陜西省能源足跡動態變化與影響因素分析

王 濤，馮 杰

(1.西安科技大學測繪科學與技術學院，陜西 西安 710054；2.西北大學城市與環境學院，陜西 西安710127；3.西安交通大學公共政策與管理學院，陜西 西安710049)

綠色礦業

陜西省能源足跡動態變化與影響因素分析

王 濤1,2，馮 杰3

(1.西安科技大學測繪科學與技術學院，陜西 西安 710054；2.西北大學城市與環境學院，陜西 西安710127；3.西安交通大學公共政策與管理學院，陜西 西安710049)

陜西省經濟發展與能源消耗關系密切，能源足跡是定量評價區域內能源消耗及經濟可持續發展的重要方法。陜西省能源足跡動態變化與影響因素分析，可為經濟可持續發展提供理論指導。以陜西省1999～2014年能源消耗數據為基礎，采用能源足跡計算模型和STIRPAT模型，分析陜西省能源足跡動態變化與影響因素，結果表明：①陜西省能源足跡呈增加趨勢，2007～2014年是能源足跡快速增加時期；能源足跡的增加明顯高于能源足跡人均承載力，導致陜西省能源足跡長期處于赤字狀態，且赤字逐步擴大，能源足跡生態壓力加大，生態安全風險增大，自然生態系統處于嚴重不安全狀態；②陜西省能源足跡中煤及煤制品的貢獻最大，平均超過80%，降低煤及煤制品消耗能夠有效降低能源足跡水平；③陜西省單位能源足跡產值呈增加趨勢，而能源足跡強度呈下降趨勢，表明陜西省能源集約利用效率在逐步提高；④陜西省能源足跡與第二產業占GDP的比重、人均GDP呈正相關關系。提高第三產業占GDP比重，減少煤及煤制品消耗量，均是陜西省降低能源足跡水平的有效途徑。

能源足跡計算模型；STIRPAT模型；生態安全；陜西省

改革開放之后，中國經濟得到了迅猛的發展。相對東部沿海地區經濟發展而言，中西部地區的經濟發展起步較晚。陜西省經濟在過去30多年時間里得到了迅速發展，尤其是2000年之后，經濟快速發展更為明顯[1]。與經濟發展過程相對應，陜西省乃至中國經濟發展與能源消耗之間關系明顯[2-3]，經濟發展主要是能源消耗型[4-6]。

能源足跡(Energy Ecological Footprint，EEF)由生態足跡(Ecological Footprint，EF)衍生而來，用于定量分析區域內能源消耗及對生態環境產生的壓力和區域經濟發展的可持續性問題[7-8]。能源足跡通過將區域內能源消耗折算成生物生產性土地面積的方法進行分析。除能源足跡外，近年來，水足跡[9-10]、碳足跡[11-12]以及污染足跡[13]等生態足跡的衍生內容越來越多。總體來看，各種足跡研究均難脫離生態足跡的基本范疇[14-15]。陜西省能源足跡動態分析，有助于揭示陜西省能源消耗及評價經濟可持續發展能力，是定量評價可持續發展的重要方法。

國內外關于能源足跡研究的內容較為豐富。研究尺度方面，從全球[16]、國家[17-19]、省域[20-22]、市域[23-24]尺度均進行了研究，結果均表明，改革開放之后隨著經濟的快速發展，能源消耗增大，能源足跡呈上升趨勢。研究方法方面，傳統能源足跡模型存在諸多問題[15,25]，在此基礎上很多學者提出和應用改進的能源足跡模型，對不同區域尺度進行了分析，結果反映出改進能源足跡模型相對傳統能源足跡模型計算結果要更為樂觀[26-27]。此外，一些學者利用投入-產出模型對能源足跡進行了分析[28]。能源足跡研究在交通運輸等國民生產部門的行業基本單元[29]與城市消費者個體等人類個體方面[11]以及新能源、清潔能源方面[30]有深入研究的趨勢。

陜西省位于中國西北部，總土地面積20.56×104km2，地貌類型包括陜北黃土高原、關中平原和陜南秦巴山地三個部分。氣候屬溫帶大陸性季風氣候，年平均氣溫為14.1℃，年降水量618.1 mm。1999～2014年是陜西省經濟快速發展時期，能源消耗量持續增加，土地利用發生較大變化，對其能源足跡動態變化與影響因素分析，對于科學認識經濟發展的能源消耗現狀以及評估區域可持續發展，提高能源集約利用具有重要意義。

