EN中文

GEOGRAPHICAL RESEARCH >

2014 , Vol. 33 >Issue 11: 2115 - 2124

DOI: https://doi.org/10.11821/dlyj201411011

Orginal Article

Spatial aggregation pattern of “cancer village” in China

  • DONG Chengyan , 1 ,
  • TAN Yaling 2 ,
  • LUO Mingliang , 1 ,
  • ZHAI Youlong 1
Expand
  • 1. Land and Resources School, China West Normal University, Nanchong 637009, Sichuan, China
  • 2. China West Normal University Hospital, Nanchong 637009, Sichuan, China

Received date: 2014-04-04

  Request revised date: 2014-07-25

  Online published: 2014-11-10

Copyright

《地理研究》编辑部
Fold

Abstract

Cancer village, also known as cancer cluster in certain time and space, reflects one of great concerns for public health from society and population groups. Cancer village specifically refers to a much higher incidence and mortality of cancer than normal levels, which begins in a given year and lasts for many years. In this paper, some GIS technologies are used to investigate the spatial pattern of “cancer village”, such as local geo-spatial autocorrelation, correlation dimension based on point-point distances, and kernel density method. The pattern at provincial and regional scales is described, and the much larger scale depicted by kernel density analysis is also investigated with more emphasis. The results indicate that: (1) From viewpoint of the national scale, “cancer village” shows a clustered distribution, which means the number of “cancer village” in some provinces is much greater than that in other ones. Meanwhile, the difference of spatial distribution of “cancer village” is significant at regional scale, for example, there is an obvious decreasing trend from eastern to western China. (2) When local autocorrelation analysis is used, there is a demarcation line between low and high aggregation levels of “cancer village” in the rendered map. The region demarcation line is formed by the provincial units of Sichuan, Shanxi, Shaanxi, Hebei and Tianjin. To the left part of demarcation line, there is a much lower incidence of cancer, or without “cancer village” reported in provinces such as Qinghai and Gansu. (3) We also calculated the Euclid distances between every pair of “cancer village” points, and the statistical results show that the scale-free range of the distance associated is about 120-180 km with a relatively significant correlation dimension of 1.25. The correlation dimension also indicates a certain spatial distance constraint of “cancer village”. (4) Based on kernel density analysis, we can find that “cancer village” clustered at the lower reaches of rivers, some parts of central China and coastal regions of China. The aggregation morphology shows a pattern of multi-center and aggregation distribution. The aggregation region mainly covers some lower reaches of rivers including the Yellow River, Huaihe River and Yangtze River, and also appears near the Dongting Lake and Poyang Lake. This study explores the geographical distribution of “cancer village” with multi-scale methods, and will provide some references in related environmental regulation work.

Key words： “cancer village”; spatial distribution; local autocorrelation; kernel density; China

Cite this article

DONG Chengyan , TAN Yaling , LUO Mingliang , ZHAI Youlong . Spatial aggregation pattern of “cancer village” in China[J]. GEOGRAPHICAL RESEARCH, 2014 , 33(11) : 2115 -2124 . DOI: 10.11821/dlyj201411011

1 引言

“癌症村”一词的明确提出,源自2001年《环境保护》刊发的《生态环境地质病：陕西——癌症村实例分析》[1]。为更全面了解学术期刊中的相关信息,以“癌症村”为主题词,基于万方学术期刊网及CNKI系统进行检索,得到历年发表数量(图1a),表明“癌症村”现象愈来愈引起学术界关注。相关研究学科分类统计(沿用CNKI分类标准)见于图1b,表明当前对“癌症村”现象关注最多的分支为“环境科学及资源利用”方向;其次为“中国政治与国际政治”、“行政法与地方法制”、“肿瘤学”及“新闻与媒体”方向,其他方向累计占28%。国际研究方面,20世纪60年代以来,世界范围内发达国家如美国[2]、德国[3]、意大利[4]及以色列[5],发展中国家如越南[6]等都不同程度上出现“癌症村”或癌症聚集情形。与中文“癌症村”有所差异,美国疾病控制与预防中心(CDC)使用“cancer cluster(癌聚集)”一词[7],其判断标准要求满足五个条件,即“比正常期望水平多得多的患者”、“癌症类型相同或病因相同”、“特定患者群体(性别、种族及年龄等相同或相似)”、“特定区域”及“一段时间内”;而国内龚胜生等从健康地理角度,定义其为癌症发病率或死亡率显著高于同期全国平均水平的村落[8]。
Fig. 1 Number of related literature published over years and articles on different disciplines about cancer village

