中国城市化推进与生态环境

史永姣，吕洁华

（东北林业大学经济管理学院，黑龙江 哈尔滨 150040）

一、引 言

城市化与生态环境之间复杂的相互作用，产生了很多地区乃至全球性的问题。空气污染、气候变化、水土流失、生物多样性丧失和城市宜居性等一系列问题引起了人们日益关注城市发展和生态环境之间的关系。在全球城市化快速发展的近半个世纪里，中国的常住人口城镇化率从1949年末的10.64%提高到2018年的59.58%，年均提高了0.71个百分点，①中国国家统计局：《城镇化水平不断提升城市发展阔步前进——新中国成立70周年经济社会发展成就系列报告之十七》。成为了亚洲乃至全球城市化进程最快的国家之一。然而，中国城市扩张带来的环境问题远远超过了现在发达国家所经历的环境趋势。［1］近年来，国内外学者将植被覆盖作为研究城市化与生态环境之间关系的重要指标之一。［2］研究城市化对植被覆盖的影响及其作用机制，不仅有助于深入探讨可持续发展背景下实现城市化与生态环境和谐共生的内在逻辑及必然性，而且有助于厘清中国城市化进程中生态环境的应对思路。

在全球和区域尺度上，学者们已经对自然因素与植被覆盖的关系进行了深入研究，主要包括气温、降水、日照等自然因素，研究成果丰富。［3－6］植被演变尽管在长期内受到自然因素的影响，但近年来，随着人类活动能力的增强，植被变化深刻记录了人类活动的烙印。［7］然而，截至目前关于城市化对植被覆盖影响的研究还十分有限。从研究方法上来看，主要是运用遥感和GIS技术，大致可以分为两类：第一类主要利用植被覆盖数据和夜间灯光数据对我国植被活动与城市扩张的空间关系做了分析，研究发现，成都地区植被覆盖度与夜间灯光亮度值呈显著负相关，城市活动越强烈的地方植被覆盖度越小；［8］在环渤海城市群，城市化过程已经在一定程度上减弱了研究区的植被初级生产力；［9］在环杭州湾地区，城市扩张对建成区植被均产生不利影响。［10］第二类研究主要以典型的计量分析方法为研究工具，如李仕冀等利用多元线性回归模型研究发现，在城市化过程中农业劳动力迁出对植被覆盖状况的提高具有促进作用。［11］温小洁等基于县级经济发展数据，利用门槛回归模型专门考察了基于降水条件的城市化对植被覆盖的影响。［12］

然而，截至目前对全国视阈下城市化对植被覆盖的决定因素的研究较少。现有研究的不足主要体现在以下三个方面：一是从研究区域上看，以往的研究视角主要集中于省份、城市和城市群等区域，缺乏在全国视阈下的考察；二是从研究方法上看，以往研究主要从地理环境科学的角度进行分析，主要采用土地利用转移矩阵、空间相关性、门限回归等研究方法来研究城市化对植被覆盖的影响，缺乏计量分析模型的系统考察。三是从研究数据上来看，以往文献在衡量城市化水平时，主要利用人口城市化率作为度量指标，但是该指标被认为存在度量问题，［13］在衡量城市化水平时可能难以反映真实的城市化水平，使模型的估计结果与实际出现较大偏差。［14］为了弥补现有研究的不足，本文构建了1998～2013年省级面板数据，系统考察城市化对植被覆盖的影响及其作用机制。

二、数据来源与处理

（一）数据来源

1.植被覆盖的度量：植被NDVI数据来源与处理方法

归一化植被指数（Normal Difference Vegetation Index，NDVI）能够反映植被覆盖度、叶面积指数、生长状况等，并广泛用于监测大尺度植被活动的研究。［15－17］中国科学院资源环境科学数据中心提供了连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成了1998年以来的年度植被指数数据集。①徐新良.中国年度植被指数（NDVI）空间分布数据集.中国科学院资源环境科学数据中心数据注册与出版系统（http：//www.resdc.cn/DOI），2018。本文利用ArcGIS软件进行剪裁、提取数据，最终获取1998～2013年的年度省域植被NDVI值来表征植被覆盖情况，空间分辨率为1km。

