陜西省區域生態足跡動態變化及驅動因素差異研究

楊屹, 樊明東, 張景乾

西安理工大學經濟與管理學院, 西安 710054

1 前言

自20世紀90年代以來, 區域非均衡發展成為學術研究熱點之一。區域生態差異性導致的經濟社會發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域生態的基本狀況, 但也受到不同經濟發展模式的影響。相對東部而言, 西部經濟社會發展水平仍有待提高, 生態環境建設的投入還有一定差距。不同經濟發展模式也使得區域間生態環境大相徑庭[1]。WANG Mingquan等通過比較中國31個省份的生態足跡發現人口密集的東部沿海地區生態足跡最大, 而西部地區生態足跡總量較低[2]。CHU Xi等使用生態足跡法定量測量京津冀地區生態安全狀況, 結果顯示, 快速的城市化和工業化致使資源利用過度, 區域生態足跡均呈上升趨勢, 天津生態安全水平評估風險較高, 而北京從“風險”轉為“高風險”, 河北則由“高風險”轉為“風險”[3]。LI Jingwei等通過1990—2010年內蒙古、陜西、新疆三省的生態足跡動態變化來評估中國北方旱地可持續發展水平, 結果顯示, 這三個省份可持續發展水平急劇下降[4]。胡正李等測算了1997—2014年北京、上海、天津、重慶的人均生態足跡, 生態足跡動態差異變化比較研究表明, 化石能源足跡成為人均生態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足跡變化及自然資本利用驅動因素, 結果顯示, 珠江三角洲生態足跡高于全國大部分地區,人口規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、關中和陜南三大區域, 具有鮮明的地域特征及經濟差異性。形成這一差異的主要原因是地理區位與自然資源稟賦。陜北多為山地和黃土高原, 自然環境差, 生態系統脆弱。關中處于平原地帶, 交通便捷, 區位條件好, 是陜西經濟發展最快的區域。陜南自然資源豐富, 生態多樣性較高, 為秦巴山區生態多樣性功能區的重要組成部分, 生態地位重要, 生態環境穩定。任志遠等通過構建生態壓力指數測算模型, 對陜西省三大區域的生態安全進行等級劃分, 結果顯示, 陜北處于生態安全臨界狀態, 關中為不安全狀態, 陜南處于安全狀態[7]。楊屹等依據陜西省地域特點, 采用修正后的生態足跡模型測算了 2000—2012年陜西省生態足跡及承載力動態變化[8], 同時, 研究了陜南生態環境資源消耗及占用狀況, 結果表明, 陜南三市生態效率動態變化與資源效率波動一致, 呈先增后減的趨勢[9]。為推動陜西三大區域的協調發展, 進一步揭示驅動區域生態變化差異性的社會經濟因素,結合不同區域資源稟賦及經濟要素的實際, 應用生態足跡模型、基于PLS方法修正的STIRPAT模型評價區域生態足跡差異性的驅動因素及對社會經濟發展的影響。這不但能夠為研究不同尺度區域間經濟社會、生態協調發展提供科學依據, 而且對提出區域可持續發展對策與建議有一定參考意義。

2 研究方法

2.1 人均生態足跡及相關指數

作為一種評價可持續發展的研究方法[10], 生態足跡方法使可持續發展從一個抽象的理念變為可操作的實踐[11], 通過引入“均衡因子”和“產量因子”將區域范圍內資源與能源消費轉化為能夠提供這種物質流所必需的生產性土地面積, 然后同區域內所能夠提供的生產性土地面積進行比較, 通過計算生態承載供需差額, 在保證生存和發展的前提下判別生產消費活動是否處于生態系統承載力范圍內[12]。應用生態足跡模型有兩個假設條件, 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性土地面積來量化區域內的消耗和廢棄物[14]。其中, 生物生產性土地是指具有生態生產能力的地表空間, 是生態足跡分析法為各類自然資本提供的統一度量基礎。人均生態足跡是全部的生物生產性土地與人口數量之比。人均生態足跡的計算公式為：

