Hehson财经ESG评级中心提供包括资讯、报告、培训、咨询等在内的14项ESG服务，助力上市公司传播ESG理念，提升ESG可持续发展表现。点击查看【ESG评级中心服务手册】

张朋兴1，金笛2，杨帆1

1.云南省基础地理信息中心

2.云南赢测科技有限公司

生态环境是生态系统要素、结构和功能的表征，也是人类生存和发展的物质基础，与人类生存环境和社会可持续发展战略有着紧密的联系。高原湖泊发育成因和自然地理特征独特，物种丰富，生态环境特殊，因此具有更加显著的生态价值，对地区经济发展有重要的影响。云南省九大高原湖泊流域是我国社会经济发展和生态环境保护矛盾最突出的地区之一，而滇中湖泊流域则更为剧烈，随着城市扩张和人类活动快速且高强度地改变着地表景观格局，引发了水土流失、湿地退化、生态功能退化、生境质量下降等一系列生态环境问题，滇中湖泊流域面临的生态压力和风险日益增加。因此，快速、科学、动态地评估滇中湖泊流域生态环境状况，分析其演变趋势与驱动因素可为滇中湖泊流域开发管理和湖泊保护治理提供一定的参考依据，对促进滇中湖泊流域生态环境的保护与社会经济的可持续发展具有重要意义。 

目前，对生态环境质量的评价主要集中在框架体系和综合多指标构建两方面。框架体系方面较为成熟的有联合国环境规划署和经济合作与发展组织部门提出的压力—状态—响应（PSR）模型，该模型是反映可持续发展机理的概念框架，具有非常清晰的因果关系，该模型评估的是人地关系的适应、反应及响应情况。但PSR模型需要考虑目标的指向性、科学问题的针对性、研究对象的特殊性、人地关系的复杂性以及研究者的主观性等问题，应用相对较为复杂。在综合指标方面，2015年，原环境保护部发布了HJ 192—2015《生态环境状况评价技术规范》，该规范从生物丰度、植被覆盖、土地胁迫、水网密度等6个维度进行各指数权重计算，最终得到生态环境指数（EI），该指数可以表征区域整体生态环境状况，实现不同时间节点的生态环境质量对比分析，但指标权重主观性强，个别指标数据更新难度大、周期长。随着遥感技术的发展与应用，定量遥感产品被广泛应用于生态环境质量的评估。徐涵秋综合了绿度、湿度、热度和干度4个评价指标，首次提出并构建了遥感生态指数（RSEI），实现了区域生态环境质量的监测与评价，弥补了EI在可视化、时空分析等方面的不足，被应用到不同区域尺度的生态环境质量研究当中。众多学者在RSEI的基础上增加诸如盐度（CSI）、国内生产总值（GDP）等指标对特定的区域进行生态环境评价分析。但由于时间序列的不稳定、空间尺度的不一致等原因，限制了RSEI在长时间序列中的分析研究。近来，有学者从生态学视角出发，基于“功能—稳定—胁迫”评价体系，分析了2000—2018年中国生态环境时空格局，该方法结合遥感参量产品，实现了大尺度、快速的区域生态环境评价。然而，无论是基于框架体系还是综合指标，已有研究大多集中在对某一时间段内几个时间节点的分析，连续时间序列的分析研究较少，这可能导致不能全面反映生态环境质量变化趋势。本研究基于“功能—稳定—胁迫”评价体系，综合并优化各学者指标构建方法，通过生态功能、生态稳定、生态胁迫指数，构建了表征生态环境质量的生态质量指数，研究了滇中高原湖泊流域2001—2021年连续时间序列生态环境质量时空演变趋势及自然社会因子对生态环境质量的影响，以期明晰滇中湖泊流域生态环境质量的时空分布趋势以及其驱动因素，为滇中湖泊流域保护和管理提供参考依据。 

01

研究区与研究方法

1.1   研究区概况

滇中高原湖泊流域地处云南省中部（102.48°E~103.04°E，24.05°N~25.46°N）（图1），总面积约4 510 km2，属亚热带季风气候，包含滇池、抚仙湖、星云湖、阳宗海、杞麓湖五大湖泊流域。五大湖泊流域生态系统脆弱且封闭，受地形及气候的影响，降水少蒸发大，雨季短旱季长，入湖河流多为典型的山地型河流。各湖泊流域自然地理及社会经济概况如表1所示。 