1 數據與方法

1.1 數據來源

研究使用數據主要來自陜西省統計年鑒(2000～2015年)[1]，主要包括1999～2014年陜西省能源消耗量、森林面積、人口數量、GDP、第二產業占GDP比重、單位工業增加值能耗量數據。

1.2 研究方法

1.2.1 能源足跡測度方法

1.2.1.1 能源足跡

能源足跡計算方法借助于生態足跡計算模型，生態足跡有關概念、假設等參見文獻[31]。本文采用趙冠偉等[32]和張樂勤等[23]使用的計算公式,見式(1)。

(1)

式中：EEF為人均能源足跡，ghm2/人；i表示能源類型；Fi為第i種能源消耗量，kg標準煤；Ai為第i種能源的全球平均足跡，ghm2；P為人口數量。文中計算使用全球平均足跡，煤及煤制品為55 GJ·ghm-2，石油及石油制品為73 GJ·ghm-2，天然氣為93 GJ·ghm-2。能源折算系數分別為1 t原煤=0.714 3 t標準煤，1 t原油=1.428 6 t標準煤和1 m3天然氣=1.33 kg標準煤。熱能轉化標準為1kg標準煤熱能=7 000 kcal，1 kcal=4.186 8 kJ。

1.2.1.2 能源足跡人均承載力

能源足跡人均承載力計算借鑒人均生態承載力計算方法，采用劉某承等[33]使用的計算公式，如式(2)所示。

PEEF=∑j=1Ai×rj×yj

(2)

式中：PEEF為能源足跡人均承載力，ghm2/人；Aj為第j種類型土地的人均面積，ghm2/人；rj為均衡因子；yj為產量因子。據張樂勤等[23]，均衡因子和產量因子分別取林地1.41和0.91。

1.2.1.3 能源足跡生態壓力

能源足跡生態壓力(Ecological Pressure Intensity of Energy Footprint，EPIEF)是人類消耗能源及廢物排放與生態環境承載力的比值。比值越大，反映生態壓力越大，生態安全風險越大，反之，則生態壓力小，生態安全風險小，其計算公式見式(3)。

EPIEF=EEF/PEEF

(3)

式中：EPIEF為能源足跡生態壓力；EEF為人均能源足跡，ghm2/人；PEEF為森林對能源足跡的人均承載力，ghm2/人。

1.2.1.4 能源足跡產值

能源足跡產值(Value of Energy Footprint, VEF)表示單位能源足跡產生的經濟效益，值越大反映能源利用率高，經濟發展良好，反之則較差。計算公式見式(4)。

VEF=PGDP/EEF

(4)

式中：VEF為能源足跡產值，元/ghm2；PGDP為人均GDP，元/人；EEF為人均能源足跡，ghm2/人。

1.2.1.5 能源足跡強度

能源足跡強度(Energy Footprint Intensity, EFI)表示萬元GDP生產所需能源足跡，值越大反映能源集約利用程度較差；反之則較好。計算公式見式(5)。

EFI=EEF×P/GDP

(5)

式中：EFI為能源足跡強度，ghm2/萬元；EEF為人均能源足跡，ghm2/人；P為人口數量。

1.2.2 影響因素分析

陜西省能源足跡影響因素分析采用STIRPAT模型。STIRPAT模型由Rose等對已有經濟增長與資源環境關系IPAT模型改進而得到，其模型表達式見式(6)[34-35]。

I=aPbAcTdε

(6)

式中：I、P、A、T分別表示環境影響、人口數量、富裕程度和技術；a、b、c、d分別是系數，ε為模型殘差項，見式7。

借鑒李琦等[36]構建的改進模型計算。

Q=KPaDbIcTd

(7)

式中：Q為人均能源足跡，ghm2/人；P為人口數，萬人；D為經濟發展水平，用人均GDP表示，元/人；I為產業結構狀況，用第二產業占GDP的比重表示；T為能源利用技術，用單位工業增加值能耗表示，t/萬元；K為常數；a、b、c和d為系數。

對式(7)兩側取對數，得到式(8)。

lnQ=lnK+alnP+blnD+clnI+dlnT

(8)

以lnQ為因變量，lnP、lnD、lnI和lnT為自變量，lnK為常數項，在對原始數據處理(取對數)基礎上，進行多元線性回歸擬合，分析陜西省1999～2014年能源足跡動態變化影響因素。

