楊屹, 樊明東, 張景乾

西安理工大學經(jīng)濟與管理學院, 西安 710054

1 前言

自20世紀90年代以來, 區(qū)域非均衡發(fā)展成為學術(shù)研究熱點之一。區(qū)域生態(tài)差異性導致的經(jīng)濟社會發(fā)展不平衡問題也隨之成為研究的焦點。自然資源稟賦決定著區(qū)域生態(tài)的基本狀況, 但也受到不同經(jīng)濟發(fā)展模式的影響。相對東部而言, 西部經(jīng)濟社會發(fā)展水平仍有待提高, 生態(tài)環(huán)境建設(shè)的投入還有一定差距。不同經(jīng)濟發(fā)展模式也使得區(qū)域間生態(tài)環(huán)境大相徑庭[1]。WANG Mingquan等通過比較中國31個省份的生態(tài)足跡發(fā)現(xiàn)人口密集的東部沿海地區(qū)生態(tài)足跡最大, 而西部地區(qū)生態(tài)足跡總量較低[2]。CHU Xi等使用生態(tài)足跡法定量測量京津冀地區(qū)生態(tài)安全狀況, 結(jié)果顯示, 快速的城市化和工業(yè)化致使資源利用過度, 區(qū)域生態(tài)足跡均呈上升趨勢, 天津生態(tài)安全水平評估風險較高, 而北京從“風險”轉(zhuǎn)為“高風險”, 河北則由“高風險”轉(zhuǎn)為“風險”[3]。LI Jingwei等通過1990—2010年內(nèi)蒙古、陜西、新疆三省的生態(tài)足跡動態(tài)變化來評估中國北方旱地可持續(xù)發(fā)展水平, 結(jié)果顯示, 這三個省份可持續(xù)發(fā)展水平急劇下降[4]。胡正李等測算了1997—2014年北京、上海、天津、重慶的人均生態(tài)足跡, 生態(tài)足跡動態(tài)差異變化比較研究表明, 化石能源足跡成為人均生態(tài)足跡增長的主要因素[5]。張星星等測算了珠江三角洲城市群的生態(tài)足跡變化及自然資本利用驅(qū)動因素, 結(jié)果顯示, 珠江三角洲生態(tài)足跡高于全國大部分地區(qū),人口規(guī)模是導致自然資本利用差異的主要因素[6]。

陜西省由北向南可分為陜北、關(guān)中和陜南三大區(qū)域, 具有鮮明的地域特征及經(jīng)濟差異性。形成這一差異的主要原因是地理區(qū)位與自然資源稟賦。陜北多為山地和黃土高原, 自然環(huán)境差, 生態(tài)系統(tǒng)脆弱。關(guān)中處于平原地帶, 交通便捷, 區(qū)位條件好, 是陜西經(jīng)濟發(fā)展最快的區(qū)域。陜南自然資源豐富, 生態(tài)多樣性較高, 為秦巴山區(qū)生態(tài)多樣性功能區(qū)的重要組成部分, 生態(tài)地位重要, 生態(tài)環(huán)境穩(wěn)定。任志遠等通過構(gòu)建生態(tài)壓力指數(shù)測算模型, 對陜西省三大區(qū)域的生態(tài)安全進行等級劃分, 結(jié)果顯示, 陜北處于生態(tài)安全臨界狀態(tài), 關(guān)中為不安全狀態(tài), 陜南處于安全狀態(tài)[7]。楊屹等依據(jù)陜西省地域特點, 采用修正后的生態(tài)足跡模型測算了 2000—2012年陜西省生態(tài)足跡及承載力動態(tài)變化[8], 同時, 研究了陜南生態(tài)環(huán)境資源消耗及占用狀況, 結(jié)果表明, 陜南三市生態(tài)效率動態(tài)變化與資源效率波動一致, 呈先增后減的趨勢[9]。為推動陜西三大區(qū)域的協(xié)調(diào)發(fā)展, 進一步揭示驅(qū)動區(qū)域生態(tài)變化差異性的社會經(jīng)濟因素,結(jié)合不同區(qū)域資源稟賦及經(jīng)濟要素的實際, 應用生態(tài)足跡模型、基于PLS方法修正的STIRPAT模型評價區(qū)域生態(tài)足跡差異性的驅(qū)動因素及對社會經(jīng)濟發(fā)展的影響。這不但能夠為研究不同尺度區(qū)域間經(jīng)濟社會、生態(tài)協(xié)調(diào)發(fā)展提供科學依據(jù), 而且對提出區(qū)域可持續(xù)發(fā)展對策與建議有一定參考意義。

2 研究方法

2.1 人均生態(tài)足跡及相關(guān)指數(shù)

作為一種評價可持續(xù)發(fā)展的研究方法[10], 生態(tài)足跡方法使可持續(xù)發(fā)展從一個抽象的理念變?yōu)榭刹僮鞯膶嵺`[11], 通過引入“均衡因子”和“產(chǎn)量因子”將區(qū)域范圍內(nèi)資源與能源消費轉(zhuǎn)化為能夠提供這種物質(zhì)流所必需的生產(chǎn)性土地面積, 然后同區(qū)域內(nèi)所能夠提供的生產(chǎn)性土地面積進行比較, 通過計算生態(tài)承載供需差額, 在保證生存和發(fā)展的前提下判別生產(chǎn)消費活動是否處于生態(tài)系統(tǒng)承載力范圍內(nèi)[12]。應用生態(tài)足跡模型有兩個假設(shè)條件, 一是各類型土地作用類型、空間布局單一及功能互斥[13], 二是可以用生物生產(chǎn)性土地面積來量化區(qū)域內(nèi)的消耗和廢棄物[14]。其中, 生物生產(chǎn)性土地是指具有生態(tài)生產(chǎn)能力的地表空間, 是生態(tài)足跡分析法為各類自然資本提供的統(tǒng)一度量基礎(chǔ)。人均生態(tài)足跡是全部的生物生產(chǎn)性土地與人口數(shù)量之比。人均生態(tài)足跡的計算公式為：