1.2   数据源及预处理

本研究所使用的数据主要包括植被覆盖度（FVC）、植被总初级生产力（GPP）、数字高程模型（DEM）、国内生产总值（GDP）、年均降水量（AAP）、地表覆盖等数据，详见表2。数据预处理是基于ArcGIS 10.8软件，其中，FVC、GPP、叶面积指数（LAI）数据的时间分辨率为8 d，全年共监测46次，将2001—2021每年46景监测数据通过栅格镶嵌工具计算年均值得到年均数据；坡度（SLOPE）数据利用DEM数据通过坡度工具生成；除FVC、GPP、LAI数据外，均通过重采样工具重采样至500 m，以配合指标的构建及驱动因素的分析；将以上数据利用五大湖泊流域范围通过掩膜提取工具裁剪至流域范围，并将坐标系统一为WGS_1984。由于评价框架及数据覆盖情况，大面积水域不适宜参与评价，因此对5个湖泊水体部分进行掩模处理。 

表1  滇中高原五大湖泊流域自然地理及社会经济概况

表2  研究区数据来源及说明

1.3   研究方法

1.3.1   生态质量指数

生态系统质量主要表现在生产效能的高低、对外界扰动的恢复和适应以及对人类生存环境及社会经济发展的影响。通过构建生态功能、生态稳定、生态胁迫指数来反映区域生态系统质量，公式如下： 

式中：EQI为生态质量指数；EFI、ESI、ETI分别为生态功能、生态稳定、生态胁迫指数；W1、W2、W3分别为EFI、ESI、ETI的权重。高吉喜等在对2000—2018年全国生态质量监测和评价时，基于“功能—稳定—胁迫”评价体系构建了EQI，并将上式中W1、W2、W33个权重均设为1/3，本文通过熵值法确定各指标权重，更能客观反映各指标的影响。

1.3.1.1   生态功能指数

生产功能是维持生态系统自身稳定和生态系统服务的基础，生态系统功能可用生产能力来反映，而FVC、LAI、GPP分别代表植被在水平、垂直方向的长势以及光合作用的强弱，代表了其生产能力的高低，用这3个指数来表征生态系统功能，计算公式如下： 

式中：FVCij、LAIij、GPPij分别为第i年第j像元的植被覆盖度、叶面积指数以及植被总初级生产力，g /m2；FVCmax、LAImax、GPPmax分别为植被覆盖度、叶面积指数以及植被总初级生产力的最大值（参照值），g /m2。

1.3.1.2   生态稳定指数

生态系统的稳定性是衡量其对外界条件干扰响应能力的重要指标。通过对生产能力波动的定量研究来构建服务功能稳定性指数，而生产能力的波动以其变异系数表示。本文以每年46个GPP数据为基础，构建三维序列N = Nt,y,k (t = 1,2,··· ,T； y = 1,9,··· ,361；k = 1,2,···,K)，第t年y天 像 元k的 GPP 值为Nt,y,k，则第t年 GPP 均值为Dt,k ,公式如下：

式中y为天数。由此可知，第t年像元k的 GPP 变异系 数为CVt,k，公式如下：

式中：St,k为像元k第t年 GPP 的方差； CVt,k为 GPP 的 变异系数；为使生态稳定指数值越大代表的生态系统越稳定，对CVt,k进行逆向归一化，归一化后的值即 为 ESI。

1.3.1.3   生态胁迫指数

生态胁迫是指人类活动对自然资源和生态环境构成的压力，鉴于不同生态类型（即地表覆盖类型）所承受的人类开发利用强度各异，地表覆盖的变化已成为衡量人类活动干扰程度的一个重要指标。计算公式如下：

式中：n为地表覆盖类型的种类，采用的 CLCD 中国分省逐年地表覆盖数据集共分为耕地、林地、灌木、 草地、水域、裸土地、建设用地 7 种覆盖类型；Am为第m种地表覆盖类型的面积，km2；Pm为第m种地表 覆盖类型的生态胁迫系数；TA为单个像元面积， km2。为减小Pm误差，采用已有研究的 Lohani 清单 法、Leopold 矩阵法以及 Delphi 法确定的系数的平均值作为各地表覆盖类型的最终系数。各地表覆 盖类型胁迫系数如表 3 所示。