2 結果分析

2.1 能源足跡動態變化分析

利用陜西省1999～2014年能源消耗數據，根據式(1)計算得到1999～2014年陜西省人均能源足跡(圖1)。

陜西省1999～2014年能源消耗量由2 544.20×104t標準煤增加到11 568.38×104t標準煤。由圖1可知，1999～2014年，陜西省人均能源足跡由1999年的0.355 5 ghm2/人增加到2014年的1.516 5 ghm2/人，增加約4.26倍。1999～2000年由于煤品標準煤消耗量的減少，人均能源足跡呈微弱的減少；2001～2014年呈線性增加趨勢。1999～2014年陜西省年平均人均能源足跡為0.890 3 ghm2/人，其中1999～2006年低于平均值，2007～2014年高于平均值，并且前者年平均能源足跡為0.531 0 ghm2/人，遠低于2007～2014年的1.249 6 ghm2/人。以上分析表明，2007年是陜西省近15年經濟發展的轉折點，之后的能源消耗、人均能源足跡均呈快速的增加特征。

2.2 能源足跡生態壓力分析

根據式(2)和式(3)，結合陜西省1999～2014年森林面積數據、人口數據及EEF值計算得到圖2。

圖1 能源消耗量及人均能源足跡(EEF)

圖2 人均能源足跡供需及能源足跡生態壓力變化

由圖2可知，陜西省1999～2014年能源足跡生態壓力(EPIEF)持續增加，2014年是1999年的2.59倍。1999～2014年，陜西省人均能源足跡(EEF)持續增加，由1999年的0.355 5 ghm2/人增加到2013年的1.516 5 ghm2/人，而能源足跡人均承載力(PEEF)僅由1999年的0.176 4 ghm2/人增加到2014年的0.290 0 ghm2/人，增加量及增加速率顯著小于人均能源足跡。總體上，陜西省人均能源足跡長期處于赤字狀態，赤字由1999年的0.179 1 ghm2/人擴大到2014年的1.226 5 ghm2/人，并且研究時段內人均能源足跡赤字呈明顯的擴大趨勢，供需矛盾突出。EPIEF由1999年的2.015 3擴大到2014年5.229 2，表明陜西省能源消耗對生態環境影響較大，生態安全風險很大，自然生態系統處于嚴重的不安全狀態。

2.3 能源足跡結構分析

人均能源足跡計算過程涉及到各類能源足跡的計算，見式(1)。通過計算得到的各類能源人均能源足跡，可以得到陜西省1999～2014年人均能源足跡構成(圖3)。

圖3表明，陜西省1999～2014年，EEF(煤品)足跡在能源足跡中占主導地位，平均占比為80.61%，EEF(油品)次之，平均占比為15.25%，EEF(天然氣)最低，為4.14%。煤及煤制品作為陜西省乃至中國的主要能源，在人均能源足跡中占有主導地位，降低能源足跡及生態安全風險，需要從降低能源結構中煤及煤制品比例出發。

2.4 能源足跡強度分析

根據公式(4)和(5)計算得到陜西省1999～2014年單位能源足跡產值(VEF)和能源足跡強度(EFI)，見圖4。

圖3 人均能源足跡構成

圖4 人均GDP、VEF和EFI變化

圖4可知，陜西省1999～2014年人均GDP呈指數增加趨勢，由1999年的4 402元/人，增加到2014年的46 861元/人，增加10.65倍，其中2007～2014年增加速度高于1999～2006年。單位能源足跡產值(VEF)呈增加趨勢，由1999年的12 383.60元/ghm2增加到2014年的30 900.07元/ghm2，增加2.50倍。VEF變化過程可以劃分為1999～2006年的緩慢增加階段和2007～2014年的快速增加階段，前一階段平均值為13 953.83元/ghm2，后一階段為23 807.98元/ghm2，后一階段是前一階段的1.71倍，表明2007之后，陜西省單位能源足跡產值在迅速提高，也反映了2007～2014年是陜西省經濟快速發展時期。與人均GDP、VEF變化過程相反，能源足跡強度(EFI)呈下降趨勢，由1999年的0.807 5 ghm2/萬元降低到2014年的0.323 6ghm2/萬元，表明陜西省1999～2014年每萬元GDP生產需要消耗的能源在降低，即能源集約利用程度在提高，間接表明陜西省經濟發展過程中，對能源消耗的依賴在逐漸降低。反映在GDP結構上，表現為第三產業(能源消耗較小)的規模、產值持續增加，在GDP構成中所占比例也在增加。EFI變化過程可以劃分為1999～2006年和2007～2014年兩個階段，前一階段平均值為0.72 ghm2/萬元，后一階段為0.43 ghm2/萬元，后一階段是前一階段的60.4%。

