基于改进参数的长三角城市群生态足迹时空动态及驱动因子分析

闻熠，高峻,2，姚扬,3，林章林

1.上海师范大学环境与地理科学学院 2.上海师范大学城市发展研究院 3.中国环境科学研究院清洁生产与循环经济研究中心 4.复旦大学工商管理博士后流动站

从1987年《我们共同的未来》报告中首次提出可持续发展概念，到2015年联合国大会上通过的可持续发展目标(sustainable development goals，SDGs)，可持续发展始终是人类追求的主题。在可持续发展的理念提出后，国内外学者积极投身到这一领域的分析和探索上来，其中最为经典的模型为加拿大生态经济学家Rees等提出的生态足迹模型[1- 2]。生态足迹模型于1999年引入我国，广泛应用于不同空间尺度(如国家尺度[3- 5]、省域尺度[6- 7]、市域尺度[8- 9]等)以及不同的研究领域(如旅游[10]、水资源[11]、土地资源[12- 13]等)的可持续发展研究中。但是在一些研究中，生态足迹模型中均衡因子和产量因子这2个重要参数往往采用的是全球平均值，而中国国土幅员辽阔，各地资源禀赋和生产力水平差异大，如果计算模型采用全球平均值，则会忽略区域自然环境的时空差异，从而在一定程度上影响研究结果的科学性和可比性[14- 15]。因此，要想更加精确地衡量某个或多个区域的生态足迹状态，有必要对模型参数进行修正，使研究结果能更好地体现研究区的实际情况。

长江三角洲(简称长三角)城市群在国家现代化建设大局和全方位开放格局中具有举足轻重的地位，但另一方面人类活动对自然资本的需求日益增加，生态系统正承受着巨大的压力，区域的可持续性和生态安全面临着严重的挑战[16]。笔者基于国家公顷对模型参数进行本土化修正，对2006—2016年长三角城市群26个城市生态足迹时间序列动态进行探讨，并对影响生态足迹变化的经济和环境驱动因子进行分析，以期为实现该区域的可持续发展提供决策参考。

1 研究方法

国家公顷的概念是相对全球尺度提出来的，是指国家土地平均生产力的标准面积，为在国家生产力水平上衡量省际土地供需量提供了方法[17]。在测算某区域生态足迹时，往往将人类对自然资源的消耗转化为6种生态生产性面积，即耕地、林地、草地、水域、化石能源用地和建筑用地。由于不同类型土地的平均生产力相差很大，并且不同区域同类型的土地生产力也有差异，因此6种土地类型的生态足迹不能直接相加，需要通过乘以各自的均衡因子和产量因子转化成可以直接比较的标准面积。均衡因子是指国内某类生物生产性土地的平均生产力与全国所有生物生产性土地的平均生产力的比值，产量因子为研究区某类生物生产性土地的平均生产力与全国同类土地的平均生产力的比值。

1.1 基于国家公顷的本土化模型参数计算

1.1.1均衡因子

在均衡因子计算中，借鉴文献[18]的研究方法，把各类生物产品产量转化为统一的热值形式进行计算，公式如下：

(1)

1.1.2产量因子

本研究区域为长三角城市群，因此计算长三角三省一市，即上海市、浙江省、江苏省和安徽省各自的产量因子。采用热值法对研究区的产量因子进行探索，具体方法是将各类土地利用类型的生产力用热值表示，即将生物产量乘以该类生物的单位热值。其中，某生物的单位热值是指每kg该生物包含的热值，通过转化计算可将每种生物的计量单位转换成统一的单位，热值通过查阅《农业技术经济手册(修订版)》得到，如果某些生物的热值在手册中查不到，则以近似生物的热值或多个近似生物的热值平均值来代替，其计算公式如下：

(2)