表3  地表覆盖类型胁迫系数

1.3.1.4   指标权重

基于熵权法确定EFI、ESI、ETI的权重，计算公式如下：

式中：ef为第f项指标的熵值；Pfg为第f项指标第g个样本值的占比；h=1/Intg；wf为第f项指标的权重； tg、tf 分别为样本数和指标数。首先对 2001—2021 年 EFI、ESI、ETI 以像元为单位进行采样，最终形成 以列为指数名称，行为各指数像元值的 CSV 文件。 然后基于上式，通过 Python 编写脚本读取 CSV 文件，将 2001—2021 年 EFI、ESI、ETI 3 个指标分正负向并对其进行标准化，根据式（6）计算各指标的熵值ef，基于ef再根据式（7）计算各指标最终权重wf。

1.3.2   趋势分析

通过Theil-Sen方法分析研究区2001—2021年EQI的变化趋势，然后结合检验序列趋势显著性的Mann-Kendall方法，分析变化趋势的显著程度。Theil-Sen与Mann-Kendall不需要数据服从特定分布，有很强的抗异常值能力，在小规模样本和长时间序列数据中广泛应用。趋势判断公式如下：

式中：xa和xb为时间序列数据；Median为取中函数。β>0表示时间序列呈现上升趋势，β>0表示时间序 列呈现下降趋势，β=0表示较为稳定。 对于时间序列 Xt= (x1 , x2,..., xt)，其趋势显著性 判断公式如下：

式中：S为检验统计量，当时间序列长度满足特定条 件（r≥10）时，统计量 S可近似视为服从标准正态分 布，此时可采用相应的检验统计量 Z 来进行趋势检 验。本文所处理的时间序列长度为 21，因此以Z作 为检验统计量，评估时间序列的趋势显著性。在双 边趋势检验的框架下，给定显著性水平α，通过查询 正态分布表，得到与α相对应的临界值Z1-α/2，再结合β取值，将时间序列趋势显著性分为7类：显著、微显 著、不显著上升（下降）以及无趋势。

1.3.3   驱动因素分析

参考已有研究成果关于EQI驱动因素的选取，考虑数据的可获取性，选取GDP、PD、AAT、AAP、DEM、SLOPE六个因子以及构成模型的EFI、ESI、ETI模型因子共9个因子作为自变量，分析其与EQI的相关性以及各因子之间是否存在显著共线性，从而排除不显著以及共线性高的因子，然后通过随机森林模型分析各因子对EQI的影响以及重要性。采用皮尔逊相关系数来表示各因子与EQI的相关性。 

随机森林模型则能够有效地处理高维数据，自动进行特征选择，并且对过拟合具有较强的抵抗力。EQI回归预测模型的精度越高，自变量越能解释EQI的变化，用决定系数（R2）、均方根误差（RMSE）来评估EQI预测模型的精度。由于只收集到5个年度的GDP数据，因此驱动因素的分析选取5个年度。通过python包sklearn实现随机森林回归预测模型的构建，模型数据则通过ArcGIS采样工具对上述9个因子采样获得，最终共采集46 687个样本点进行模型回归分析。 

02

结果与分析

2.1   生态环境质量空间分布及年际趋势

通过生态质量指数构建方法，确定了表征生态环境质量的3个指标EFI、ESI、ETI及其权重，3个指标的权重分别为0.35、0.41、0.24，该权重与基于SPASS软件计算的结果一致，且与3.1.1节专家打分法没有较大差异或异常。最终依据式（1）利用ArcGIS软件栅格计算器工具，计算得到滇中高原湖泊流域2001—2021年共21年的EQI。图2以5a为间隔选取了2001、2006、2011、2016、2021年5个时间节点的EQI。依据《生态环境评价技术规范》生态环境分级标准，将EQI分为差、较差、中等、良、优5个级别，各级别对应的EQI指数范围分别为0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1.0。5个年度级别为良和中等的面积均占比较大，占比从2001年的57.57%上升到2021年的74.17%，主要分布在海拔1 820~2 140 m的范围内；较差和差的面积占比从24.64%降至15.96%，主要分布在海拔1 600~1 970 m的范围内；级别为优的面积占比从17.79%降至9.87%，主要分布在海拔2 140~2 350 m的范围内。 

2021年，5个高原湖泊流域良和中等级别的面积占比较大，其中，阳宗海与抚仙湖占比较大，良和中等的面积占比分别为76.03%、72.65%，较小的是滇池与杞麓湖，分别为51.55%、57.16%；级别为较差、差的面积占各流域总面积较大的是滇池与杞麓湖，分别为29.27%、35.02%，较小的是阳宗海与抚仙湖，分别为40.90%、36.82%。2021年5个流域EQI均值大小排序为阳宗海>抚仙湖>滇池>星云湖>杞麓湖，表明2021年阳宗海流域的生态环境质量相较于研究区其他流域较好，杞麓湖流域生态环境质量相对较差。 