2.5 影響因素分析

利用STIRPAT模型，以陜西省1999～2014年能源足跡(Q)為因變量，人口(P)、人均GDP(D)、第二產業占GDP的比重(I)和單位工業增加值能耗(T)為自變量，先在Excel中對Q、P、D、I和T求自然對數，而后利用求出的結果在SPSS19.0中進行逐步回歸擬合，得到回歸擬合方程,見式(9)。

lnQ=-13.073+0.380lnD+2.351lnI

(9)

逐步回歸擬合方程表明，能源足跡變化與人口(P)、單位工業增加值能耗(T)無相關性，P和T均未進入回歸方程，反映出陜西省1999～2014年人口因素、單位工業增加值能耗變化并未引起能源足跡的變化。D、I進入回歸方程，并且P<0.001，F=1129.016，回歸方程顯著，表明D、I與能源足跡相關性較強。通過擬合方程各變量系數可知，D、I的系數分別為0.380、2.351，表明能源足跡與第二產業占GDP的比重(I)關系最密切，其次是人均GDP(D)，并且均呈正相關關系。即第二產業占GDP比重增加、人均GDP增加，均會導致能源足跡的增加。

3 結論與討論

以陜西省1999～2014年能源消耗數據為基礎，利用能源足跡計算模型和STIRPAT模型，分析了陜西省能源足跡動態變化和影響因素，得到如下結論。

1)陜西省1999～2014年能源消耗量由2 544.20 t標準煤增加到11 568.38 t標準煤，人均能源足跡由0.355 5 ghm2/人增加到1.516 5 ghm2/人。2007～2014年是陜西省能源消耗量和人均能源足跡迅速增加的時期。

2)陜西省1999～2014年能源足跡人均承載力由0.176 4 ghm2/人增加到0.290 0 ghm2/人，明顯低于能源足跡增加速率。陜西省能源足跡長期呈赤字狀態且赤字水平逐步擴大，由0.179 1 ghm2/人擴大到1.226 5 ghm2/人，能源足跡生態壓力較大，由2.015 3增加到5.229 2。陜西省生態安全風險很大，自然生態系統處于嚴重不安全狀態。

3)陜西省能源足跡中煤及煤制品貢獻最大，平均占80%以上，降低煤及煤制品消耗量，能夠有效降低能源足跡水平，降低生態安全風險。

4)陜西省1999～2014年人均GDP持續增加，由4 402元/人增加到46 861元/人，單位能源足跡產值也呈持續增加態勢，由12 383.60元/ghm2增加到 30 900.07元/ghm2，能源足跡強度呈下降趨勢，由0.807 5 ghm2/萬元降低到0.323 6 ghm2/萬元，表明陜西省能源集約利用效率在逐步提高。

5)陜西省能源足跡與第二產業占GDP的比重、人均GDP呈正相關關系。即第二產業占GDP比重增加、人均GDP增加，均會導致能源足跡的增加。同時也表明縮減第二產業占GDP比重，提高人均GDP水平能夠有效降低能源足跡水平，其中，發展第三產業，減少煤及煤制品消耗，均是降低能源足跡水平的有效途徑。

傳統能源足跡計算模型是一種悲觀模型[26]，尤其是在能源足跡人均承載力計算過程中，僅考慮了森林的作用，而忽視了草地、水域、耕地等CO2吸收的作用。所以，本文計算過程中，陜西省1999～2014年的人均能源足跡赤字以及能源足跡生態壓力值偏大。同時，就陜西省而言，統計年鑒中除森林面積外，還有林地面積統計，并且林地面積值要高于同期森林面積，如果使用林地面積計算能源足跡人均承載力，得到的人均能源足跡赤字和能源足跡生態壓力值會有所減小，但總體趨勢未發生變化。能源足跡模型計算僅能估算某一地區的能源足跡狀況，隨著計算模型的改進，得到的結果大相徑庭，需要進一步從能源足跡產生過程、機理方面進行系統、深入研究。

[1] 陜西省統計局，國家統計局陜西調查總隊.陜西統計年鑒(2000～2014年)[M].北京：中國統計出版社，2000～2015年.