在式(1)中,EF為人均生態(tài)足跡,EFi為第i類消費商品的生態(tài)足跡,N為該區(qū)域的總?cè)丝跀?shù),ri為均衡因子,Ci為第i種商品的消費量,pi為第i種消費商品的平均生產(chǎn)能力,i為消費商品的類別。

生態(tài)承載力是指區(qū)域內(nèi)所能提供給人類的生物生產(chǎn)性土地的面積總和。人均生態(tài)承載力計算公式為：

在式(2)中,EC人均生態(tài)承載力總量,ECj為第j類生物生產(chǎn)土地生態(tài)承載力,aj為第j類生物生產(chǎn)土地的面積,yj為產(chǎn)量因子,j為均衡因子。

人均生態(tài)盈虧ED是指人均生態(tài)承載力EC與人均生態(tài)足跡EF之差, 計算公式為：

當人均生態(tài)盈虧ED＜0時顯示為生態(tài)赤字, 表明生態(tài)環(huán)境已超載, 反之則為生態(tài)盈余, 由此判斷區(qū)域發(fā)展是否處于生態(tài)承載力范圍之內(nèi)。

生態(tài)壓力指數(shù)EPI反映人類活動對生態(tài)系統(tǒng)的干擾強度, 用人均生態(tài)足跡與人均生態(tài)承載力的比值表示[15], 計算公式為：

當EPI＜1時, 說明人類活動對生態(tài)系統(tǒng)的干擾強度還沒有超過一定條件下區(qū)域生態(tài)系統(tǒng)的自身反饋閾值, 則生態(tài)系統(tǒng)仍處于平衡狀態(tài)。EPI越大時,人類活動對生態(tài)系統(tǒng)的干擾就越大, 就越可能面臨生態(tài)安全和生態(tài)系統(tǒng)崩潰的問題[16]。

萬元 GDP生態(tài)足跡是指將區(qū)域每單位最終產(chǎn)出所耗費的各種資源折算為生物生產(chǎn)性土地面積,反映經(jīng)濟發(fā)展對土地資源利用率、經(jīng)濟增長和技術(shù)進步對可持續(xù)發(fā)展的影響[17]。計算公式為：

萬元GDP生態(tài)足跡越大, 說明資源利用率越低,反之則利用率越高。

生態(tài)足跡多樣性指數(shù)是描述特定區(qū)域內(nèi)各類消費所需生物生產(chǎn)性土地面積的均衡程度。借鑒Shannon-Weaver[18]的研究成果, 計算公式為：

在式(6)中,H為生態(tài)足跡多樣性指數(shù),pi為第i類土地類型在生態(tài)足跡中的比例。H越大, 則區(qū)域生態(tài)足跡分配越公平, 反之則區(qū)域生態(tài)足跡類型單一或比例失衡, 生態(tài)系統(tǒng)處于不穩(wěn)定狀態(tài)[19]。

足跡深度和足跡廣度分別是說明自然資本存量和流量的指標。足跡深度表達的是人類對自然資本存量的消耗程度, 即需要多少公頃土地才能提供人類在1ghm2土地上所消費的資源量[20]。計算公式為[21]：

足跡廣度是指在承載力限度內(nèi)生物生產(chǎn)性土地年際占用面積, 表達的是人類對自然資本流量的占用大小。生態(tài)承載力為生態(tài)系統(tǒng)中自然資本流量的上限[19]。足跡廣度的范圍為[20]：

2.2 STIRPAT模型

20世紀70年代, Ehrlich等在分析經(jīng)濟增長對資源環(huán)境變化驅(qū)動因素影響時首次提出了 IPAT模型[22]。由于該模型對驅(qū)動因素數(shù)據(jù)變化的要求嚴格,有一定的局限性。1991年, Rose等在IPAT模型基礎(chǔ)上對人口、財富和技術(shù)進行回歸, 建立了環(huán)境壓力隨機模型, 即STIRPAT模型[23], 計算公式為：

在式(9)中, 因變量I表示環(huán)境壓力, 自變量P、A、T分別表示為人口數(shù)量、富裕度與技術(shù)水平。a為模型的系數(shù),b、c、d分別表示自變量變化的彈性系數(shù),e為隨機誤差項。

目前, 研究驅(qū)動區(qū)域生態(tài)足跡動態(tài)變化的因素主要從人口、經(jīng)濟、社會等方面考慮。JIA Junsong等采用STIRPAT模型分析了1983—2006年河南省人口、人均GDP、第二產(chǎn)業(yè)結(jié)構(gòu)及城鎮(zhèn)化率等因素對生態(tài)足跡變化的影響[24]。TANG Wei等采用STIRPAT模型測算了四川省生態(tài)足跡變化的驅(qū)動因素, 認為人口數(shù)量是主要因素, 而且工業(yè)化水平同生態(tài)足跡變化呈正相關(guān)[25]。X Long等對72個國家不同的收入水平, 通過STIRPAT模型分析了城市化對生態(tài)系統(tǒng)的影響, 認為全球城市化率總體生態(tài)彈性為負[26]。黃寶榮等應用 IPAT模型測算了 2000—2010年中國生態(tài)足跡變化情況, 結(jié)果顯示, GDP的快速增長及城鎮(zhèn)化是生態(tài)足跡急劇增長的主要驅(qū)動因素[27]。借鑒這些成果, 結(jié)合陜西省的實際, 在分析三大區(qū)域生態(tài)足跡差異性時, 選取人口、人均GDP、第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重及城鎮(zhèn)化率為STIRPAT模型中的解釋變量。由此構(gòu)建出陜西三大區(qū)域生態(tài)足跡驅(qū)動因素關(guān)系模型：