1.2 生态足迹和生态承载力

生态足迹(EF)将自然资本各项目还原和统一到生物生产性面积概念上来，折算成耕地、草地、林地、水域、化石能源用地、建筑用地等，通过系数转换计算出某区域人口维持日常生活所需的各用地面积。生态承载力(EC)是与生态足迹相对应的概念，反映生态系统自我维持、自我调节以及对人类生产生活所需的自然资本的供给能力。其计算方法是将所考虑的区域内各种生物生产性面积乘以均衡因子和产量因子后，求和所得到的总生态承载力[22]。国家公顷模型中，研究区总生态足迹和生态承载力的计算公式如下：

EF=∑(Pn/Yn×EQFj)

(3)

EC=∑(Aj×EQFj×YFj)

(4)

式中：Pn为第n类产品的总产量，kg/hm2；Yn为第n类产品全国平均产量，kg/hm2；Aj为第j类土地的面积，hm2。将总的生态足迹和生态承载力除以研究区人口数量，即可得到人均生态足迹和人均生态承载力。

1.3 主成分分析法

采用主成分分析法分析研究区生态足迹驱动因子，避免生态足迹社会经济驱动力指标过多而增加分析问题的难度和复杂性，从而减弱自变量之间的相互干扰。主成分分析法是通过降维技术把多个指标约化为少数几个综合指标的统计分析方法，用较少的综合指标概括存在于大量观测数据中的种类信息，而综合指标之间彼此不相关，各指标代表的信息不重叠，将多个变量化为少数变量，而又不会大量地损失变量的方差[23]。假定选取m个指标，分别用变量x1～xm表示。用m个指标的线性组合，得到综合指标z1～zn，其数学模型如下：

z1=a11x1+a12x2+…+a1mxm
z2=a21x1+a22x2+…+a2mxm
…
zn=an1x1+an2x2+…+anmxm

(5)

采用SPSS 19.0软件进行数据处理。

2 研究区概况与数据来源

长三角城市群(115°46′E～123°25′E，29°20′N～32°34′N)位于长江的下游地区，东部濒临黄海与东海，是长江入海之前形成的冲积平原。长三角城市群地跨上海市、浙江省、江苏省、安徽省三省一市，共包括26个地级市，国土面积21.17万km2。

本研究中的生物生产量和能源消费量数据来源于2006—2016年《中国统计年鉴》，三省一市及其26个地级市各自的《统计年鉴》；土地利用面积数据源于原国土资源部土地调查成果共享应用服务平台(http://tddc.mlr.gov.cn/to_Login)，各类生物产品的单位热值采用《农业技术经济手册(修订版)》中的数据；生态环境数据和社会经济数据来源于研究区的《国民经济和社会发展统计公报》《环境年报》，包括污染物排放量、污染物排放类型、人均GDP、产业结构和各自占比、人口增长率等数据；长三角城市群的发展规划资料，如《长江三角洲城市群发展规划》《上海市能源发展“十三五”规划》等。

3 基于国家公顷的研究区均衡因子和产量因子计算

3.1 均衡因子

耕地生物资源账户主要有粮食、豆类、蔬菜、油料、麻类、棉花、猪肉和蛋类等；草地生物资源账户选取牛羊肉和奶类为消费项；林地消费足迹由木材和水果产量来反映；水域消费足迹仅考虑淡水产品产量；土地利用类型主要包括耕地、林地、草地和水域[24]。其中，耕地面积包括水田、水浇地和旱地；草地面积包括天然牧草地、人工牧草地和其他草地；林地面积包括园地与林地；水域面积包括河流面积、湖泊面积和坑塘面积的总和[25]。将各类生物的单位热值转化成热量形式，并根据生物产品类型划归到各类土地利用类型，共计48个计算项目。将上述数据代入式(1)中，计算得到2006—2016年我国各类土地的均衡因子，如表1所示。

由表1可以看出，6种土地利用类型中，耕地的均衡因子最高，其次是水域；在不同年份中，各类土地利用类型的均衡因子相差不大，其中耕地、草地和水域基本稳定，林地存在小幅波动。