图1 “癌症村”相关文献历年发表数量及不同学科文献篇数

“癌症村”集中反映了在一定时间和空间上癌症聚集发生、引起社会群体格外关心的公共卫生问题,其出现是特定时期人地关系演变的结果,具体表现为从某一年开始并持续多年的远高于正常水平的癌症发生率和死亡率[9]。当前对于“癌症村”的研究,集中于“癌症村”病因的调查[10,11]及其时空分布的分析[8,9,11-14]。龚胜生等对“癌症村”概念进行判定,研究了其时间变化特征,空间上侧重从省域尺度密度变化、分布重心及与河流的关系方面展开[8]。然而“癌症村”作为点状空间格局,在区域多尺度聚集、空间自相关特征等方面仍存在薄弱环节。基于空间统计视角,应用统计分析、局部自相关分析、点距离关联分析及核密度分析,从区域、省域及聚集区间不同空间尺度,探讨了“癌症村”的分布状况;研究从空间统计学角度初步反映“癌症村”聚集的规律,从而反映其分布与环境污染、社会经济因素的关系,以期为进一步治理提供依据。

2 数据来源与研究方法

2.1 数据来源

由于研究出发点及应用目的不同,对“癌症村”的理解也不同,因此导致“癌症村”数据具有不确定性,集中表现在现有关于“癌症村”总数量的研究大多不一致。本文侧重从公共卫生视角出发,首先查阅相关媒体报道与宣传(CCTV[15]、新华网[16]、人民日报[17]),并在对比前人研究数据基础上,最后将有媒体报道可以证实、能够明确空间位置坐标的点作为研究的数据来源,共得到“癌症村”170个;这一数据高于卢楚雍等的70个[9],低于孙月飞的197个[10]及龚胜生等的351个[8]。

2.2 局部空间自相关指标

局部空间自相关可识别不同空间位置上的高值集聚和低值集聚,即单元集聚程度高低的具体空间分布,并揭示空间异质[18]。LISA集聚地图可以直观地显示不同要素的集聚类型和显著性水平[19]。局部Moran's I计算公式为[18]：
I i = X i - X ̅ S 2 ∑ j = 1 , j ≠ i N W ij X j - X ̅ (1)
式中：S为标准差;Xi 表示第i区域的观测值;Wij为空间权重矩阵。

2.3 距离关联维

空间关联维数最早由刘继生等类比奇异吸引子的关联维数定义提出[20],定义为：
C r = 1 N 2 ∑ i , j = 1 N H r - d ij (2)
式中：r为码尺(yardstick);dij为i、j两点的欧式距离[21];H(x)为Heaviside跃阶函数,即 H x = 1 , x > 0 0 , x < 0 。
如果空间分布存在分形特征,则应具有标度不变性,即：
C r ∝ r D (3)
关联维数首先计算出各点之间的距离,得出距离矩阵;设定一系列r,得到不同的C(r)值;绘制(r, C(r))的双对数图,就可获得关联维D[22,23]。其中r取值不能过小,否则不能充分反映原来的空间特征;参与线性拟合的点对要足够多,同时使得拟合的相关系数达到0.98以上[24]。

2.4 核密度

核密度估计法(Kernel Density Estimation,KDE)认为地理事件可以发生在空间的任何位置上,但是在不同的位置上的概率不一样。点密集的区域事件发生的概率高,点稀疏的区域事件发生的概率低[25]。
根据概率理论,核密度估计的定义为：设点集X1, …, Xn是当作从分布密度函数为f的总体中抽取的样本,估计f在某点x处的f(x)。通常用Rosenblatt-Parzen核估计[25]：
f x = 1 nh ∑ i = 1 n k x - X i h (4)
式中：k ( )称为核函数;h>0为带宽;(x-Xi)表示估值点x到事件Xi处的距离[25]。