對式(10)兩邊同時取對數(shù), 得到：

式(11)中,Y表示人均生態(tài)足跡；lna和lnε分別為常數(shù)與隨機擾動項；lnP為總?cè)丝跀?shù)；lnA為人均GDP, 指經(jīng)濟發(fā)展水平；lnT1和lnT2分別表示第二產(chǎn)業(yè)比重與第三產(chǎn)業(yè)比重；lnU表示城市化率；a1、a2、a3、a4、a5分別為lnP、lnA、lnT1、lnT2、lnU的彈性系數(shù)。

2.3 偏最小二乘回歸法

偏最小二乘回歸(partial least-squares regression,簡稱 PLS)方法是一種多元統(tǒng)計數(shù)據(jù)分析方法, 可以研究多因變量對多自變量的回歸建模。馬明德等采用PLS模型分析了地理、資源、環(huán)境等生態(tài)承載因素與社會經(jīng)濟指標之間的關(guān)系[28]。在應用普通的多元線性回歸分析時, 常會受到樣本點數(shù)量、自變量之間的多重相關(guān)性等問題困擾, PLS是集多元線性回歸分析、典型相關(guān)分析及主成分分析的特點為一體, 使得在同一個計算過程中同時實現(xiàn)回歸模型的建立、自變量的降維以及各變量之間的相關(guān)分析,從而不但克服了普通的多元線性回歸中變量多重共線性在系統(tǒng)建模中的影響, 而且減少了樣本點過少而對回歸分析的結(jié)果產(chǎn)生的影響, 提高了模型相關(guān)分析的精度, 具有更強的解析能力[29-30]。通常使用SIMCA-P 11.5作為分析軟件。

PLS的基本思想為, 首先設(shè)m1個因變量{y1,y2,L,ym1}nm1和m2個自變量{x1,x2,L,xm2}, 通過選取n個觀測樣本點, 構(gòu)建因變量與自變量的數(shù)據(jù)矩陣Y=(y1,y2,L,ym1)n×m1與X=(x1,x2,L,xm2)n×m2。首先分別從因變量Y與自變量X中提取有效成分u1和t1, 且u1和t1都能最大程度地攜帶數(shù)據(jù)矩陣Y與X中的變異信息, 同時t1對u1也有較強的解釋能力。其次, 第一組主成分被提取之后, 將因變量Y對u1與自變量X對t1進行線性回歸, 此時若回歸模型精度符合要求, 模型擬合結(jié)束, 否則進行第二次成分提取。最后,利用交叉有效性原則檢驗回歸模型的精度。

在使用 PLS測算驅(qū)動因素程度的大小時, 常采用變量投影重要性指數(shù)VIP(Variable Important in Projection)來度量自變量對因變量的重要性。因為任意自變量xj對因變量Y的解釋能力都是通過提取有效成分th來傳遞的, 即自變量xj對有效成分th的構(gòu)造起到了重要作用, 因此, 當有效成分th對因變量Y有很強解釋能力時, 自變量xj對因變量Y的解釋能力就被認為很強[31]。計算公式為：

式(12)中,VIPj是指自變量jx的投影重要性指數(shù)。一般情況下, 當VIP值大于1時, 自變量xj對于因變量Y是重要的驅(qū)動因素；當VIP值小于1而大于0.5時, 認為是一般重要的驅(qū)動因素；當VIP值小于0.5而大于0時, 則認為是不重要的驅(qū)動因素。

2.4 研究區(qū)域

陜西省位于我國西北內(nèi)陸腹地, 全省面積為20.58萬平方公里。根據(jù)地形特點自北向南可分為地理、經(jīng)濟、文化等截然不同的三大區(qū)域。北部為陜北區(qū)域, 包括延安市和榆林市, 區(qū)域總面積 8.10萬平方公里, 占全省面積的 39.36%, 是我國甚至世界黃土分布面積最大的地區(qū), 同時也地處毛烏素沙漠邊緣。陜北石油、天然氣、煤炭等資源豐富, 原煤開采量占全省 77.2%。全省油氣產(chǎn)量幾乎都來自于陜北。陜北生態(tài)系統(tǒng)敏感脆弱, 自然環(huán)境復雜, 水資源貧乏, 植被覆蓋率低, 水土流失、荒漠化嚴重, 一定程度上制約著陜北經(jīng)濟社會的發(fā)展。20世紀 90年代后期, 陜北實施了“退耕還林”、“退牧還草”等生態(tài)工程, 有效地改善了人居環(huán)境。但 2000年以后,隨著“西部大開發(fā)”、“一帶一路”等國家戰(zhàn)略的實施,在獲得重大發(fā)展機遇的同時, “削山造城”、“煤氣油”開發(fā)等大型工程的建設(shè)導致陜北生態(tài)容量遭受著前所未有的挑戰(zhàn)。陜西中部為關(guān)中區(qū)域, 包括西安市、銅川市、寶雞市、咸陽市、渭南市、楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)等。區(qū)域內(nèi)人口數(shù)量占全省總?cè)丝跀?shù)的 63%, 是全省人口最為密集的地區(qū)。關(guān)中農(nóng)業(yè)耕種條件優(yōu)越, 為主要的農(nóng)耕區(qū)。關(guān)中工業(yè)集中,2016年區(qū)域內(nèi)GDP占全省GDP總數(shù)的62.8%, 三次產(chǎn)業(yè)比重為8.0：45.9：46.1, 是西北綜合實力最強的區(qū)域, 但關(guān)中水資源緊缺, 渭河流域污染嚴重, 空氣質(zhì)量日趨下降, 霧霾天氣嚴重影響關(guān)中生態(tài)環(huán)境。在陜西省“十三五”規(guī)劃中, 提出“四橫十縱”關(guān)中水網(wǎng)、“引漢濟渭”、渭河生態(tài)區(qū)及水生態(tài)建設(shè)等重點項目, 系統(tǒng)修復關(guān)中主要江河湖等水系水生態(tài),并實施PM2.5治理、熱電聯(lián)產(chǎn)及余熱余壓利用等項目, 提高城市空氣質(zhì)量。陜西南部為陜南區(qū)域, 包括漢中市、安康市、商洛市。作為秦巴山區(qū)的重要組成部分, 陜南水資源占全省的 71%, 不僅是南水北調(diào)中線工程的水資源重要涵養(yǎng)地, 而且也是我國極其重要的生態(tài)屏障與生態(tài)功能區(qū)。陜南生態(tài)資源豐富, 擁有13個國家森林公園及12個國家自然保護區(qū), 但經(jīng)濟發(fā)展緩慢, 生態(tài)環(huán)境保護與區(qū)域經(jīng)濟發(fā)展的矛盾凸顯。近年來, 陜南礦產(chǎn)資源的開發(fā)、環(huán)境保護的滯后、城鎮(zhèn)化率及產(chǎn)業(yè)發(fā)展的提高對生態(tài)環(huán)境產(chǎn)生了一定的影響。