图3为2001—2021年各分指标EFI、ESI、ETI的均值变化趋势图，其中，EFI经历先降后逐步缓慢提升的过程，2001—2010年下降较为剧烈，后缓慢提升，表明2001—2010年研究区流域植被生态系统功能退化明显，生产能力下降，2011—2021年逐渐改善恢复；ETI总体呈下降趋势且保持在0.30~0.35的较低水平，表明研究时间段内土地利用对生态环境的威胁较低，且有改善的趋势；ESI经历短暂下降后保持在相对稳定的状态，且ESI保持在0.65~0.75的较高水平，表明研究区抵抗外界干扰能力与生态系统稳定较强。 

滇中高原湖泊流域及各分流域EQI变化趋势如图4所示，2001—2021年滇中高原湖泊流域整体EQI经历了先降后升过程，由0.569降至0.549再升至0.577，总体呈上升趋势。5个流域中，抚仙湖与阳宗海流域EQI呈波动上升趋势且上升较为明显，阳宗海流域由0.615升至0.668，抚仙湖流域由0.621升至0.671；星云湖与杞麓湖流域呈下降趋势且较为明显，分别由0.553、0.534降至0.549、0.518；滇池流域总体保持较为稳定状态，2001年与2021年EQI均为0.562。 

由图5（a）可知，2001—2021年研究区58.51%的区域EQI呈上升趋势，其中显著上升的区域面积占比为35.41%；呈下降趋势的区域占比为41.49%，其中显著下降类型的区域面积占比为22.60%；无变化的区域仅占0.01%，表明研究区EQI变动较为频繁。从EQI上升下降区域占比及显著性看，研究时间段内EQI上升较为明显，上升趋势显著的区域主要分布在各流域边界海拔相对较高的区域，而下降趋势显著的区域主要分布在以湖面为中心四周地势较为平缓的湖盆区〔图5（c）〕。此外，变化显著的区域与EQI呈正相关，下降显著的区域EQI指数相对较低，而上升显著的区域EQI指数相对较高。 

研究区5个流域除星云湖与杞麓湖外，EQI上升的面积均大于下降的面积〔图5（b）（c）〕，其中，阳宗海流域EQI上升的面积占72.80%，主要分布于流域西部与东南部，而下降的区域主要分布在流域南部；抚仙湖流域上升的面积占70.13%%，主要分布于西部与东南部，下降的区域主要分布在流域北部；滇池流域上升的面积占57.86%，主要分布于北部，下降区域主要分布在流域中部与东南部；星云湖流域上升的面积占49.73%，分散分布于流域边界附近，下降区域主要分布在流域中部；杞麓湖流域上升的面积占45.25%，分散分布于流域之中，下降的区域主要分布在流域中西部。阳宗海、抚仙湖流EQI在研究期内提升明显，滇池流域保持在相对稳定状态，星云湖与杞麓湖呈下降趋势且较为明显。从海拔分布及显著性看，五大湖泊流域生态环境质量较好且显著上升的区域主要分布于海拔较高的流域边界附近，质量较差且显著下降的区域主要分布于海拔较低的湖盆区。 

2.2   地表覆盖变化对生态环境的影响

区域地表覆盖类型及形态变化会对生态系统的结构与过程产生影响，进而影响区域EQI。图6为2001—2021年地表覆盖转移变化情况，可以看出2001—2011年耕地面积不断减少，2011年后趋于稳定；林地面积在整个研究时间段保持上升，其中2001—2011年上升较为明显，结合耕地面积变化情况看，这可能与退耕还林工程的实施有关；建设用地面积不断增加且增长较快，年均增长率为5.76%；草地与水域面积基本保持稳定。从类型之间的转换来看，林地面积的增加主要来源于耕地与草地，建设用地的增加主要来源于耕地与草地。 

将2021年地表覆盖类型重分类为耕地、林地、草地、建设用地、水域、其他6种类型，统计各类型土地中不同EQI变化趋势类型的面积。从表4可以看出，建设用地中EQI显著下降的面积占该地类面积比重最大，约为44%，其次是草地，占比约31%；而林地EQI显著上升的面积占比最大，约占54%，其次是耕地，占比约31.5%。结合地表覆盖转移情况可知，耕地转换为草地与林地使生态环境显著提升，而建设用地侵占林草地与耕地使生态环境质量显著下降。 

