文摘

环境质量评价是一个重要的方式,促进城市环境质量的提高。环境绩效通常是用来评价环境质量的提高,环境质量和居民满意度评估改善环境也是一个重要的方法。目前,在许多城市在中国,两种评价方法的结果有很大区别。在一些城市居民环境满意度不高具有良好的环保性能;然而,在城市环境绩效较差,居民环境满意度较高。这里,环境主观评价的基础上,从2014年的56个城市4600多个独立样本,本文构造了一个指数之间的主观和客观的分数为每个样本及其城市,将总样本分为两组。为了分析组之间的差异,首先,最重要的驱动因素的差异提取随机森林。其次,个人特征的关键是基于条件确定的模型推理树。最后,分析了区域异质性非度量多维标度。结果表明,人口密度的主要因素是影响主观和客观评价的区别。 Furthermore, in those cities with low population density, investment increasing in transportation infrastructure helps to improve urban air quality, which can bring about more perceptual environmental optimization to people. As individuals, education is the key factor for residents when it comes to environment evaluation, but it is not a simple linear relationship. In terms of regional heterogeneity, the consistency of important factors among regions is not obvious, and the situation that “neighboring” cities share the same factors is not significant.

1。介绍

1.1。背景

聚会场所的工业、商业和交通污染源,城市也成为改善环境质量的主要载体。城市生产和生活产生的污染物占80 - 90%的全球污染物产量。在中国为基本管理单元,实现环境治理的城市战略直接决定了城市环境质量的水平,和环境质量评价是一个重要的方式来促进城市环境质量的提高(1,2]。提高环境的质量,中国政府颁布了新政策的基础上,现有的环境政策和法规。

2013年,空气污染预防和控制行动计划发布;环境保护部和31个省(自治区、直辖市人民政府)签署了目标责任声明2014年空气污染的预防和控制。与此同时,水污染防治行动计划执行,以及环境保护的新修订的法律生效。释放土壤污染防治规划和环境保护税的法律,2016年开始环境保护“检查”与环境保护税的法律生效,使环境监管进一步加强。然而,仍然有两种对比的环境质量:存在一个对比污染物减排与环境质量之间存在和其他环境性能和公众的环境3]。

根据“中国环境公报”的状态(2013 - 2018)出具的生态和环境保护,从72年开始年均PM2.5浓度下降μ47 g / m3μg / m3,从118年PM10浓度降低μ81 g / m3μg / m3,一年一度的浓度₂减少从40μ15 g / m3μg / m3,一年一度的浓度₂从44μg / m3到36μg / m3,公司年平均浓度从2.5下降μ1.6 g / m3μg / m3过去五年。一年一度的O的浓度₃从139增加μ169 g / m3μg / m3,化学需氧量(COD)的排放量减少了14.06%,和氨氮排放量下降了43.22%(中华民国2018年统计年鉴)。这些数据充分表明,中国的环境保护工作取得了显著成绩。根据官方统计数据的影响政策的实施,与2015年相比,今年的比例第三地表水的质量或更好的增加了8.9,达到2019年的74.9%。劣质地表水的比例下降了3.4%,至6.3。的PM2.5浓度以上城市地方水平未能达到标准下降了23.1%。

然而,公众和媒体的关注形成鲜明对比。根据“环境质量特殊在线调查”组织的“WOYAO在线调查,超过83%的受访者认为“环境污染”周围的情况相对严重的或非常严重。在此之前,经济合作与发展组织(OECD)委托盖洛普调查了158个国家从2006年到2008年,污染物排放水平和环境满意度之间的相关性进行了研究,特别是在幸福调查。证明有很强的正相关污染物减排与环境质量满意度,根据国家和城市的水平。相关系数是r= 0.61 (4]。

为什么会有这么大的反差基于公众的环境质量评价和环境质量评估基于污染物排放水平在中国?它一直在修改文章;其他可能的错误检查和纠正。这个反差的原因是什么?