[2] 吳敬銳，楊兆萍，阿依達·賽肯. 基于STIRPAT模型分析新疆能源足跡的影響因素[J]. 干旱區地理，2011，34(1): 187-193.

[3] 梅艷，何蓓蓓，劉友兆. 江蘇省生態足跡與經濟增長關系的計量分析[J]. 自然資源學報，2009，24(3): 476-482.

[4] 岳強，李志偉，王彤，等. 遼寧省人均能源足跡分解模型及實證分析[J]. 東北大學學報：自然科學版，2011，32(2): 288-291.

[5] 曲艷偉. 基于可計算一般均衡模型的中國能源生態足跡研究[D]. 阜新: 遼寧工程技術大學， 2012.

[6] 陳成忠，林振山. 中國生態足跡和生物承載力構成比例變化分析[J]. 地理學報，2009，64(12): 1523-1533.

[7] Chakraborty D, Roy, J. Energy and carbon footprint: numbers matter in low energy and low carbon choices[J]. Current Opinion in Environmental Sustainability, 2013, 5: 237-243.

[8] St?glehner G. Ecological footprint-a tool for assessing sustainable energy supplies[J]. Journal of Cleaner Production, 2003, 11: 267-277.

[9] Lee Y J. land, carbon and water footprints in Taiwan[J]. Environmental impact assessment review, 2015, 54: 1-8.

[10] Elena G, Esther V. From water to energy: the virtual water content and water footprint of biofuel consumption in Spain[J]. Energy Policy, 2010, 38: 1345-1352.

[11] Hassard H A, Couch M H, Techa-erawan T, et al. Product carbon footprint and energy analysis of alternative coffee products in Japan[J]. Journal of Cleaner Production, 2014, 73: 310-321.

[12] Pekala L M, Tan R R, Foo D C Y, et al. Optimal energy planning models with carbon footprint constraints[J]. Applied Energy, 2010, 87: 1903-1910.

[13] 閔慶文，焦雯珺，成升魁. 污染足跡：一種基于生態系統服務的生態足跡[J]. 資源科學，2011，33(2): 195-200.

[14] 方愷. 足跡家族：概念、類型、理論框架與整合模式[J]. 生態學報，2015，35(6): 1647-1659.

[15] Wiedmann T, Barrett J. A review of the ecological footprint indicator-perceptions and methods[J]. Sustainability, 2010, 2: 1645-1693.

[16] 方愷，董德明，林卓，等. 基于全球凈初級生產力的能源足跡計算方法[J]. 生態學報，2012，32(9): 2900-2909.

[17] Lammers A, Moles R, Walsh C, et al. Ireland’s footprint: a time series for 1983-2001[J]. Land Use Policy, 2008, 25: 53-58.

[18] Chen B, Chen G Q, Yang Z F, et al. Ecological footprint accounting for energy and resources in China[J]. Energy Policy, 2007, 35: 1599-1609.

[19] 陳成忠. 生態足跡模型的多尺度分析及其預測研究[D]. 南京: 南京師范大學，2008.

[20] 張樂勤，李榮富，榮慧芳，等. 安徽省近10年能源足跡測度及驅動因子分析[J]. 環境科學研究，2012，25(4): 474-480.

[21] 劉建興，許肅. 福建省1990～2008年能源足跡強度及生態壓力分析[J]. 中國礦業，2010，19(9): 21-24.

[22]ZhangY,ZhengH,FathBD.Analysisoftheenergymetabolismofurbansocioeconomicsectorsandtheassociatedcarbonfootprints:modeldevelopmentandacasestudyforBeijing[J].EnergyPolicy, 2014, 73: 540-551.

[23] 張樂勤，司友斌，榮慧芳，等. 池州市2000-2010年能源足跡動態測度與驅動因子分析[J]. 環境科學學報，2012，32(5): 1270-1280.

[24] 荊治國，周杰，詹濤，等. 調整特征參量的生態足跡新方法研究-以西安市為例[J]. 資源科學，2009，31(11): 1982-1987.

[25] 方愷，董德明，沈萬斌. 生態足跡理論在能源消費評價中的缺陷與改進探討[J]. 自然資源學報，2010，25(6): 1013-1021.