3 结果分析

3.1 省域及区域特征

中国170个“癌症村”分布于25个省市区,约为全国省市区的81%,上海、新疆、西藏、青海、甘肃、宁夏6个省市区尚无“癌症村”(表1)。平均每省市区6.8个,全国平均值以上的有安徽、广东、山东、河南、江苏、河北、江西、浙江及湖南9个省市区。从省市区分布密度分析,“癌症村”的平均分布密度为0.31个/万km2,其中安徽以密度1.86个/万km2居首。
Tab. 1 Provincial distribution of “cancer village” in China

表1 中国“癌症村”省域分布

省份 数量(个) 百分比(%) 密度
(个/万km2)		 省份 数量(个) 百分比(%) 密度
(个/万km2)
安徽 26 15.29 1.86 山西 4 2.35 0.26
广东 19 11.18 1.06 四川 4 2.35 0.08
山东 16 9.41 1.04 内蒙古 4 2.35 0.03
河南 15 8.82 0.90 北京 3 1.76 1.79
江苏 14 8.24 1.36 陕西 3 1.76 0.15
河北 12 7.06 0.64 云南 3 1.76 0.08
江西 9 5.29 0.54 天津 1 0.59 0.85
湖南 7 4.12 0.33 辽宁 1 0.59 0.07
浙江 7 4.12 0.69 贵州 1 0.59 0.06
湖北 6 3.53 0.32 吉林 1 0.59 0.05
海南 4 2.35 1.18 广西 1 0.59 0.04
重庆 4 2.35 0.49 黑龙江 1 0.59 0.02
福建 4 2.35 0.33

注：新疆、青海、西藏、宁夏、甘肃、上海六省市区无“癌症村”分布;港澳台地区缺乏数据,下同。

为了从更加宏观的尺度上把握“癌症村”区域分布特征,按照空间尺度由小到大,讨论七大地理区内“癌症村”分布特征(表2),以及按照东部、中部、西部划分的“癌症村”区域差异(表3)。
Tab. 2 Distribution of “cancer village” in seven geographical regions

表2 七大地理区的“癌症村”分布

区域 “癌症村”数量(个) 百分比(%) 区域 “癌症村”数量(个) 百分比(%)
华东地区
华中地区
华北地区
华南地区		 76
28
24
24		 44.71
16.47
14.12
14.12		 西南地区
西北地区
东北地区		 12
3
3		 7.06
1.76
1.76
Tab. 3 Distribution of “cancer village” in eastern, central and western China

表3 东中西部分布情况

区域 省份数量(个) “癌症村”数量(个) 百分比(%) 密度(个/万km2)
东部 10 81 47.65 0.63
中部 8 69 40.59 0.24
西部 7 20 11.76 0.15
从表2可以看出,“癌症村”在国内七大区域内分布不均匀,第一聚集区为华东地区;华中、华北及华南地区为第二聚集区;西南为第三聚集区;西北及东北为稀疏区。
从表3可以看出,“癌症村”数量上东部分布最多有81个,中部其次有69个,西部最少有20个;从密度上,东部以0.63个/万km2的密度为最大,中部以0.24个/万km2的密度次之,西部以0.15个/万km2的密度为最小;在全国整体呈现典型的自东向西梯度递减特征。
综合表1~表3,“癌症村”分布总体上有两个特点：一是空间分布不均匀;二是其数量自东向西递减,呈梯度分布。

3.2 省域尺度自相关分析

上述省域及其以上尺度的统计分析有助于了解“癌症村”域内差异;但无法揭示省域尺度空间局部自相关关系。为了更直观探讨“癌症村”局部聚集特征,基于GeoDA平台对“癌症村”局部自相关特征进行分析,结合Moran散点图和局部Moran's I指数,得到其LISA集聚类型图与显著性水平分布图(图2),用不同颜色渲染不同的空间自相关类别。其中LISA图(图2a)中,蓝色表示低低集聚,说明新疆、甘肃两省“癌症村”分布较少;紫色表示低高集聚,说明天津、河北、山西、陕西、四川、贵州、江西、广东、海南9省市的“癌症村”分布少于其周边省市;空白无色则说明该省市集聚类型不显著。
Fig. 2 Local spatial autocorrelation analyses of “cancer village”