为了解释原因的对比,本文比较分析区域污染物排放水平和公众环境质量满意度使用数据从一个大规模环境满意度调查在城市层面通过“WOYAO在线调查”在中国2016年8月。通过比较分析区域污染物排放水平和公共环境质量满意度,本文试图找出两者之间的规律的对比,发现缺少环境保护工作。因此,我们可以丰富环境质量评价理论和方法,为中国的环境保护工作提供一些参考和生态文明建设;它还可以回答上面的问题。

1.2。环境质量的定义

大量的研究特点的环境质量的某种污染物的排放水平或各种污染物的排放水平的综合指标,如二氧化硫、二氧化氮、污水量和PM10、PM2.5,等等。然而,世界经济和资本主义的字典词典》指出,环境质量是环境系统的一个重要属性,代表的程度总体或环境的某些元素在一个特定的时间或空间满足人类生存,繁殖,和社会经济发展,是一个环境评估的概念,反映了特定需求的人口。

这项研究在5)指出,“高环境质量代表居民的满意度和幸福向客观物理或社会环境。“[这项研究6]认为,环境质量不仅限于污染物排放水平,而且它是一个复杂的问题涉及主观情感,态度和价值观变化从一个人到另一个地方。2002年,一个国际学术会议上举行的“宜居性”Bouwman达成共识关于环境质量。它定义了环境质量和生活质量的一个重要组成部分,其本质是居民的舒适的生活环境7]。ISO(国际标准化组织2000)全面将“质量”定义为“一组固有的特性满足要求。“从公共产品的角度来看,如果“环境”被认为是一种公共产品,环境质量可以被理解为一个地区的环境的客观水平(即。,污染物控制)的水平,以满足居民的环境需求。因此,结合“质量”定义为“一组固有的特性满足需求”(ISO 2000)、“环境”被认为是一种公共产品,和“环境质量”可以被理解为一个区域的客观水平的程度的环境(污染水平控制)满足居民的环境需求。

1.3。环境质量评价方法

环境质量评价活动始于1960年代中期,美国是第一个开始的国家环境质量评估。他们介绍,例如,绿色空气污染综合指数和橡树岭空气质量指数第一次。在那个时期,单个污染物主要是用来描述环境质量和二氧化硫,二氧化氮,二氧化氮,工业废气、工业烟雾,和工业废水常用的指标来衡量环境质量。随后,环境质量评价和理论研究已经在不同的国家进行。其中,日本以环境质量评价作为重要的政策来实现。原因是一个指数是过于笼统,要么无法充分反映区域环境质量的总体情况,以及随后的研究集成多种环境污染物排放指标综合指数通过不同的方法。例如,Rolf车费和其他构建环境绩效指数与有毒物质的列表。与开发,包括更多的环境指标,如PM10、PM2.5,有限公司₂和温室气体排放。也有学者进行环境质量满意度调查基于居民感知和开展环境质量评价。可持续发展作为一个重要的评价内容、环境质量评价也评估环境之间的关系,社会和经济。提出了许多环境质量评价指标和方法从不同的角度和方法。

1.4。文学环境的主观和客观评价

直到现在,大多数社会指标的研究都聚焦于一个客观或主观的测量。尽管一个指标可以帮助解释,经验相对较少的尝试,结合这两种方法在一个单一的研究。最重要的原因之一是,将主观评价问题仔细考虑,由于其价值判断性质。它往往成为争论的焦点,而不是一个有效的方法来测量污染。很多因素,包括个人和社会特征如年龄、收入、教育、和健康状况可以作为“过滤器”,扭曲客观条件和客观世界之间通过干预个体对客观世界的评价。因此,个人感知变换最初被视为普遍的客观条件为一个高度个人主义的解释这个客观条件。然而,任何生活环境的质量的定义必须包括两个基本要素:一个是内部心理生理机制产生满足感,另一个是与之相关的外部现象的两个维度。同时,这两个维度的环境评估力求客观,因为他们努力有效的,可靠的,明智的,有用的可重复的措施(8]。此外,两者都是主观的,因为即使技术评估取决于人类决定尺寸检查,抽样的时间和地点,并解释结果。许多文献已开始通过主观和客观环境评估得出有意义的结论,许多先前的研究在环境感知基于采访游客,娱乐用途等问题,旅游基础设施和安全可能会干扰的感知主要环境因素(9]。采访居民也是如此,环境感知可能会强烈影响的文化景观环境(10),当地社会和经济条件(徐et al ., 2006),从媒体和信息11]。

一般来说,“环境质量”既有主观和客观属性。主体性是指居民的感知环境,可以由环境满意度。为方便表达,环境质量的测量基于环境污染物的排放水平将由环境质量的客观评价,而环境质量的满意度测量基础上的主观感受居民将由环境质量的主观评价下面的纸。