表4  各地表覆盖中不同EQI变化趋势类型面积

2.3   生态环境质量变化驱动因素

2.3.1   随机森林模型构建及评价

图7为各因子相关系数矩阵图，可以看出，DEM与AAT相关系数为−8.9，存在过高共线性会影响回归模型对EQI的解释，因此这里计算DEM、AAT分别与其他因子的平均相关系数，发现DEM与其他因子的平均值更高，因此将DEM剔除在回归模型外。另外，AAP与EQI相关性太低不适宜纳入模型分析，因此也将该因子剔除。 

通过相关性分析剔除DEM及AAP两个因子后，用剩余因子与EQI做随机森林回归预测模型。随机森林回归模型结果如图8（a）所示，模型的预测EQI与真实EQI拟合较好，R2=0.995，RMSE=0.094，表明模型能很好地解释EQI。根据模型结果对各因子的重要性进行排序，结果如图8（b）所示，表现为EFI>PD>ETI>ESI>AAT>SLOPE>GDP。 

2.3.2   驱动因素分析

根据回归模型结果可知，对滇中高原湖泊流域EQI影响最大的是EFI，表明生态系统生产能力对维持流域EQI具有重要的作用。其次是PD，PD高的地区EQI较低，较大的人口密度会导致景观类型产生显著变化，使景观破碎度和分离度提高，增加景观生态风险。再者是ETI与ESI，结合PD对EQI的影响，可知人口集中、土地利用开发活动频繁对EQI影响较大，而生态系统本身具有保持自身结构和功能相对稳定的能力，在一定范围内，生态环境能保持相对稳定的状态，因此ESI对EQI的影响力小于ETI。AAT对EQI呈负反馈作用，与DEM成反比，研究区海拔较高、气温较低的区域EQI越高。最后是SLOPE和GDP，五大高原湖泊流域范围内SLOPE集中在2°~5°，占流域面积的80%，因此SLOPE对EQI的变化不够敏感。而GDP只反映了占比相对较小的居住等建设用地范围内的情况，对更大范围内的EQI变化也相对不敏感。 

为进一步探究各因子是如何影响EQI的，引入部分依赖图（PDP），它用来显示EQI和各因子之间的关系（线性、单调、更复杂）。图9为EFI、AAT等7个因子与EQI之间的PDP图，横轴为特征变量（进行了归一化处理），纵轴为特征变量对EQI的平均影响（EQI-PD）。从图9中可以看出，EFI、ETI、ESI与EQI几乎是线性关系，随着EFI的增大，EQI也随之增大；而ESI的变化对EQI的影响则相对较弱，但也是线性关系，随着ESI增大，EQI也随之增大；ETI对EQI呈负反馈作用。PD在0~500人/km2范围内随密度的增加EQI快速下降，密度超出500人/km2时，对EQI的影响逐渐减弱。AAT则是小于15 ℃的范围内基本不对EQI产生影响，超出15 ℃后EQI随温度的升高而下降；SLOPE与GDP单个因子的变化对EQI的影响很较微弱。 

03

环境效益和技术经济分析

滇中五大高原湖泊流域作为滇中城市群的核心组成部分，具有重要的经济、生态、旅游价值，分析其生态环境质量变化及驱动因素，把握其变化趋势规律，对于该地区生态保护规划和经济发展具有重要意义。研究发现滇中高原湖泊流域EQI呈总体上升的趋势，这与朱泓等基于RSEI等框架的研究结果类似，表明本文所采用评价框架对区域尺度研究区具有一定适用性和可行性。 