图2 “癌症村”的局部空间自相关性分析图

同时,观察图2b,新疆、甘肃在5%的显著性水平上通过显著性检验,呈现低低集聚;川陕晋冀津在1%的显著性水平上通过显著性检验,呈现低高集聚;而其他空白地区没有通过显著性检验,即为LISA集聚图中的不显著省市,说明这些省市与相邻省市之间的相互联系比较微弱[26]。

3.3 区域聚集核密度分析

核密度分析是根据单位面积内点的密度来估计样本点周围的密度并产生一个光滑的表面[27]。通过核密度分析,可以同时观测“癌症村”分布的位置、延展性以及形状特征,从而得到关于整体分布状况的直观且清晰的描述[28],但是在核密度估计过程中,带宽(bandwidth)的确定一般经多次实验后人为指定[25],缺乏必要的定量探讨。为此本研究首先从点间欧式距离角度,对“癌症村”关联维数进行计算,以确定无标度区间;在无标度区间内合理确定核密度估计带宽。利用ArcGIS测算“癌症村”点间的欧式距离,经过去重处理,得到处理后的点间距离表;指定距离r,对应得出C(r)值,经过ln[C(r)]及ln(r)双对数转换绘成双对数坐标图(图3),对无标度区间进行回归检验,求得其关联维数值。其中,r采取等间距递增方法,增量为1000 m,取值范围为1~695 km。
Fig. 3 Spatial correlation analysis of point cluster

图3 点簇空间关联度分析

从图3可以看出,在120~180 km内ln-ln线性关系良好,复相关系数为0.9943,大于一般要求的0.98[24];参与拟合的点对34个,具有较好的代表性;关联维D=1.25,这说明在120~180 km区间内,“癌症村”空间分布存在分形特征[22,23]。基于距离关联维分析结果,选择带宽为150 km(介于无标度区间上下界之间),基于ArcGIS 9.3平台Kernel Density工具进行核密度估计,生成“癌症村”的核密度分布图(图4)。
Fig. 4 Kernel density of the “cancer village” in China

图4 “癌症村”分布核密度图

从图4可以看出,全国尺度上“癌症村”聚集状态明显,呈现典型的多中心形态。其中最大聚集区分布于海河流域,黄河下游、淮河下游及长江下游的江苏等地;区域中心极值出现在山东、河南、安徽及江苏四省边界处。具体的,京津冀集中在滦河与京杭运河沿岸;鲁豫集中在黄河下游沿岸;苏皖集中在淮河及长江沿岸,而且苏皖浙三省围绕微山湖、洪泽湖、高邮湖、太湖、巢湖形成了两个密集分布区;值得警惕的现象还包括湖南、江西两省核密度中心对应了两湖相邻区域,这一趋势值得深思。此外的聚集地见于川东平行岭谷区的梁平等地以及广东的部分地区。这一分布格局吻合了龚胜生等的河流缓冲区理论[8]、卢楚雍等的介水结论[9],并且以更加明确而直观的形式揭示了区域“癌症村”分布的聚集中心及其与地理环境的对应关系。