3.2 产量因子

2006—2016年长三角城市群三省一市各自的产量因子如表2～表5所示。由表2～表5可以看出，2006—2016年，长三角三省一市各类土地产出水平年际变化不大，但总体来说较高，其中耕地、草地和水域的产量水平均高于全国平均水平；耕地产量因子最高的是浙江省；水域产量因子上海市最高，其次是江苏省；草地产量因子最高的是上海市。

表1 2006—2016年我国各类土地均衡因子

表2 2006—2016年上海市各类土地产量因子

表4 2006—2016年江苏省各类土地产量因子

表5 2006—2016年安徽省各类土地产量因子

4 结果分析

4.1 长三角城市群人均生态足迹时间序列变化

依据研究区2006—2016年统计数据和基于国家公顷模型计算得到的我国本土均衡因子，结合式(3)对研究区2006—2016年生态足迹进行测算，长三角城市群人均生态足迹如图1所示。

图1 2006—2016年长三角城市群人均生态足迹时间序列变化Fig.1 Time series change of per capita ecological footprint in YRDUA from 2006 to 2016

从图1可以看出，2006—2016年，长三角城市群各城市人均生态足迹总体上呈上升趋势；上海市由2006年的2.100 5 hm2/人升至2016年的2.660 5 hm2/人，上升幅度不大，主要是因为其人口基数大且增速快，因此人均生态足迹则相对较小；杭州市人均生态足迹由2006年的2.384 8 hm2/人升至2016年的2.886 8 hm2/人；合肥市的人均生态足迹由2006年的2.177 3 hm2/人升至2016年的2.867 9 hm2/人；南京市的人均生态足迹由2006年的2.655 6 hm2/人升至2016年的3.875 6 hm2/人，增幅是4个省会和直辖市中最大的。长三角城市群江苏省所辖的城市中，人均生态足迹最高的是盐城市，其次是苏州市和南通市；浙江省所辖的城市中，人均生态足迹最高的是宁波市，其次是嘉兴市和湖州市；安徽省所辖的城市中，人均生态足迹最高的是马鞍山市，其次是铜陵市。人均生态足迹最高的是马鞍山市，贡献最大的是化石能源用地；人均生态足迹最低的是芜湖市，贡献最大的是耕地。其中马鞍山市和铜陵市之所以人均生态足迹较高，主要是因为两市第二产业占比较高，能源消耗量大，使得工业三废排放高于其他城市，从而使生态环境承受较大压力。

4.2 长三角城市群人均生态足迹空间分布变化

图2 2006—2016年长三角城市群人均生态足迹空间分布Fig.2 Spatial distribution map of per capita ecological footprint of YRDUA from 2006 to 2016

运用GIS方法对长三角城市群2006—2016年26个城市人均生态足迹空间分布情况进行可视化，结果如图2所示。由图2可知，2006—2016年长三角城市群26个城市人均生态足迹空间分布格局变化不大，总体上呈现周边高中间低的分布态势；从三省各自所辖城市的分布规律来看，苏北城市人均生态足迹要高于苏南城市，浙北城市高于浙南城市，皖东城市高于皖西城市。这主要是由于人均生态足迹在空间上有3个高值点，连接呈三角形分布，具体为以制造业为主的浙江省沿海的嘉兴市和宁波市，以钢铁重工业为支柱产业的安徽省长江沿岸的马鞍山市与铜陵市，以及农产品输出地江苏省北部的盐城市。

4.3 长三角城市群生态足迹变化的驱动因子

从经济、人口、消费和产业结构4个方面，选择7个指标(表6)作为自变量，并与作为因变量的人均生态足迹进行相关性和主成分分析，以探求影响人均生态足迹的主要驱动因子。由于城市个数较多，从中挑取3个典型城市作为代表。上海市作为中国的大都市，人口多、资源消耗量大；苏州市是江苏省人均生态足迹较高的城市；马鞍山市是长三角城市群中人均生态足迹最高的城市。利用SPSS软件对以上3个城市2006—2016年各项指标与人均生态足迹进行相关性分析，相关系数见表7～表9。其中检验方法为Person检验，相关系数在P<0.01水平下显著相关。