2.5 數(shù)據(jù)來源及說明

第一, 陜北、關(guān)中、陜南三大區(qū)域 2005—2015年生物資源賬戶、化石能源賬戶、建設(shè)用地賬戶、污染排放賬戶的原始數(shù)據(jù)均來源于 2006—2016年《陜西省統(tǒng)計年鑒》。

第二, 在計算生態(tài)足跡過程中, “均衡因子”和“產(chǎn)量因子”來源于全球生態(tài)足跡網(wǎng)(Global Footprint Network)2017年發(fā)布的《Working Guidebook to the National Footprint Accounts》(如表1所示)。假定吸納污染的土地為生物生產(chǎn)能力較差的土地, 將其均衡因子設(shè)定為1.0。

第三, 測算生態(tài)承載力時, 考慮到土地類型面積數(shù)據(jù)獲得性, 市(區(qū))各土地類型面積數(shù)據(jù)來源于《陜西省土地利用總體規(guī)劃2006—2020年》, 采用2010年規(guī)劃面積進行替代。

第四, 研究三大區(qū)域的生態(tài)足跡驅(qū)動因素過程中, 需要以人口數(shù)、人均GDP, 第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重和城鎮(zhèn)化率為驅(qū)動因素指標。由于2006年及2016年以后的《陜西省統(tǒng)計年鑒》未統(tǒng)計城鎮(zhèn)人口數(shù), 無法計算出城鎮(zhèn)化率。因此, 在生態(tài)足跡驅(qū)動因素分析過程中, 選取數(shù)據(jù)的時間為2006—2014年。

3 結(jié)果分析

3.1 區(qū)域人均生態(tài)足跡計算結(jié)果

根據(jù)式(1)得出, 2005—2015年陜西三大區(qū)域人均生態(tài)足跡均呈增長趨勢, 陜北人均生態(tài)足跡由2005年的 2.132 hm2·人-1增長至 2015 年的 4.481 hm2·人-1, 增長幅度達到 110.1%, 年均增長率為 10.0%。關(guān)中人均生態(tài)足跡由 2005年的 1.755 hm2·人-1增長至2015年的 2.845 hm2·人-1, 增長幅度為62.1%, 年均增長率為 5.6%。陜南人均生態(tài)足跡由 2005年的1.362 hm2·人-1增長至 2015 年的 2.217 hm2·人-1, 增長幅度為62.8%, 年均增長率為5.7%(如表2所示)。從圖1可以看出, 陜北人均生態(tài)足跡變化明顯。

根據(jù)式(2)得出, 2005—2015年陜北、關(guān)中、陜南人均生態(tài)承載力分別在 2.62 hm2·人-1至2.70 hm2·人-1、0.52 hm2·人-1至 0.54 hm2·人-1、2.10 hm2·人-1至 2.13 hm2·人-1范圍波動(如表 2 所示)。

根據(jù)式(3)得出, 2005—2015年陜北人均生態(tài)赤字由 0.564 hm2·人-1減少至-1.852 hm2·人-1, 關(guān)中人均生態(tài)赤字從-1.215 hm2·人-1減少為-2.318 hm2·人-1,陜南人均生態(tài)赤字從 0.747 hm2·人-1降低至-0.091 hm2·人-1(如表2所示)。結(jié)果顯示, 三大區(qū)域人均生態(tài)赤字均不斷增加。

表 1 不同類型土地的均衡因子和產(chǎn)量因子Tab. 1 Equivalence factor and yield index of different land types

圖1 2005年至2015年陜西省三大區(qū)域人均生態(tài)足跡差異Fig. 1 The difference of per capita ecological footprint in three regions of Shaanxi province from 2005 to 2015

3.2 區(qū)域生態(tài)相關(guān)指數(shù)結(jié)果分析

根據(jù)式(4)得出, 2005—2015年陜西三大區(qū)域生態(tài)壓力指數(shù)呈上升趨勢(如圖2所示)。2005年關(guān)中生態(tài)壓力指數(shù)為3.249, 到2015年增至5.398, 增長了0.662倍。相比之下, 陜北與陜南生態(tài)壓力指數(shù)起點較低, 2005年陜北、陜南生態(tài)壓力指數(shù)分別為0.791、0.646, 到2015年分別增至1.705、1.043, 分別增長了1.156、0.615倍。

表 2 陜西三大區(qū)域人均生態(tài)足跡、人均生態(tài)承載力、人均生態(tài)赤字測算結(jié)果 (hm·人 )Tab. 2 Computation results of per capita ecological footprint, per capita ecological carrying capacity and per capita ecological deficit in three regions of Shaanxi

圖2 2005年至2015年陜西省三大區(qū)域生態(tài)壓力指數(shù)動態(tài)變化情況Fig. 2 Changes of ecological tension index in three regions of Shaanxi province from 2005 to 2015