3.4 影响因素分析

“癌症村”集中反映了特定时期人地关系失调的现状,其原因可以归结为以下几个方面：
(1)“癌症村”宏观分布受环境污染的影响,尤其是水体、土壤、大气的污染状况。水体污染方面,现有研究表明一些“癌症村”集中分布于河流及部分湖泊缓冲区范围内。如果工业废水、生活污水、农业污水等排入河流湖泊,将造成严重的水体污染;一旦致癌条件形成,将影响区域整体发病率。例如淮河流域的癌症高发与流域的工业点源污染及其他面源污染相关[29]。部分农村癌症病例以消化系统癌症为主,这与农村饮用水不洁有关,现有研究表明部分地区农村存在的就地取水习惯增大了消化系统癌变风险[10]。土壤污染方面,重金属污染较为常见,如湖南[30]、江西[31]及广东北部[32]的癌症高发与当地重金属铅、镉、砷、锌等污染有关等[33]。大气污染方面,主要污染物来自废气和烟尘,如坞里村、西桥村的案例研究表明,纺织、化工及金属家具加工等工厂排放的有害气体与烟尘是当地癌症高发的重要原因之一[34,35]。尽管对环境污染中的水体、土壤及大气污染进行了分类讨论,但“癌症村”往往是多种污染因素综合作用的产物[8,11,34]。
(2)“癌症村”与经济发展模式的关系。前述研究表明“癌症村”主要分布在中国的中东部及西部经济发展较好的川渝等地区,工业产值是否与区域癌症聚集分布有关值得关注。本研究选取各省市人均GDP作为工业产值衡量指标之一,分析其与各省市区“癌症村”数量的关系,见图5。“癌症村”数量超过10个的省市区中,人均GDP大致介于3万元~6.5万元区间;而人均GDP超过6.5万元的省市区中“癌症村”数量反而明显降低。这和经济发展现状紧密相关,经济发展相对落后的地区,为求发展对经济利益的诉求较为强烈,由此带来的环境污染及其引起的健康影响相对严重[11];同时也表明经济发展到一定阶段,社会各界将更加重视人居环境建设,进而促进人地关系协调发展。这暗示即使GDP未达到非常高水平的地区,环境保护也不能滞后;CNKI数据库中的“中国政治与国际政治”、“行政法与地方法制”相关研究也表明,在发展经济的同时,需要保障社会卫生条件,加强环境立法和执法监督,提高行政管理水平,将环境健康纳入环境管理目标体系,调整经济发展模式,有效减少“癌症村”现象的再次出现[11]。
Fig. 5 The relationship between the “cancer village” count and GDP per capita (2012)

图5 2012年“癌症村”数量与地区人均GDP

(3)“癌症村”与居民生活习惯、工作环境及原生地理环境之间的关系。从全国尺度看,局部地区单一类型的癌症聚集,如食道癌、胃癌及肺癌等发病的主要诱因有常年食用陈年泡菜、直接饮用生水、吸食旱烟等各种不良生活习惯[10,36]。各种辐射如核辐射、X射线、红外辐射及微波辐射等是皮肤、淋巴及血液等癌变的主要诱因[8,37]。此外,人体血液中硒的含量高低与癌症的发生息息相关,大量的调查资料表明一个地区食物和土壤中硒含量的高低与癌症的发病率有直接关系[38],故而硒被称为人体微量元素中的“抗癌之王”[39],可见原生地理环境中缺少硒可能是癌症的诱因之一[40]。
总之,区域环境污染、经济发展模式、居民生活习惯、工作环境及原生地理环境是“癌症村”聚集分布的主要影响因素。从人地关系看,区域人口、资源、环境诸要素的合理配置是可持续发展的基本前提,是区域人地关系协调发展的出发点和落脚点;大力加强地域资源承载力研究,加大公共卫生事件的监控力度;协调流域上游与下游、经济发展与环境保护的关系;进一步协同国家利益、地方政府利益及地方百姓利益,发展和保障民生,将是进一步治理“癌症村”亟需关注的议题。

4 结论与讨论

基于地理空间统计分析角度,应用局部自相关、点距离关联分析及核密度分析,从区域、省域及聚集区间不同空间尺度分析了“癌症村”的分布状况。结果表明“癌症村”聚集分布但区域差异显著,空间分布不均匀,总体上自东向西梯度递减;局部自相关分析表明川陕晋冀津构成西部与东部之间低—高集聚分布的分界线;距离关联维的无标度区间为120~180 km,核密度分析显示“癌症村”集中于河流下游地区,及中部、沿海部分地区,多中心、集中分布格局明显。
研究突出了对“癌症村”地理多尺度分布特征的探索,初步揭示了“癌症村”聚集的规律,从而反映其分布与环境污染、社会经济因素的关系,以期为进一步治理提供依据。但是本文仅对“癌症村”的空间分布进行了讨论,较少涉及“癌症村”在时间尺度上的变化规律,后续研究还需深入讨论“癌症村”在时空两个尺度上的发展分布特征。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王绍芳, 林景星, 史世云, 等. 生态环境地质病: 陕西一癌症村实例分析. 环境保护, 2001, (5): 42-43, 46.