2。数据和方法

2.1。数据源

本文采用盖洛普调查方法和包括56个城市在26个省份(直辖市人民政府)在中国,不包括香港、澳门、台湾等地区。56个城市包括24在每个省的省会城市和一些地市级城市。其他地市级城市的选择主要是基于分层抽样的人均国内生产总值排名方法。具体抽样方法如下:如果这个省的人口不到5000万,中等的城市排名选择。如果省的人口超过5000万,超过两个城市将被选中除省会城市,城市排名分别为40%和70%,。被调查的城市中,采集标本根据不同的收入水平,30 - 50样本选择根据不同的人群。因此,获得的4660个有效样本。4660份样品中,非农注册居民占70.05%,而农业注册居民占29.05%,有49.85%的男性和50.15%的女性。在教育水平方面,高中及以下占27.22%,大学,中专、职业高中占27.88%,学士学位及以上占44.90%。环境质量的调查问卷包括五个方面:居民的感知和满意度整体环境、空气质量、水质、噪声、和植被。 Moreover, “1” means very dissatisfied, “6” means very qualified, and 10 means very satisfied. The subjective perception data of environmental quality in this paper are formed, and the overall evaluation results are shown in Figure1。

2.2。客观的评价

如前所述在表1过程中,评估环境的整体质量,一维指标会产生过度泛化的问题,而多维指标缺乏一个统一的成分标准,导致不同组成的综合指标和评价结果不一致,这是不利于比较。此外,索引是众多,计算复杂由于缺乏连续性。本文从客观评价系统需要与主管的评价结果相比,环境变化,在现实生活中更容易被居民主要是由于水的污染或净化级别,气体和固体。因此,为了使结果更具有可比性,本文选择了三种类型的污染物更容易感知和污染治理水平构造系统指标。基于多维分析系统,使用加权平均法计算环境质量的客观评价指标。评级系统是在表2。

每个城市的污染物排放数据主要来自中国统计年鉴》2012 - 2015年中国环境统计年鉴》2012 - 2015年,中国城市统计年鉴2012 - 2015。在这三个统计年鉴、空气质量指标包括总₂排放,总不₂排放和PM10。水环境质量指标包括废水排放总量和集中处理的废水。与此同时,治疗使用固体废物污染率和垃圾处理。

2.3。随机森林

随机森林是树的组合分类器,每个分类器是通过使用一个随机生成的向量独立样本从输入向量,每棵树给单位投票选出最受欢迎的课对输入向量进行分类。的方法,增加了一个额外的随机性装袋(层12),改变了算法利用平均多个决策树和列车在不同地区的相同的训练集的目标减少方差反对过度拟合。除此之外,它是非常友好的,它只有两个参数(变量的数量在每个节点的随机子集和森林中树木的数量),通常是对它们的值不是很敏感。以同样的方式作为决策树,随机森林分类器使用基尼系数作为属性选择度量评估有关的一个属性类的杂质。然而,变量之间的关系进行评估随机森林模型被视为一个“黑箱”,需要先进的数学知识来解释。

随机森林的机制超出了本研究的范围。在本文中,我们主要使用随机森林的重要性作为排名的驱动因素的重要性。这是定义变量的重要措施。第一个措施是计算从交换OOB数据:每棵树,预测误差的out-of-bag部分数据记录(回归分类错误率和MSE)。之后也是做交换每个预测变量。然后对两人之间的差异都平均的树木和规范化的标准偏差的差异。如果标准差等于0的差异的一个变量,该部门尚未完成(但平均几乎总是等于0在这种情况下)。第二个测量节点的总减少杂质分离变量,平均所有的树木。分类的节点杂质是基尼系数来衡量。该方法已应用于研究气候变化之间的关系,能源消费,人们的主观感知或属性(13]。

2.4。条件推理树(CTREE)

条件推理的模型树是另一种类型的机器学习算法,可以用作分类和回归。“树”是指决策的层次模型和它的结果。决策树方法的应用环境评估仍然是罕见的。与随机森林相比,基于树模型具有相对明确,简单,易于理解的规则。因为它不需要优化几何和内部网络,它可以被编程的速度比一个随机森林模型。此外,因为大多数递归分割算法是简单的两阶段算法的特殊情况,观察单变量分区的第一分区递归地,然后一个常数模型安装在每个单元的分区结果。最受欢迎的这个算法的实现是“购物车”(14)和“C4.5”[15]。类似援助,同时进行详尽的搜索所有可能的分割最大化协变量节点的信息测量杂质并选择显示最好的分割。然而,这种方法有一个基本的问题:没有统计学意义的概念,因此不可能区分信息的意义和无意义的措施。条件推理树提供了一个集成框架将递归二分分裂嵌入定义良好的排列测试理论提出的(16]。通过这样做,多个测试应用程序来决定是否covariables和响应可以没有显著相关性,声明和递归时停止。

2.5。非度量多维标度(nmd)