根據(jù)式(5)得出, 2005—2015年陜西三大區(qū)域萬元GDP生態(tài)足跡指數(shù)均呈下降趨勢(如圖3所示)。陜北由 1.003 hm2·萬元-1下降到 0.625 hm2·萬元-1, 降低了 37.7%。關(guān)中由 1.582 hm2·萬元-1下降到 0.586 hm2·萬元-1, 降低了63.0%。陜南由2005年的1.968 hm2·萬元-1下降到 2015 年的 0.901 hm2·萬元-1, 降低了54.2%。結(jié)果表明, 近年來陜西省區(qū)域資源利用效率在逐步提高。

根據(jù)式(6)得出, 2005—2015年陜北、關(guān)中、陜南的生態(tài)足跡多樣性指數(shù)分別從 2.045減少到2.007、從2.329減少到2.292、從2.496減少到2.427。相比較而言, 陜北生態(tài)系統(tǒng)最不穩(wěn)定。

根據(jù)式(7)與(8)得出, 陜西三大區(qū)域的足跡深度逐年增加(如圖4所示), 陜北、關(guān)中、陜南年均分別增長4.7%、5.1%、2.3%。足跡廣度結(jié)果表明, 關(guān)中一直保持著自然資本中度利用型的狀態(tài), 陜北和陜南從自然資本輕度利用型逐漸轉(zhuǎn)變?yōu)樽匀毁Y本中度利用型[32]。

圖3 2005年至2015年陜西省三大區(qū)域萬元GDP動態(tài)變化情況Fig. 3 Changes of ten thousand Yuan GDP in three regions of Shaanxi province from 2005 to 2015

3.3 驅(qū)動區(qū)域生態(tài)足跡變化的因素分析

基于STIRPAT模型對陜西三大區(qū)域進行最小二乘回歸分析的結(jié)果顯示(如表3所示), 對陜北、關(guān)中、陜南的模型調(diào)整后擬合優(yōu)度均介于0.960—0.994之間,D-W統(tǒng)計量檢驗結(jié)果為2.729—3.418,F統(tǒng)計量的顯著性值 Sig.＜0.05, 可以通過顯著性檢驗。說明三大區(qū)域的STIRPAT模型擬合程度較高。

進一步計算各自變量的方差膨脹因子(VIF)。一般情況下, 若VIF值大于 10, 則認為指標間存在多重共線性, 影響STIRPAT模型結(jié)果。從表4可以看出, 陜北的城市化率指標VIF=4.241＜10, 關(guān)中的人口指標的VIF=5.784＜10, 陜南的各指標VIF值均大于 10, 這意味著驅(qū)動生態(tài)足跡的解釋變量之間存在著嚴重的多重共線性問題, 即應用最小二乘回歸方法分析三大區(qū)域生態(tài)足跡變化驅(qū)動因素將會失真。因此, 需要采用偏最小二乘回歸方法消除解釋變量之間的多重共線性。

圖4 2005年至2015年陜西省三大區(qū)域足跡深度、足跡廣度動態(tài)變化情況Fig. 4 Changes of EF depth and EF size in three regions of Shaanxi province from 2005 to 2015

表 3 STIRPAT模型分析Tab. 3 Analyzing results of EF drivers by original STIRPAT model

表 4 VIF值Tab. 4 VIF value

3.3.1 驅(qū)動陜北生態(tài)足跡變化的因素分析

首先提取有效成分t4, 得出交叉有效性Q42=0.7746＞0.0975, 繼續(xù)提取有效成分Q52=0.0442＜0.0975, 因此停止繼續(xù)提取有效成分, 即需要提取四個有效成分t1、t2、t3、t4。此時模型對自變量X的解釋能力R2X=1, 對因變量Y的解釋能力為R2Y=0.992, 且Q2=0.974, 這說明回歸模型的精度與可靠性高, 模型選取合理。進一步地對陜北PLS模型進行特異點分析。根據(jù)特異點分析原理, 所有點都在 t1/t2橢圓圖內(nèi)部, 從而保證了模型樣本質(zhì)量達到建模要求。由此得出陜北PLS模型為：

從式(13)可以看出, 人均GDP、第二產(chǎn)業(yè)比重和第三產(chǎn)業(yè)比重的彈性系數(shù)為正, 對陜北生態(tài)足跡的變化有促進作用。而人口數(shù)、城鎮(zhèn)化率的彈性系數(shù)為負, 對陜北生態(tài)足跡的變化有減緩作用。各驅(qū)動因素lnP、lnA、lnT1、lnT2、lnU的彈性系數(shù)分別為-0.379、1.392、0.140、0.208、-0.008, 說明上述指標每變化1%,lnY分別變化-0.379%、1.392%、0.140%、0.208%、-0.008%。從驅(qū)動因素的彈性系數(shù)可以看出,人均GDP對陜北生態(tài)足跡變化的影響最大, 其次是總?cè)丝跀?shù)、第二產(chǎn)業(yè)比重及第三產(chǎn)業(yè)比重, 城鎮(zhèn)化率對生態(tài)足跡變化的影響最不顯著。

根據(jù)公式(9), 得到各驅(qū)動因素的VIP值。VIP值顯示, 對驅(qū)動陜北生態(tài)足跡變化的因素重要性程度從大到小排序依次為人均GDP、人口數(shù)、城鎮(zhèn)化率、第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重(如圖5所示)。人均GDP和區(qū)域總?cè)丝跀?shù)的VIP值均大于1, 是重要驅(qū)動因素。人均GDP的快速增長主要是由于陜北能源重化工企業(yè)的快速發(fā)展、工業(yè)產(chǎn)值的增加以及社會固定資產(chǎn)投資的帶動。企業(yè)生產(chǎn)消耗大量的能源,產(chǎn)生污染廢氣物, 導致陜北近幾年化石能源賬戶和污染排放賬戶生態(tài)足跡大幅增加, 引起陜北生態(tài)足跡的變化。而區(qū)域人口數(shù)的彈性系數(shù)為負, 說明人口的增長有助于緩解陜北生態(tài)足跡。城鎮(zhèn)化率、第二產(chǎn)業(yè)比重與第三產(chǎn)業(yè)比重的VIP值均在0.5—1之間, 對陜北生態(tài)足跡變化的影響不顯著。