[Wang Shaofang, Lin Jingxing, Shi Shiyun, et al.Geological disease caused by ecological environment: An example of cancer village in Shanxi Province. Environmental Protection, 2001, (5): 42-43, 46.]

[2]
Goodman M, Naiman J S, Goodman D, et al.Cancer clusters in the USA: What do the last twenty years of state and federal investigations tell us? Critical Reviews in Toxicology, 2012, 42(6): 474-490.

[3]
赵小侠. 2013-12-10.

[Zhao Xiaoxia.2013-12-10.]

[4]
Massimo B, Alessandro F.Geographical clustering of lung cancer in the province of Lecce, Italy: 1992-2001. International journal of health geographics, 2009, (8): 40.

[5]
Eitan O, Barchana M, Dubnov J, et al.Spatial analysis of air pollution and cancer incidence rates in Haifa Bay, Israel. Science of the Total Environment, 2010, 408(20): 4429-4439.

[6]
Son T.2013-09-20.

[7]
CDC. Cancer Clusters.2013-06-20.

[8]
龚胜生, 张涛. 中国“癌症村”时空分布变迁研究. 中国人口·资源与环境, 2013, 23(9): 156-164.

[Gong Shengsheng, Zhang Tao.Temporal-spatial distribution changes of cancer villages in China. China Population, Resources and Environment, 2013, 23(9): 156-164.]

[9]
卢楚雍, 钟小辉. 中国癌症村分布的时空规律分析. 现代农业科学, 2009, 16(7): 243-244.

[Lu Chuyong, Zhong Xiaohui.Analysis of the temporal and spatial distribution of "cancer village" in China. Modern Agricultural Sciences, 2009, 16(7): 243-244.]

[10]
孙月飞. 中国癌症村的地理分布研究. 武汉: 华中师范大学学士学位论文, 2009.

[Sun Yuefei, Geographical distribution of "cancer village" in China. Wuhan: Bachelor's Dissertation of Central China Normal University, 2009.]

[11]
余嘉玲, 张世秋. 中国癌症村现象及折射出的环境污染健康相关问题分析. 见: 中国环境科学学会. 2009 年学术年会论文集(第三卷). 北京: 北京航空航天大学出版社, 2009: 880-889.

[Yu Jialing, Zhang Shiqiu.The China "cancer village" phenomenon and analysis of the environmental health-related issues. In: Environmental Sciences. Proceedings of 2009 Annual Meeting in Chinese Society for Environmental Sciences (Volume III). Beijing: Beihang University Press, 2009: 880-889.]

[12]
戚晓鹏, 周脉耕, 胡以松, 等. 应用地理信息系统探测消化道癌症死亡率空间聚集性. 地理研究, 2010, 29(1): 181-187.

[Qi Xiaopeng, Zhou Maigeng, Hu Yisong, et al.Spatial hotspot exploration on digestive tract cancer mortality with geographic information system. Geographical Research, 2010, 29(1): 181-187.]

[13]
彭向刚, 向俊杰. 论生态文明建设视野下农村环保政策的执行力: 对“癌症村”现象的反思. 中国人口·资源与环境, 2013, 23(7): 13-21.

[Peng Xianggang, Xiang Junjie.On the execution capacity of rural environ- mental protection policy in view of ecological civilization construction: An introspection of cancer village pheno-menon. China Population, Resources and Environment, 2013, 23(7): 13-21.]

[14]
Wang F H.Spatial clusters of cancers in Illinois 1986-2000. Journal of Medical Systems, 2004, 28(3): 237-256.

[15]
中央电视台《新闻调查》. 河北有个死亡之区,消化道癌死亡率全国最高.2013-05-10.

[CCTV “News Probe” by Liu Binglu. Hebei has a death zone with the highest mortality rate of digestive tract cancer in China. 2013-05-10.]

[16]
张丽娜, 范春生, 谭剑. 多地现“癌症村”“土地污染带”疾病防控困难. 2013-03-10.

[Zhang Lina, Fan Chunsheng, Tan Jian."Cancer village" appear in many places and the difficulties in disease prevention and control at the zone of contaminated land. 2013-03-10.]

[17]
人民日报. 河南上蔡县群众渴望: 污水早日变清流. 2013-04-10.