的非度量多维标度是一种数据分析方法,简化了研究对象(样品或变量)多维空间的低维空间定位、分析和分类,同时保留原来的这些对象之间的关系(17]。它适用于情况准确的相似或对象之间的异质性数据无法获得,只有它们之间的层次关系数据。其基本特征是把对象之间的相似性或相的单调函数的数据点之间的距离和原始数据替换为新的数据列的顺序相同的基础上维持秩序关系指标原始数据的多维标度分析(18]。换句话说,当数据不适合直接变量类型多维尺度分析,进行变量变换,然后采用变量类型多维尺度分析。对于原始数据,它被称为非度量多维尺度分析。其特点是,根据物种样本中包含的信息,它是反映在多维空间的形式分。此外,不同样本之间的差异程度,反映在点之间的距离,最后样品的空间位置地图。

3所示。结果

3.1。城市环境质量的评价指标和排名

基于主观和客观评价方法选择在前一篇文章中,我们计算了主观和客观环境评价每个城市的分数和排名,如图2。在图2(一个),蓝色列的长度代表了客观的排名顺序,和橙色代表了主观的排名顺序。列长度图2 (b)表示主观和客观的排名排名的区别。值越大,越低主观排名是相对于客观的排名。在许多城市,主观和客观评估有很大的不同,这也与之前的研究结果一致。

为了测量每个样品的差值,我们减去标准化客观评分的城市,每个样本位于每个样本的标准主观评分和建造一个新指数的差异叫在接下来的分析。样品被分成组大于0,这个指数小于0。图3显示了内核密度函数图叫。

3.2。提取主要的驱动因素

基于分组的差异指数,我们将所有特征因素的样本添加到模型和提取通过随机森林的最重要的驱动因素。在图4,所有相关变量的重要性排名。值越大,越重要的变量。它可以发现,人口密度是由两个不同的措施最重要的因素。因此,我们可以假设人口密度最大的城市环境影响评价(19]。由于两个措施只是重要的引用,第一选择四个因素两组的物种,和共有八个因素(包括巧合)选为最重要的元素将被用作进一步CTREE分析的基础。

进一步进行因子提取每个城市通过随机森林;我们发现,教育因素的出现频率最高的前三个因素从国家的角度来看。在55个城市(由于缺失的数据),28(51%)教育因素三大影响因素(见图表在深红色的数字5和6)。数据5- - - - - -7显示三大影响因素的分布在每个省(图7显示了第三个最重要的因素)。如前一篇文章中所述,教育因素已成为许多省份的最常见的因素。在许多研究在教育和环境质量,越来越多的学者发现,教育和死亡率之间没有明显的直接关系造成的空气污染(20.,21),和教育与其他社会经济环境以复杂的方式相互作用的影响人们的健康和生活质量。因此,我们可以假设没有一个将军和单调的城市评价的优点和缺点之间的关系在不同教育水平的人。我们将证明这个条件推理树下面的通道。

3.3。功能分类分析

基于随机森林的重要驱动因素提取,我们获得的积分样本(N条件推理树的= 4652)。每个终端节点的堆叠条形图显示了个人的主观评价的比例高于目标的“1”(黑色)或主观评价低于客观“0”(光)。每棵树有三层。我们设定一个95%的置信区间的条件分支的数量可以作为一个节点,这样每个节点对应的报告价值。

在图的最重要变量8是人口密度,与随机森林的筛查结果一致。其次,城市道路面积,我们发现,在集团与适度的人口密度,节点11完全城市道路区域分为两组:“高,低”和“媒介”,而该组织高主观评价占比例最大的是“媒介。“然后观察节点2和节点5和忽视教育的影响节点7。在低人口密度和高的城市道路面积(节点6),患者的比例更高的主观评价显著高于其他组。前者表明,极端的人口密度和城市道路面积可能不会带来更好的主观环境质量评价。后者表明,在人口密度较低的情况下,如果这个城市有一个大的城市道路面积,获得更高的主观评价的概率显著高于组较低的道路区域。因此,先前的研究人员的基础上(22),我们可以得出结论,在较低的城市人口密度、交通基础设施投资增加可以改善城市的空气质量,因为它能带给人们更多的认为环境优化,这也非常符合我们的假设。

此外,从节点7,教育节点将样本划分为两个终端:终端8是“低于高中”和“本科以上”;节点9是“技术中学和高等职业学校”。从图可以看出,节点的样本大小8比节点的9大,表明这群人有更大的概率环境做出积极的评价。首先,更多的受过教育的人可能有更好的知识和能力来管理个人健康和医疗条件,较高的收入,更好的工作,而强大的社会关系,然后改善健康。受教育程度也可能与不同的职业暴露有关,生活条件,或基线健康状况23]。然而,较低的社会经济组织的风险增加死亡率和发病率在暴露于污染环境。乔治(19]还发现一个更高的教育程度人口对环境污染,以及更高的影响健康的危险因素暴露在空气污染。同时,由于现实环境压力引起的经济、失业,甚至未受良好教育的人所面临的安全问题,环境保护问题的关注是减少,所以更容易给更好的环境评价(24]。