从各阶段滇中高原湖泊流域EQI变化情况看，2001—2011年EQI缓慢下降，2012—2021年提升较为明显。EQI的下降与2001年以来流域工业化、城镇化水平不断加快、人口增长等对环境的压力负荷不断加大、环境功能退化有关，结合主要驱动因素及土地转移情况看，快速的城镇化及人口的增长，侵占了大面积林地、草地及耕地，使以湖盆区为主的流域生态功能减退，而湖盆区以外占比相对较大的高海拔的区域受人类活动影响较小，基本保持稳定，因此EQI缓慢下降。自2007年以来云南省大力实施九大高原湖泊的保护和治理，实施了植树造林、退耕还林、生态修复、自然保护区建设等环保工程，同时深化“湖泊革命”，一湖一策、分类施策治理，这些项目与工程的实施使生态环境得以改善提升，特别是滇池流域北部林地面积显著增加。滇池流域整体EQI保持相对稳定状态，但湖盆区显著下降，下一步应加强国土空间规划和生态规划，合理控制城镇发展规模，增加绿化和林草地覆盖面积。星云湖、杞麓湖流域EQI下降明显，这与流域植被退化面积较大、以农业为主的分散经营方式相关，应加快农业种植方式和经营模式转变，优化流域农业结构，发展生态农业，注意农药、化肥等的管控和使用，减轻农业面源污染，增加森林覆盖率。抚仙湖与阳宗海流域EQI较高且上升明显，与其相对较低的PD与较大力度的生态修复、生态搬迁相关，其中抚仙湖流域治理被列入10个中国特色生态修复典型案例，植被恢复效果明显，未来应继续秉持绿色发展理念高质量发展，维护生态系统稳定健康。 

“功能—稳定—胁迫”的生态评价框架在反映区域EQI上比传统基于EI指数的方法具有稳定、可持续、长时序分析等优点，但在分指数构建时所采用的指标较为单一，如ESI的构建，本文仅以GPP的变异系数来表示，但生态系统稳定性通常涉及阻力、弹性和变异3个方面，因此对生态稳定性的反映不够全面，未来还需从更多方面完善指标的构建。此外，在驱动因素的选取方面，驱动因子种类相对较少，对驱动力的识别可能会产生一定影响，未来需要从直接和间接影响生态环境质量的各个角度以及针对各流域特点全面收集数据并实现空间化。同时，也要加强多因子交互对生态环境影响的分析。

04

 结论

（1）滇中高原湖泊流域整体EQI呈上升趋势，其中，2001—2011年缓慢下降，2011年以后明显提升，至2021年达到最高。5个流域中，抚仙湖与阳宗海流域EQI指数最高，上升趋势较为明显；滇池流域有缓慢提升趋势，但总体保持相对稳定状态；星云湖、杞麓湖流域呈明显下降趋势，且杞麓湖流域EQI指数最低。EQI指数较高的区域主要分布于各流域边缘海拔相对较高的区域，而EQI指数较低的区域主要分布于人口集中、地势较缓的湖盆区。 

（2）从变化显著性来看，研究区EQI显著上升区域的面积占比较大，占流域总面积的35.41%，而显著下降的面积占流域总面积的22.60%，总体上升较为显著。5个流域中，抚仙湖与阳宗海流域西部与东南部EQI上升较为显著，总体上升较为明显；滇池流域北部EQI上升显著，中部下降显著，总体EQI保持较为稳定；星云湖与杞麓湖流域显著上升下降的区域分散分布于流域四周，总体EQI下降明显。 

（3）各因子对研究区EQI影响重要性排序为：EFI>PD>ETI>ESI>AAT>SLOPE>GDP，其中，随EFI的上升，EQI也不断上升；在0~500人/km2内，EQI随PD的增加而下降，超出阈值后影响逐渐减弱；ESI越高，受胁迫越小，EQI越高，但敏感程度不如EFI；AAT在小于15 ℃范围内基本不对EQI产生影响，超出15 ℃ 后EQI随温度的升高而下降；SLOPE与GDP几乎不对生态环境变化敏感。从土地利用及其变化转移看，耕地转换为林草地使EQI显著上升，而建设用地侵占耕地与林草地，造成EQI显著下降。 

作者简介

通信作者：杨帆（1981—），男，高级工程师，硕士，主要从事地理信息技术研究

向上滑动阅览

参考文献

（转自：生态修复网）

　　Hehson财经ESG评级中心简介

　　Hehson财经ESG评级中心是业内首个中文ESG专业资讯和评级聚合平台，致力于宣传和推广可持续发展，责任投资，与ESG（环境、社会和公司治理）价值理念，传播ESG的企业实践行动和榜样力量，推动中国ESG事业的发展，促进中国ESG评估标准的建立和企业评级的提升。

　　依托ESG评级中心，Hehson财经发布多只ESG创新指数，为关注企业ESG表现的投资者提供更多选择。同时，Hehson财经成立中国ESG领导者组织论坛，携手中国ESG领导企业和合作伙伴，通过环境、社会和公司治理理念，推动建立适合中国时代特征的ESG评价标准体系，促进中国资产管理行业ESG投资发展。