[People's Daily. The masses' desire in Shangcai county, Henan province: The polluted water changed to be clear early. 2013-04-10.]

[18]
梅志雄, 徐颂军, 欧阳军. 珠三角县域城市潜力的空间集聚演化及影响因素. 地理研究, 2014, 33(2): 296-309.

[Mei Zhixiong, Xu Songjun, Ouyang Jun.Spatial agglomeration pattern evolvement and its influencing factors of urban potentialat county level in the Pearl River Delta. Geographical Research, 2014, 33(2): 296-309.]

[19]
孙才志, 赵良仕. 环境规制下的中国水资源利用环境技术效率测度及空间关联特征分析. 经济地理, 2013, 33(2): 26-32.

[Sun Caizhi, Zhao Liangshi.Water resources utilization environmental efficiency measurement and its spatial correlation characteristics analysis under the environmental regulation background. Economic Geography, 2013, 33(2): 26-32.]

[20]
刘继生, 陈彦光. 城镇体系空间结构的分形维数及其测算方法. 地理研究, 1999, 18(2): 171-178.

[Liu Jisheng, Chen Yanguang.Fractal dimensions of spatial structure of an urban system and the methods of their determination. Geographical Research, 1999, 18(2): 171-178.]

[21]
Kaye B H.A Random Walk Through Fractal Dimensions. Weinheim: John Wiley & Sons, 2008.

[22]
黄泰, 保继刚, 刘艳艳, 等. 城市游憩场点系统结构分形及优化: 以苏州市区为例. 地理研究, 2010, 29(1): 79-92.

[Huang Tai, Bao Jigang, Liu Yanyan, et al.Research on the fractal structure and its optimization of city recreation site system: A case study of Suzhou city. Geographical Research, 2010, 29(1): 79-92.]

[23]
许志晖, 戴学军, 庄大昌, 等. 南京市旅游景区景点系统空间结构分形研究. 地理研究, 2007, 26(1): 132-140.

[Xu Zhihui, Dai Xuejun, Zhuang Dachang, et al.A fractal study on spatial structure of tourist scenic spots systems: A case study of Nanjing. Geographical Research, 2007, 26(1): 132-140.]

[24]
汪秉宏, 李东升, 张军. 地震的多重分形统计特征研究. 地球科学进展, 1997, 12(6): 38-43.

[Wang Binghong, Li Dongsheng, Zhang Jun.Research on earthquake multi-fractal statistical characteristics. Advance in Earth Sciences, 1997, 12(6): 38-43.]

[25]
程乾, 凌素培. 中国非物质文化遗产的空间分布特征及影响因素分析. 地理科学, 2013, 33(10): 1166-1172.

[Cheng Qian, Ling Supei.Geographical distribution and affecting factors of the intangible cultural heri-tage in China. Scientia Geographica Sinica, 2013, 33(10): 1166-1172.]

[26]
侯进宇. 基于空间自相关的村域经济研究: 以河南省巩义市为例. 开封: 河南大学硕士学位论文, 2012.

[Hou Jinyu.Study of the village-level economy based on spatial autocorrelation: Taking the Gongyi of Henan province as an example. Kaifeng: Master Dissertation of Henan University, 2012.]

[27]
黄娉婷, 张晓平. 京津冀都市圈汽车产业空间布局演化研究. 地理研究, 2014, 33(1): 83-95.

[Huang Pingting, Zhang Xiaoping.Spatial evolution of automobile industry in Beijing-Tianjin-Hebei metropolitan region. Geographical Research, 2014, 33(1): 83-95.]

[28]
刘靖, 张车伟, 毛学峰. 中国1991-2006年收入分布的动态变化: 基于核密度函数的分解分析. 世界经济, 2009, (10): 3-13.

[Liu Jing, Zhang Chewei, Mao Xuefeng.Dynamic changes of the income distribution from 1991 to 2006 in China: decomposition analysis based on kernel density function. The Journal of World Economy, 2009, (10): 3-13.]

[29]
戚晓鹏, 计伟, 任红艳, 等. 淮河流域上消化道肿瘤与环境污染的模型分析. 地球信息科学学报, 2012, 14(4): 432-441.