3.3.2 驅(qū)動關(guān)中生態(tài)足跡變化的因素分析

首先提取有效成分t1, 得出交叉有效性Q12=0.8909＞0.0975, 繼續(xù)提取第二有效成分t2, 得出交叉有效性Q22= -0.2222＜0.0975。因此只需提取一個有效成分t1即可, 此時模型對自變量X的解釋能力R2X=0.803, 對因變量Y的解釋能力為R2Y=0.952, 且Q2=0.891, 這說明回歸方程的精度較高, 可靠性程度高, 模型選取合理。進一步對模型進行特異點分析, 所有點都在t1/t2橢圓圖內(nèi)部, 說明模型的樣本質(zhì)量得到保證。由此得出關(guān)中PLS模型為：

從式(14)可以看出, 區(qū)域人口數(shù)、人均 GDP與第二產(chǎn)業(yè)比重、城鎮(zhèn)化率的彈性系數(shù)為正, 說明與關(guān)中生態(tài)足跡變化正相關(guān)。而第三產(chǎn)業(yè)所占比重的彈性系數(shù)為負, 說明與生態(tài)足跡變化負相關(guān)。各項驅(qū)動因素指標lnP、lnA、lnT1、lnT2、lnU的彈性系數(shù)分別為0.147、0.247、0.230、-0.204、0.245, 說明上述指標每變化 1%, 則lnY分別變化 0.147%、0.247%、0.230%、-0.204%、0.245%。由此可知, 人均 GDP與城鎮(zhèn)化率對關(guān)中生態(tài)足跡變化的影響最顯著, 其次是第二產(chǎn)業(yè)比重和第三產(chǎn)業(yè)比重。總?cè)丝跀?shù)對關(guān)中生態(tài)足跡變化影響最不顯著。

從各驅(qū)動因素的VIP值(如圖6所示)來看, 關(guān)中各驅(qū)動因素重要性程度從大到小排序依次為人均GDP、城鎮(zhèn)化率、第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重、人口數(shù)。人均GDP和城鎮(zhèn)化率的VIP值均大于1, 是關(guān)中生態(tài)足跡變化的重要驅(qū)動因素。而第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重及區(qū)域人口數(shù)的VIP值在0.5—1之間, 則對關(guān)中生態(tài)足跡變化的影響為一般重要。關(guān)中城鎮(zhèn)化水平高, 區(qū)域產(chǎn)業(yè)結(jié)構(gòu)、發(fā)展模式轉(zhuǎn)型快, 城鎮(zhèn)化率同生態(tài)足跡變化正相關(guān)程度高。

圖5 陜北各驅(qū)動因素VIP值Fig. 5 VIP values of driving factors in northern Shaanxi

圖6 關(guān)中各驅(qū)動因素VIP值Fig. 6 VIP values of driving factors in Guanzhong

3.3.3 驅(qū)動陜南生態(tài)足跡變化的因素分析

首先提取有效成分t1, 得出交叉有效性Q12=0.9712＞0.0975, 繼續(xù)提取第二成分t2, 交叉有效性Q22=-0.1132＜0.0975, 則只需提取一個有效成分t1即可。此時模型對自變量X的解釋能力R2X=0.891, 對因變量Y的解釋能力為R2Y=0.980, 且Q2=0.971, 這說明回歸方程擬合較好。進一步對PLS模型進行特異點分析, 所有點都在t1/t2橢圓圖內(nèi)部,即未發(fā)現(xiàn)特異點, 模型的樣本數(shù)據(jù)得到保證。由此得出陜南PLS模型為：

從式(15)可以看出, 人均GDP、第二產(chǎn)業(yè)比重及城鎮(zhèn)化率的彈性系數(shù)為正, 說明陜南生態(tài)足跡變化會隨其正向增長。而區(qū)域人口數(shù)、第三產(chǎn)業(yè)所占比重的彈性系數(shù)為負, 則說明會與陜南生態(tài)足跡變化負向增長。各項驅(qū)動因素指標lnP、lnA、lnT1、lnT2、lnU的彈性系數(shù)分別為-0.181、0.219、0.215、-0.210、0.222, 則上述指標每變化 1%,lnY分別變化化-0.181%、0.219%、0.215%、-0.210%、0.222%。由于各驅(qū)動因素的彈性系數(shù)絕對值均分布在 0.181—0.222之間, 說明這些因素對陜南生態(tài)足跡變化的影響相差無幾。

從各驅(qū)動因素的VIP值(如圖7所示)來看, 陜南各驅(qū)動因素重要性程度從大到小排序依次為城鎮(zhèn)化率、人均GDP、第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重、人口數(shù)。人均GDP、第二產(chǎn)業(yè)比重及城鎮(zhèn)化率的VIP值均大于1, 是陜南生態(tài)足跡變化的重要驅(qū)動因素。第三產(chǎn)業(yè)比重與區(qū)域人口數(shù)的VIP值在 0.8—1之間。作為重點生態(tài)功能區(qū), 陜南受區(qū)位以及資源條件的制約, 經(jīng)濟社會發(fā)展相對不發(fā)達。隨著陜南生態(tài)移民項目的不斷推進, 小城鎮(zhèn)建設(shè)將成為重要發(fā)展動力, 可能會導致由于城鎮(zhèn)化率的提高而影響生態(tài)足跡變化的問題。與陜北相同的是, 人口數(shù)量對陜南生態(tài)足跡變化的彈性系數(shù)為負, 說明人口增長與生態(tài)足跡增加是反向的。

圖7 陜南各驅(qū)動因素VIP值Fig. 7 VIP values of driving factors in southern Shaanxi

4 結(jié)論及政策建議

結(jié)合陜西省三大區(qū)域的資源稟賦、區(qū)位環(huán)境、產(chǎn)業(yè)集聚等實際, 通過建立生態(tài)足跡模型, 在對比三大區(qū)域之間生態(tài)足跡動態(tài)變化趨勢的基礎(chǔ)上, 采用修正后的 STIRPAT模型分析三大區(qū)域之間形成生態(tài)差異性的經(jīng)濟社會驅(qū)動因素, 主要結(jié)論有：