有一种普遍的承认高等教育通常是与更大范围的环境污染的意识有关。因此,我们不得不承认,随着社会教育水平的提高(特别是在发展中国家),越来越多的人开始注意到环境质量的变化。因此,加强基础教育和环保意识教育是有效的工具来提高环境质量的意识。

3.4。区域异质性分析

样品在这个研究包括56个城市在中国,所以这些驱动因素是否也有类似的规则在每个城市(或他们所在的地区)是在本节探讨的问题。符合以上的方法,我们首先随机森林算法应用于样品的中国六大地理区域来计算每个区域(参见图的主要影响因素S1)。图9显示了条件推理在中国六个地区的树木。一般来说,它可以发现影响主观和客观评价差异的主要因素是城市因素在中国东部,华北和东北地区。三个最重要的因素是人口密度、外国直接投资、城市道路面积。在西北、西南和南部,主要因素是个体因素,如教育、户籍、收入和支出。的6个地区,每个地区所面临的主要环境问题基本上是相似的。当地居民的经济和文化环境相对一致。在这里,我们可以假设的特点“相邻城市”的居民有更多的共性。我们使用非度量多维量表(nmd)可视化城市之间的关系,在低维空间中尽可能准确地预测。

此外,我们假设的特点“同一地区的居民有更多的共性。我们使用非度量多维标度(nmd)可视化城市和因素之间的关系在低维空间更准确。我们应该考虑九个因素由于我们的数据的多维性质。在此基础上,有必要做nmd测序和多元技术。

不难发现,没有集中分布的影响因素,这有利于城市分布在图的观察10。显然,在每一个主要因素,我们不能看到一个城市集中在同一地区,和所有的城市都分散在排序空间。虽然结果与我们的假设的一致性与区域环境影响因素并不明显,异质性的关键影响因素在每个城市环境评估表明,每个城市都有自己的相对独特的相关性。例如,有许多样品ave_cost周围聚集,职业、edu,和性,和一些样品是围绕着家庭和ave_income不同程度。因此,政策制定的促进居民的环境意识和环境相关性应调整根据每个地区的特殊情况。

在中国东北和南部城市集群为例,围绕教育因素的CTREE分析这两个起源还表明,教育因素影响更大。因此,政策制定者可以专注于分析更深层次的教育因素和环境质量之间的关系和环境评估,以指导政策制定。

4所示。结论

首先,应该肯定,城市的环境评价是由不同的因素。本文的实证结果让我们更好地理解这些因素的重要性以及它们如何一起工作。从国家的角度来看,低人口密度的情况下更好的交通基础设施在城市可以带来更多感知环境的优化。特别是,它应该指出,人口密度的重要性是非常重要的在整个样本的分析。人口密度的增加对住房和汽车的需求将会增加,这将导致增加建筑粉尘的排放,汽车尾气等污染物。它会影响环境质量22]。因此,城市道路投资的适当增加匹配的汽车保有量的增长速度应该特别注意的发展道路面积,以提高城市交通的顺畅,减少空气污染物的排放,实现城市交通的平衡和全面发展。

另一方面,从城市的角度来看,我们发现教育因素经常出现了。条件推理树的结果也证明了上述基本假设:教育环境的影响评价并不是线性的。高和低教育水平的居民更有可能做出更好的环境评估选择的基础上各自的因素。虽然结果表明,教育也较低的人往往给更高的环境质量评级,这是“积极的反馈”与环境改善无关。因此,这是一个更好的选择,加强基础教育和环保教育,提高居民的环境保护意识,促进环境质量的提高。

同时,地区之间的一致性主要因素并不明显的情况不同的城市共享相同的因素也不显著。由于没有明显的一致性的主要影响因素在不同地区和城市,我们不应该忽视子公司因素的影响,尽管我们密切关注分析的主要因素和这些因素评价最高的利率。因此,根据主要的驱动因素,城市可以调整其政治焦点的指导下统一的国家环境政策。

数据可用性

数据可从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了中央大学基本科研业务费用专项资金(没有。502000∗172220192)。

补充材料

补充文件显示了随机森林的结果六个地区在中国代表重要的驱动程序为每个地区的排名。(补充材料)