Unit.2009.European Green City Index[EB/OL].2018-08-14.https://www.siemens.com/global/en/home.html
|
Wang M X, Zhao H H, Cui J X, et al. 2018. Evaluating green development level of nine cities within the Pearl River Delta, China[J]. Journal of Cleaner Production, 174: 315-323. DOI:10.1016/j.jclepro.2017.10.328 |
Wang N, Lee J C K, Zhang J, et al. 2018. Evaluation of urban circular economy development:An empirical research of 40 cities in China[J]. Journal of Cleaner Production, 180: 876-887. DOI:10.1016/j.jclepro.2018.01.089 |
Wang W, Wang W, Xie P, et al. 2020. Spatial and temporal disparities of carbon emissions and interregional carbon compensation in major function-oriented zones:A case study of Guangdong province[J]. Journal of Cleaner Production, 245. DOI:10.1016/j.jclepro.2019.118873 |
Wang Y, Lu Y, He G, et al. 2019. Spatial variability of sustainable development goals in China:A provincial level evaluation[J]. Environmental Development. DOI:10.1016/j.envdev.2019.100483 |
王婉晶, 赵荣钦, 揣小伟, 等. 2012. 绿色南京城市建设评价指标体系研究[J]. 地域研究与开发, 31(2): 62-66. |
王小鲁. 2010. 中国城市化路径与城市规模的经济学分析[J]. 经济研究, 45(10): 20-32. |
张佶, 钱秉玺. 2017. 寻找理想与现实的平衡-基于美国LEED-ND评估体系与实践的思考[J]. 城市规划, 41(11): 102-110. |
张梦, 李志红, 黄宝荣, 等. 2016. 绿色城市发展理念的产生、演变及其内涵特征辨析[J]. 生态经济, 32(5): 205-210. |
张志强, 程国栋, 徐中民. 2002. 可持续发展评估指标、方法及应用研究[J]. 冰川冻土, (4): 344-360. |
赵景柱, 崔胜辉, 颜昌宙, 等. 2009. 中国可持续城市建设的理论思考[J]. 环境科学, 30(4): 1244-1248. |
中国标准化研究院.2017.绿色城市评价指标(征求意见稿)[EB/OL].2020-03-11.https://www.cnis.ac.cn/ynbm/jhkyc/bzyjzq/gbyjzq/201711/t20171113_25801.html
|
Zhou N, He G, Williams C, et al. 2015. ELITE cities:A low-carbon eco-city evaluation tool for China[J]. Ecological Indicators, 48: 448-456. DOI:10.1016/j.ecolind.2014.09.018 |
住房和城乡建设部, 国家发展和改革委员会.2018.国家节水型城市考核标准[EB/OL].2020-03-23.http://www.mohurd.gov.cn/wjfb/201803/t20180301_235261.html
|
住房和城乡建设部.2012.生态园林城市分级考核标准[EB/OL].2020-03-11.http://www.mohurd.gov.cn/wjfb/201212/t20121207_212220.html
|