[26] 方愷，董德明，沈萬斌. 基于凈初級生產力的能源足跡模型及其與傳統模型的比較分析[J]. 生態環境學報，2010，19(9): 2042-2047.

[27] 韓召迎，孟亞利，劉麗平，等. 基于區域土地利用變化的能源碳足跡改進算法及應用[J]. 農業工程學報，2012，28(9): 190-195.

[28]PenelaAC,VillasanteCS.Applyingphysicalinput-outputtablesofenergytoestimatetheenergyecologicalfootprint(EEF)ofGalicia(NWSpain) [J].EnergyPolicy, 2008, 36: 1148-1163.

[29]LarsonW,LiuF,YezerA.Energyfootprintofthecity:effectsofurbanlanduseandtransportationpolicies[J].JournalofUrbanEconomics, 2012, 72: 147-159.

[30]WuJianhua,HeChenglong,XuWeilin.Energyfootprintevaluationofhydropowerprojects[J].ScienceChina:TechnologicalSciences, 2013, 56(9): 2336-2342.

[31] 蔡運龍. 自然資源學[M]. 北京: 科學出版社,2007.

[32] 趙冠偉，楊木壯，陳建飛. 1990-2007年中國能源足跡時空差異分析[J]. 地理與地理信息科學，2011，27(2): 65-69.

[33] 劉某承，王斌，李文華. 基于生態足跡模型的中國未來發展情景分析[J]. 資源科學，2010，32(1): 163-170.

[34]ChertowMR.TheIPATequationanditsvariants:changingviewsoftechnologyandenvironmentalimpact[J].JournalofIndustrialEcology, 2000, 4(4): 13-30.

[35]YorkR,RoseEA,DietzT.Ariftinmodernity?AssessingtheanthropogenicsourcesofglobalclimatechangewiththeSTIRPATmodel[J].InternationalJournalofSociologyandSocialPolicy, 2003, 23(10): 31-51.

[36] 李琦，孫根年，韓亞芬. 中國能源足跡的區域差異及影響因素分析[J]. 統計與決策，2010(19): 111-113.

Dynamic change of energy ecological footprint and its influencing factors in Shaanxi province

WANG Tao1, 2, FENG Jie3

(1.College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China; 2.College of Urban and Environmental Science, Northwest University, Xi’an 710127, China; 3.School of Public Policy and Administration, Xi’an Jiaotong University, Xi’an 710049, China)

Economic development has closely relationship with energy consumption in Shaanxi province, while energy ecological footprint (EEF) is an important method to quantitatively evaluate energy consumption and economic development sustainably. Analysis of dynamic change of EEF and influencing factors would provide theoretical guidance for sustainable economic development of Shaanxi province. Calculated model of EEF and STIRPAT model were used to analyze dynamic change of EEF and influencing factors on the basis of energy consumption data from 1999 to 2014 in Shaanxi province. Result showed: ① EEF showed an increasing trend and it was the rapid increase period during 2007-2014 year. The increase of EEF was higher than per person capacity of EEF, which leaded to deficit of EEF of Shaanxi province. With the deficit enlarging, the ecological pressure of EEF and the risk of ecological security were increase and the natural ecosystem was in a serious state of insecurity. ② Coal and coal products was the most contribution to EEF of Shaanxi province with more than 80% in an average from 1999 to 2014. EEF should be cut down by the reduction of consumption of coal and coal products. ③ The output of million GDP of per unit EEF showed increasing trend, while EEF intensity showed decrease trend, which all indicated that the efficiency of energy intensive use was gradually improved. ④ The correlation between EEF and ratio of the secondary industry in GDP, per capital GDP was positive. It is an effective way to reduce EEF by increasing the ratio of the third industry in GDP and cutting down the consumption of coal and coal products.

calculated model of energy ecological footprint; STIRPAT model; ecological security; Shaanxi province

2016-07-17

國家自然科學基金項目資助(編號：41671086)；國家重點研發計劃項目資助(編號：2016YFC0501707)；黃土高原土壤侵蝕與旱地農業國家重點實驗室開放基金項目資助(編號：A314021402-1616)

王濤(1984-)，男，河南湯陰人，博士，講師，研究方向為區域環境變化，E-mail：wht432@163.com。

F301.24

A

1004-4051(2017)02-0083-05