第一, 2005—2015年陜西省三大區(qū)域人均生態(tài)足跡逐步上升, 人均生態(tài)赤字持續(xù)超載。陜北人均生態(tài)足跡增長幅度最大, 增幅為110.1%, 達到4.481 hm2/人, 人均生態(tài)赤字降至-1.852 hm2·人-1。關(guān)中和陜南人均生態(tài)足跡增長趨勢差別較小, 分別增長了62.1%、62.8%, 至 2015 年分別達到 2.845 hm2·人-1、2.217 hm2·人-1, 人均生態(tài)赤字分別降至-2.318 hm2·人-1、-0.091 hm2·人-1。從區(qū)域生態(tài)相關(guān)指數(shù)來看,生態(tài)壓力指數(shù)呈上升趨勢, 陜北、關(guān)中及陜南分別增長1.156、0.662、0.615倍, 表明三大區(qū)域正面臨著嚴峻的生態(tài)壓力。陜北生態(tài)足跡多樣性指數(shù)變化相比關(guān)中和陜南較低, 生態(tài)系統(tǒng)最不穩(wěn)定。萬元GDP生態(tài)足跡指數(shù)分別降低了37.7%、63.0%、54.2%,表明三大區(qū)域的自然資源可持續(xù)利用率也不斷提升。足跡深度逐年增加, 表明三大區(qū)域資源消費的生態(tài)壓力持續(xù)增加。足跡廣度結(jié)果表明關(guān)中對自然資本流量的占用保持穩(wěn)定, 而陜北與陜南對自然資本流量的占用保持低速增長。

第二, 從影響人均生態(tài)足跡增長的驅(qū)動因素來看, 人口數(shù)量對陜北與陜南的人均生態(tài)足跡變化有一定的緩解作用, 而對關(guān)中有正向推動作用。人均GDP與第二產(chǎn)業(yè)對三大區(qū)域人均生態(tài)足跡變化均起到正向作用。人均GDP是導致人均生態(tài)足跡增長的主要原因, 這同陜西區(qū)域經(jīng)濟發(fā)展模式與產(chǎn)業(yè)布局密切相關(guān)。第三產(chǎn)業(yè)對關(guān)中與陜南的人均生態(tài)足跡變化有一定的緩解作用, 而對陜北則是正向作用。城鎮(zhèn)化率的提高會使陜北的人均生態(tài)足跡下降, 但對關(guān)中與陜南的影響則是正向的。

第三, 陜西省三大區(qū)域生態(tài)差異性已經(jīng)顯現(xiàn)出來。因此, 針對三大區(qū)域不同的生態(tài)環(huán)境狀況及產(chǎn)業(yè)發(fā)展結(jié)構(gòu), 應進一步完善區(qū)域協(xié)調(diào)發(fā)展的體制機制和政策體系, 促進區(qū)域協(xié)同聯(lián)動目標, 推動生態(tài)資源和生態(tài)容量在三大區(qū)域的優(yōu)化配置, 以不觸及生態(tài)保護紅線作為約束標準, 加強地區(qū)合作, 提升產(chǎn)業(yè)結(jié)構(gòu), 提高產(chǎn)業(yè)集約化水平, 壯大縣域經(jīng)濟, 支持縣域特色產(chǎn)業(yè)發(fā)展, 培育一批中小城市, 建設(shè)集生產(chǎn)、生活、生態(tài)于一體的特色小鎮(zhèn), 分散區(qū)域生態(tài)壓力。為此, 建議陜北通過建設(shè)能源化工基地, 推動產(chǎn)業(yè)轉(zhuǎn)型升級, 淘汰落后產(chǎn)能, 減少化石能源消耗, 持續(xù)推動生態(tài)建設(shè)和生態(tài)修復工程, 加快延安、榆林資源型城市轉(zhuǎn)型的步伐, 將榆林建設(shè)成為鄂爾多斯盆地中心城市。關(guān)中應以協(xié)同創(chuàng)新綠色發(fā)展為目標, 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和發(fā)展模式, 推進關(guān)中產(chǎn)業(yè)與生態(tài)協(xié)同發(fā)展, 減少工業(yè)企業(yè)能源消耗, 提高關(guān)中環(huán)境質(zhì)量及生態(tài)功能, 將西安建設(shè)成為國家中心城市, 增強寶雞市、渭南市聚集輻射功能, 將楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)建設(shè)成為世界知名農(nóng)業(yè)科技創(chuàng)新城市, 提升關(guān)中城市群整體實力, 發(fā)揮“大西安”對全省經(jīng)濟的支撐

引領(lǐng)作用。陜南應依托豐富的生態(tài)資源, 發(fā)展循環(huán)經(jīng)濟, 促進生態(tài)農(nóng)業(yè)與旅游業(yè)的融合, 通過發(fā)展“綠色化”、“生態(tài)化”農(nóng)業(yè), 提高特色農(nóng)業(yè)生產(chǎn)效率, 將生態(tài)移民工作和加強空間治理、資源管理有機結(jié)合起來,加快安康、商洛、漢中城市基礎(chǔ)設(shè)施建設(shè), 建設(shè)生態(tài)宜居城市, 建立資源總量管理制度, 形成區(qū)域生態(tài)補償機制, 實現(xiàn)陜南綠色可持續(xù)循環(huán)發(fā)展。

[1] 孫東琪, 張京祥, 朱傳耿, 等. 中國生態(tài)環(huán)境質(zhì)量變化態(tài)勢及其空間分異分析[J]. 地理學報, 2012, 67(12)：1599-1610.

[2] WANG Mingquan, SONG Yanyu, LIU Jingshuang, et al.Exploring the anthropogenic driving forces of China's provincial environmental impacts[J]. International Journal of Sustainable Development and World Ecology, 2012,19(5)： 442-450.