2.城市化的度量：夜间灯光数据来源与处理方法

本文衡量城市化的指标来源于美国国家海洋和大气管理局（NOAA）公布的全球灯光数据，②美国国家海洋和大气管理局（NOAA）的全球灯光数据：https：//ngdc.noaa.gov/eog/dmsp/downloadV4composites.html。该数据由美国防卫性气象卫星计划（Defense Meteorological Satellite Program，DMSP）携带的OLS传感器采集（简称DMSP/OLS数据）。DMSP/OLS数据其形式简洁但内涵丰富，可以定量测度城市地区人类活动的广度和强度，常用来表征城市发展、人口密度、热岛效应、生产总值等社会经济指标。［18－23］本文采用稳定灯光数据，③1992年，美国国家地球物理数据中心（National Geophysical Data Center，NGDC）对原始数据进行了处理，并发布了四种主要数据产品，分别是平均可见灯光（average visible）、稳定灯光（stable lights）、能观察的无云覆盖频次数（cloud free coverages）及平均灯光 X Pct（average lights X Pct）。该数据剔除了由火光、极光、闪电等造成的短暂亮光，且均为无云数据，最终包含城市、城镇和其他相对稳定的灯光。本文所采用的DMSP/OLS数据来自6个不同的传感器，④夜间灯光影像包括由 6个不同的 DMSP卫星（F10：1992－1994、F12：1994－1999、F14：1997－2003、F15：2000－2007、F16：2004－2009和 F18：2010－2013）提供的从1992～2013年的34期影像。数据的灯光灰度值（digital number，DN）的范围是0～63，空间分辨率为1km。

尽管DMSP/OLS数据是反演社会经济发展的良好数据源，但其本身也存在缺陷。一是DMSP/OLS夜间灯光影像来源于不同的传感器。不同的传感器存在辐射探测性能和探测光谱波段的差异，导致不同传感器间不同年份的影像数据不连续，而且不同传感器获取相同年份的数据也不一致。二是随着时间的推移，各传感器的辐射探测能力也逐渐衰退，即使同一传感器获取的不同年份的数据也存在异常的波动情况。三是原始灯光数据的取值范围为0～63，存在数据天花板问题，当一个地区的灯光亮度值超过63时，将无法继续观测。这与经济持续增长的现实不相匹配。基于以上问题，我们参考Liu等的方法对数据进行校正处理，以便降低数据的测量误差，确保数据具有较高的区域和年际可比性。［24］

对于城市化水平的准确测量是研究的基础。在近年来的研究中，很多学者直接采用校正后的稳定灯光数据来测度城市化水平，而城市化的发展过程经历了城市的规模扩张和城市的集聚发展，用稳定灯光亮值来度量城市化水平，仅能反映城市密集的发展程度。为反映城市化的深度和广度两个方面，本文参考陈晋、邵帅等的研究，构建了灯光复合指数作为中国省域城市化水平的代理指标。［19，25］灯光复合指数计算公式为：

在（1）式中，urbani为第i个区域的灯光指数，用来度量城市化水平；Ii为第i个区域的平均灯光强度指标，用来度量城市化深度；Si为第i个区域的灯光面积指标，用来度量城市化广度；W1和W2为权重，本文参考陈晋等的研究，取 W1＝ 0.8，W2＝ 0.2。［19］

其中，区域平均灯光强度指标Ii公式为：

在（2）式中，nj为第i个区域的第j灰度等级的像元数；N为第i个区域的所有灯光像元总数；DNj为第i个区域的第j等级的灰度值（1≤DN≤63），63为稳定灯光数据的最大灰度值；Ii表征第i个区域的实际灯光强度与最大可能灯光强度的比例关系。

其中，区域灯光面积指标Si，计算公式为：

在（3）式中，AreaN为第i个区域的所有灯光像元的总面积；Area为第i个区域的面积；Si表征区域内所有灯光像元的总面积占整个区域面积的比例，反映了灯光的空间延展特性。

（二）实证策略

为考察中国城市化推进对植被覆盖的决定因素，在模型设定方面，由于各省市的自然条件和资源禀赋的差异较大，本文在模型设定中主要采用固定效应模型为主要实证策略，实证模型设定如下：

其中，yit表示植被NDVI值，i表示地区（省、直辖市、自治区），t表示年份，urbanit表示城市化水平，xit表示一些与植被覆盖相关的控制变量，主要包括各地区的经济增长、产业结构、人口密度、营林投资、降雨量。μi为地区固定效应，β、εit分别为待估系数和随机扰动项。