表6 生态足迹驱动因子

表7 上海市人均生态足迹与其影响因子的相关系数

表8 苏州市人均生态足迹与其影响因子的相关系数

表9 马鞍山市人均生态足迹与其影响因子的相关系数

由表7～表9可以看出，上海市人均生态足迹与人均GDP、城市化率、人口数量呈正相关；与恩格尔系数、第二产业占比、人均公共绿地面积、人均耕地面积呈负相关。上海市人均生态足迹与人均GDP的相关系数为0.891，与城市化率相关系数为0.835，主要是因为上海人口基数大且逐年增加，从而对自然资源的需求量也在扩大，导致能源消费量和污染物排放量剧增，表现为化石能源用地和吸纳污染物用地的增加。另外，城市扩张，耕地面积减少，从而对生态系统造成的压力也越来越大。

苏州市人均生态足迹与人均GDP、城市化率、人口数量、人均耕地面积呈正相关；与恩格尔系数、第二产业占比、人均公共绿地面积呈负相关。苏州市人均生态足迹与人均GDP的相关系数为0.877，与城市化率相关系数为0.796。

马鞍山市人均生态足迹与人均GDP、城市化率、第二产业占比、人口数量、人均耕地面积呈正相关；与恩格尔系数、人均公共绿地面积呈负相关。马鞍山市人均生态足迹与人均GDP的相关系数为0.868，与城市化率相关系数为0.880，主要是因为马鞍山市作为我国重要重工业城市，其第二产业占比高，对资源的需求大，经济增长以粗放型为主，导致能源消费量和污染物排放量剧增，表现为化石能源用地和吸纳污染物用地的增加。

对7个指标进行主成分分析，得到的3个城市人均生态足迹与驱动因子载荷矩阵，如表10～表12所示。由表10～表12可以看出，上海市第一主成分与人均GDP、城市化率、人口数量呈正相关，与恩格尔系数、第二产业占比、人均公共绿地面积、人均耕地面积呈负相关，而第二主成分指标提取信息较少，只与人均公共绿地面积具较大负相关性；苏州市人均生态足迹与驱动因子荷载矩阵表现形式和上海市相似，第一主成分与人均GDP、城市化率、人口数量、人均耕地面积均有较大正相

表10 上海市人均生态足迹与驱动因子载荷矩阵

表11 苏州市人均生态足迹与驱动因子载荷矩阵

表12 马鞍山市人均生态足迹与驱动因子载荷矩阵

关性，与恩格尔系数、第二产业占比、人均公共绿地面积呈负相关；马鞍山市第一主成分与人均GDP、城市化率、第二产业占比、人口数量、人均耕地面积均有较大正相关性，与恩格尔系数、公共绿地面积呈负相关。

5 结论

(1)在时间序列上，2006—2016年长三角城市群26个城市人均生态足迹均呈上升趋势，这表明随着城市的发展，人类活动对自然资本的消耗在逐年上升，施加给生态环境的压力也在增大。

(2)在空间分布格局上，2006—2016年长三角城市群变化不大，总体上呈现周边高中间低的分布态势，并且苏北城市人均生态足迹要高于苏南城市，浙北城市高于浙南城市，皖东城市高于皖西城市。

(3)在主要驱动因子上，社会经济因素强烈驱动着人均生态足迹的变化，人均GDP、城市化率、人口数量是人均生态足迹增长的主要驱动因子，这是因为随着人口和经济的增长，对自然资本的需求量也随之增大。

(4)为实现区域的可持续发展，可以从以下角度着手：产业结构转型升级，大力发展第三产业，如金融业、服务业和新型制造业；遏制高耗能、高排放行业过快增长，淘汰落后生产力，提高资源利用效率。