[Qi Xiaopeng, Ji Wei, Ren Hongyan, et al.Model analysis of upper digestive tract cancer and envi-ronmental pollution in Huaihe River Watershed. Jounal of Geo-information Science, 2012, 14(4): 432-441.]

[30]
吴燕明, 吕高明, 周航, 等. 湘南某矿区蔬菜中 Pb、Cd 污染状况及健康风险评估. 生态学报, 2014, 34(8): 2146-2154.

[Wu Yanming, Lv Gaoming, Zhou Hang, et al.Contamination status of Pb and Cd and health risk assessment on vegetables in a mining area in southern Hunan. Acta Ecologica Sinica, 2014, 34(8): 2146-2154.]

[31]
陈翠华, 倪师军, 何彬彬, 等. 基于GIS技术的江西德兴地区水系沉积物重金属污染的潜在生态危害研究. 地球科学进展, 2008, 23(3): 312-322.

[Chen Cuihua, Ni Shijun, He Binbin, et al.Potential ecological risk analysis of heavy metals contamination based on GIS methods in sediments of Dexing, Jiangxi Province, China. Advances in Earth Science, 2008, 23(3): 312-322.]

[32]
邹晓锦, 仇荣亮, 周小勇, 等. 大宝山矿区重金属污染对人体健康风险的研究. 环境科学学报, 2008, 28(7): 1406-1412.

[Zou Xiaojin, Qiu Rongliang, Zhou Xiaoyong, et al.Heavy metal contamination and health risk assessment in Dabao Mountain, China. Acta Scientiae Circumstantiae, 2008, 28(7): 1406-1412.]

[33]
范小杉, 罗宏. 工业废水重金属排放区域及行业分布格局. 中国环境科学, 2013, 33(4): 655-662.

[Fan Xiaoshan, Luo Hong.Spatial and industrial distribution pattern of heavy metals emission in industrial waste water. China Environmental Science, 2013, 33(4): 655-662.]

[34]
王学渊, 何佩佩, 王玲玲, 等. 工业污染对农村可持续发展的影响分析: 以杭州萧山南阳镇坞里村为例. 农村经济与科技, 2012, 23(10): 18-21.

[Wang Xueyuan, He Peipei, Wang Lingling, et al.The impact of industrial pollution on the rural sustainable development: A case study in Wuli village, Nanyang town, Xiaoshan district of Hangzhou. Rural Economy and Science-Technology, 2012, 23(10): 18-21.]

[35]
程鹏立, 唐争翠. 工业污染与癌症高发的社会学分析. 医学与社会, 2010, 23(6): 25-27.

[Cheng Pengli, Tang Zhengcui.Sociological analysis on industrial pollution and high-incidence of cancer. Medicine and Society, 2010, 23(6): 25-27.]

[36]
方如康. 地理环境与癌症. 自然杂志, 1980, 3(2): 48-51.

[Fang Rukang.Geographical environment and cancer. Nature Journal , 1980, 3(2): 48-51.]

[37]
张淇. 环境与癌症. 地质勘探安全, 1995, (4): 34-35, 31.

[Zhang Qi.Environment and cancer. Geological Exploration and Safety, 1995, (4): 34-35, 31.]

[38]
马琦文. 浅谈微量元素硒与癌症. 山西中医学院学报, 2003, 4(1): 61-62.

[Ma Qiwen.Discussion of the trace element selenium and cancer. Journal of Shanxi College of Traditional Chinese Medicine, 2003, 4(1): 61-62.]

[39]
刘绵刚, 欧立健, 景红斌, 等. 国内外天然硒资源利用问题及对策. 畜牧兽医杂志, 2011, 30(6): 68-69.

[Liu Miangang, Ou Lijian, Jing Hongbin, et al.Utilization issues and countermeasures of the natural resource selenium in domestic and foreign. Journal of Animal Science and Veterinary Medicin, 2011, 30(6): 68-69.]

[40]
陈以水, 熊红. 硒与癌症. 广东微量元素科学, 2002, 9(10): 44-46.

[Chen Yishui, Xiong Hong.Cancer and selenium. Guangdong Trace Elements Science, 2002, 9(10): 44-46.]

Options
Outlines

/

〈 〉