为更好地考察城市化对植被覆盖的影响，本文对影响植被覆盖的主要因素进行控制，以防止可能的遗漏变量对模型估计的影响。主要控制变量选取如下：以省级GDP的增长率度量经济增长，反映地区经济增长对植被覆盖的影响差异；用第二产业增加值占GDP的比重来反映产业结构对植被覆盖的影响；人口密度的增加会产生集聚效应，导致农村劳动力进入城市，而农村土地闲置会促使植被增加。人口密度的增加也会产生规模效应，引致城市基础设施用地的大量需求，植被覆盖遭到破坏。近年来，我国实施了一系列的森林恢复政策，包括天然林保护、退耕还林和人工造林等工程，本文以营林固定资产投资占GDP的比重来衡量营林投资；气候条件是植被覆盖不可缺失的关键因素，本文以年降水量来衡量。

由于夜间灯光数据的不连续性，所以样本数据由1998～2013年中国31个省（区、市）（不含港澳台地区）的面板数据，年降水量数据来源于中国科学院资源环境科学数据中心，数据基于全国2400多个气象站点日观测数据，通过整理、计算和空间插值处理生成，并利用ArcGIS软件进行剪裁、转换而得。其余控制变量来源于《中国统计年鉴》和《中国林业和草原统计年鉴》。

三、实证结果

（一）基准回归与讨论

本文利用固定效应模型给出了中国城市化对植被覆盖影响的估计结果。首先，在表1第（1）列仅考察了核心解释变量城市化对植被覆盖的影响，城市化水平的系数在1% 的水平上显著，说明中国城市化推进对植被覆盖产生了显著的促进作用。然而，引起植被覆盖水平增加的因素有很多，鉴于此，我们在表1第（2）列至第（6）列分别加入了经济增长、人口密度、营林投资、产业结构和年降水量作为控制变量。回归结果显示，城市化对植被覆盖的影响相比于之前的结果略有下降，但变量的系数依然显著为正。由于被解释变量存在较强的个体效应，所以我们采用固定效应和随机效应对模型进行估计，Hausman检验结果p值为0.0000，应选择固定效应模型，所以只报告了固定效应检验结果。

实证结果表明，城市化进程对植被覆盖产生了较好的促进作用。城市化进程本身会产生正的外部性，可能通过集聚效应、要素的合理配置等途径提高植被覆盖程度。与此同时，城市化进程使经济社会结构发生了转变，同时提升了居民的绿色环境质量诉求，对政府的营林政策、城市的绿地空间规划及企业的生产采伐行为都产生了积极影响。从分析结果可知，中国的城市化发展道路对植被覆盖并未产生破坏作用，而是改善了植被覆盖的程度。

从表1第（6）列可知，经济增长对植被覆盖具有显著的正向影响，已有研究证实了中国的经济增长有助于森林面积的恢复，中国存在“U”型环境库茨涅兹曲线，但并非推动森林面积恢复和增长的主要动因。［26］人口密度的固定效应对植被覆盖的估计系数为负值，但并不显著。这表明虽然人口压力对自然资源具有消极影响，但是伴随我国人口增长率不断下降，同时城市人口比重不断增加，人口集聚效应会导致农村土地闲置，致使远离城市以外的植被得到恢复。营林投资的增加对植被覆盖具有显著的促进效应，已有研究表明大面积的人工造林是中国植被增长的主要原因。第二产业增加值比重的提升对植被覆盖具有显著的促进作用。第二产业可以创造非农就业机会，使劳动力从第一产业转移到第二产业，从乡村转移到城市，附着在土地上的劳动力减少，从而减轻对森林资源的压力，促进森林的恢复。［27］最后，年降水量增加对植被覆盖具有有效的促进作用。