[3] CHU Xi, DENG Xiangzheng, JIN Gui, et al. Ecological security assessment based on ecological footprint approach in BeijingTianjinHebei region, China[J]. Physics and Chemistry of the Earth, 2017, (101)： 43-51.

[4] LI Jingwei, LIU Zhifeng, HE Chunyang, et al. Are the drylands in northern China sustainable? A perspective from ecological footprint dynamics from 1990 to 2010[J].Science of the Total Environment, 2016, (553)： 223-231.

[5] 胡正李, 葛建平, 韓愛萍. 中國大都市生態(tài)足跡的比較研究—以北京、上海、天津和重慶為例[J]. 現(xiàn)代城市研究, 2017 (2)： 84-93.

[6] 張星星, 曾輝. 珠江三角洲城市群三維生態(tài)足跡動態(tài)變化及驅(qū)動力分析[J]. 環(huán)境科學學報, 2017, 37(2)： 771-778.

[7] 任志遠, 黃青, 李晶. 陜西省生態(tài)安全及空間差異定量分析[J]. 地理學報, 2005, 60(4)： 597-606.

[8] 楊屹, 加濤. 21世紀以來陜西生態(tài)足跡和承載力變化[J].生態(tài)學報, 2015, 35(24)： 7987-7997.

[9] 楊屹, 徐德龍, 張景乾. 陜西秦嶺南麓區(qū)域發(fā)展與生態(tài)效率變動研究[J]. 環(huán)境科學學報, 2017, 37(5)：2021-2030.

[10] REES W. Ecological footprints and appropriated carrying capacity： what urban economics leaves out[J]. Environment and Urbanization, 1992, 4(2)： 120-130.

[11] WACKERNAGEL M, SCHULZ N B, DEUMLING D, et al. Tracking the ecological overshoot of the human economy[J]. Proceedings of the National Academy of Sciences of the USA, 2002, 99(14)： 9266-9271.

[12] 徐中民, 程國棟, 張志強. 生態(tài)足跡方法的理論解析[J].中國人口.資源與環(huán)境, 2006, 16(6)： 69-78.

[13] 楊開忠, 楊泳, 陳潔. 生態(tài)足跡分析理論與方法[J]. 地球科學進展, 2000, 15(6)： 630-636.

[14] 斯藹, 湯潔, 林年豐, 等. 生態(tài)足跡法在松嫩平原西部可持續(xù)發(fā)展研究中的應用[J]. 干旱區(qū)研究, 2005, 22(4)：553-557.

[15] 史丹, 王俊杰. 基于生態(tài)足跡的中國生態(tài)壓力與生態(tài)效率測度與評價[J]. 中國工業(yè)經(jīng)濟, 2016, (5)： 5-21.

[16] 王書華, 毛漢英, 王忠靜. 生態(tài)足跡研究的國內(nèi)外近期進展[J]. 自然資源學報, 2002, 17(6)： 776-781.

[17] 徐中民, 張志強, 程國棟, 等. 中國 1999年生態(tài)足跡計算與發(fā)展能力分析[J]. 應用生態(tài)學報, 2003, 14(2)：280-285.

[18] SHANNON C E, WEAVER W. The Mathematical Theory of Communication[M]. Urbana： University of Illinois Press,1949.

[19] 徐中民, 張志強, 程國棟. 生態(tài)學經(jīng)濟理論方法與應用[M]. 鄭州： 黃河水利出版社, 2003.

[20] 方愷. 生態(tài)足跡深度和廣度： 構(gòu)建三維模型的新指標[J].生態(tài)學報, 2013, 33(1)： 0267-0274.

[21] NICCOLUCCI V, BASTIANONI S, TIEZZI E B P, et al.How deep is the footprint? A 3D representation[J].Ecological Modelling. 2009, 220(20)： 2819-2823.

[22] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science, 1971, 171： 1212-1217.

[23] DIETZ T, KALOF L, FREY R S. On the utility of robust and resampling estimators[J], Rural Sociology, 1991, 56(3)：461-474.

[24] JIA Junsong, DENG Hongbing, DUAN Jing, et al. Analysis of the major drivers of the ecological footprint using the STIRPAT model and the PLS method—A case study in Henan Province, China[J]. Ecological Economics, 2009,68(11)： 2818-2824.

[25] TANG Wei, ZHONG Xianghao, LIU Shaoquan. Analysis of Major Driving Forces of Ecological Footprint Based on the STIRPAT Model and RR Method： A Case of Sichuan Province, Southwest China[J]. Journal of Mountain Science,2011, 8(4)： 611-618.

[26] X Long, XI Ji, S, Ulgiati. Is urbanization eco-friendly? An energy and land use cross-country analysis[J]. Energy Policy, 2016, 100： 387-396.

[27] 黃寶榮, 崔書紅, 李穎明. 中國2000-2010年生態(tài)足跡變化特征及影響因素[J]. 環(huán)境科學, 2016, 37(2)： 421-426.

[28] 馬明德, 馬學娟, 謝應忠, 馬甜. 寧夏生態(tài)足跡影響因子的偏最小二乘回歸分析[J]. 生態(tài)學報, 2014, 34(3)：682-689.

[29] 吳開亞, 王玲杰. 生態(tài)足跡及其影響因子的偏最小二乘回歸模型與應用[J]. 資源科學, 2006, 28(6)： 182-188.

[30] 王惠文. 偏最小二乘回歸方法及其應用[M]. 北京：國防工業(yè)出版社, 2000.

[31] 王惠文, 吳載斌, 孟潔. 偏最小二乘回歸的線性與非線性方法[M]. 北京：國防工業(yè)出版社. 2006.

[32] 方愷, 李煥承. 基于生態(tài)足跡深度和廣度的中國自然資本利用省際格局[J]. 自然資源學報, 2012, 27(12)： 1995-2005.