表1 城市化与植被覆盖的估计结果

（二）稳健性检验

1.改变样本容量后的回归结果

为了保证模型估计结果的稳健性，本文改变了样本容量进行检验。由于直辖市的经济活动与城市灯光的关系相对复杂，灯光可能出现饱和现象。而自治区由于地理环境和治理方式的特殊性，城市化进程与全国差异较大。因此，在直辖市和自治区利用灯光来衡量城市化水平也可能出现度量误差。因此，我们对样本容量进行了重新选择。回归结果如表2所示，第（1）列和第（2）列为剔除直辖市的的回归结果，第（3）列和第（4）列为剔除直辖市和自治区后的回归结果。改变样本容量选择后的回归结果与表1的结果进行比较可以看出，核心解释变量城市化系数的符号和显著性都没有改变，说明表1的结果具有稳健性。

表2 稳健性检验

2.改变城市化水平衡量指标

城市化的进程中表现最明显的是城市土地空间的不断扩张，本文采用土地城市化率即建成区面积占城区面积的比重重新度量城市化水平，来考察回归结果的稳健性。结果如表3所示，城市化对植被覆盖依然存在显著的正向影响。用不同城市化水平衡量的结果与表1的估计结果一致。因此，表1的基准分析具有较强的稳健性。

表3 稳健性检验

3.城市化对植被覆盖影响的区域差异

表4报告了东、中、西部地区城市化水平对植被覆盖影响的固定效应估计结果。由回归结果可知，中部和西部地区城市化的系数分别在5%和1%水平上显著为正，表明中部和西部地区的城市化对植被覆盖呈现出促进作用。这是由于省域地理面积、自然资源禀赋和气象条件等自然环境差异，以及中、西部地区城市化进程慢于东部地区，城市化对植被的负外部性还未显现，同时生态环境保护逐步加强等因素共同作用的结果。与中西部地区不同，东部地区的城市化系数为正但不显著，即城市化并未显著促进植被覆盖水平的提升。我国东部地区经济发达，城市化水平较高，农村剩余劳动力大量转移到东部地区，使东部地区的人口密度增大，这意味着土地更加稀缺，更多的土地被提供给住房、道路交通以及制造业，使大量植被土地类型被改变。但是，随着经济高度发展、产业结构优化、技术创新能力更强，居民对环境质量的诉求也更高，城市化对生态环境的负外部性逐渐改善，从而使东部地区城市化对植被覆盖的影响并不显著。

表4 不同区域城市化与植被覆盖的估计结果

4.城市化对植被覆盖的影响机制

以上研究结果表明，城市化对中国的植被覆盖具有显著的正向影响。那么，是什么原因导致这一现象的产生呢？城市化影响中国植被覆盖的传导机制是什么？根据前文所述，笔者尝试从营林投资的角度来研究城市化影响植被覆盖的传导机制。一方面，营林投资是提升植被覆盖的重要手段，自从1998年特大洪水以来，中国政府出台了一系列生态修复计划，从而提升了植被覆盖度。另一方面，城市化是推动营林投资的重要动力，由于城市化进程中经济高速发展、居民环境诉求不断提高，从而为营林投资提供了经济基础和迫切需求。本文选取营林固定资产投资占GDP比重作为营林投资的代理变量，通过城市化与营林投资的交互项，实证检验城市化影响植被覆盖的营林投资的机制。表5报告了相应的实证回归结果。回归结果显示，城市化与营林投资的交互项系数显著为正，营林投资提高了植被覆盖程度。

表5 城市化对植被覆盖的机制检验

四、结 论

本文运用1998～2013年中国省级面板数据，使用植被NDVI和夜间灯光遥感数据作为植被覆盖和城市化的代理变量，系统考察了城市化推进对植被覆盖的影响和传导机制。研究发现：全国视阈下城市化对植被覆盖有显著的正向影响，城市化推进改善了植被覆盖水平，以上实证结果在控制一系列相关因素、剔除直辖市、剔除直辖市和自治区以及利用土地城市化率来替换城市化进行估计后，结论依然稳健显著。中部和西部地区城市化与植被覆盖存在显著的正向促进关系，而东部地区没有显著影响，同时，营林投资是城市化影响植被覆盖的重要传导渠道。长期以来，发达国家经历了环境先污染后治理的发展进程，而发展中国家面临着更为复杂的城市化进程和更加有限的资源环境，如若处理不好城市化与生态环境的问题，最终有限的资源也将对城市经济发展起到阻碍作用。在推进城市化的进程中不仅要考虑经济增长、产业结构、人口密度等因素在城市化发展过程中带来的植被覆盖的提升，同时，还要通过政策制定、投资建设来保护和提升植被覆盖水平。