在式(1)中,EF為人均生態足跡,EFi為第i類消費商品的生態足跡,N為該區域的總人口數,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能力,i為消費商品的類別。

生態承載力是指區域內所能提供給人類的生物生產性土地的面積總和。人均生態承載力計算公式為：

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

人均生態盈虧ED是指人均生態承載力EC與人均生態足跡EF之差, 計算公式為：

當人均生態盈虧ED＜0時顯示為生態赤字, 表明生態環境已超載, 反之則為生態盈余, 由此判斷區域發展是否處于生態承載力范圍之內。

生態壓力指數EPI反映人類活動對生態系統的干擾強度, 用人均生態足跡與人均生態承載力的比值表示[15], 計算公式為：

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

萬元 GDP生態足跡是指將區域每單位最終產出所耗費的各種資源折算為生物生產性土地面積,反映經濟發展對土地資源利用率、經濟增長和技術進步對可持續發展的影響[17]。計算公式為：

萬元GDP生態足跡越大, 說明資源利用率越低,反之則利用率越高。

生態足跡多樣性指數是描述特定區域內各類消費所需生物生產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為生態足跡多樣性指數,pi為第i類土地類型在生態足跡中的比例。H越大, 則區域生態足跡分配越公平, 反之則區域生態足跡類型單一或比例失衡, 生態系統處于不穩定狀態[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生物生產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。生態承載力為生態系統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等在分析經濟增長對資源環境變化驅動因素影響時首次提出了 IPAT模型[22]。由于該模型對驅動因素數據變化的要求嚴格,有一定的局限性。1991年, Rose等在IPAT模型基礎上對人口、財富和技術進行回歸, 建立了環境壓力隨機模型, 即STIRPAT模型[23], 計算公式為：

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

目前, 研究驅動區域生態足跡動態變化的因素主要從人口、經濟、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、第二產業結構及城鎮化率等因素對生態足跡變化的影響[24]。TANG Wei等采用STIRPAT模型測算了四川省生態足跡變化的驅動因素, 認為人口數量是主要因素, 而且工業化水平同生態足跡變化呈正相關[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系統的影響, 認為全球城市化率總體生態彈性為負[26]。黃寶榮等應用 IPAT模型測算了 2000—2010年中國生態足跡變化情況, 結果顯示, GDP的快速增長及城鎮化是生態足跡急劇增長的主要驅動因素[27]。借鑒這些成果, 結合陜西省的實際, 在分析三大區域生態足跡差異性時, 選取人口、人均GDP、第二產業比重、第三產業比重及城鎮化率為STIRPAT模型中的解釋變量。由此構建出陜西三大區域生態足跡驅動因素關系模型：

對式(10)兩邊同時取對數, 得到：

式(11)中,Y表示人均生態足跡；lna和lnε分別為常數與隨機擾動項；lnP為總人口數；lnA為人均GDP, 指經濟發展水平；lnT1和lnT2分別表示第二產業比重與第三產業比重；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。

2.3 偏最小二乘回歸法

偏最小二乘回歸(partial least-squares regression,簡稱 PLS)方法是一種多元統計數據分析方法, 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、環境等生態承載因素與社會經濟指標之間的關系[28]。在應用普通的多元線性回歸分析時, 常會受到樣本點數量、自變量之間的多重相關性等問題困擾, PLS是集多元線性回歸分析、典型相關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回歸模型的建立、自變量的降維以及各變量之間的相關分析,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建模中的影響, 而且減少了樣本點過少而對回歸分析的結果產生的影響, 提高了模型相關分析的精度, 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, 構建因變量與自變量的數據矩陣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據矩陣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測算驅動因素程度的大小時, 常采用變量投影重要性指數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。一般情況下, 當VIP值大于1時, 自變量xj對于因變量Y是重要的驅動因素；當VIP值小于1而大于0.5時, 認為是一般重要的驅動因素；當VIP值小于0.5而大于0時, 則認為是不重要的驅動因素。

2.4 研究區域

陜西省位于我國西北內陸腹地, 全省面積為20.58萬平方公里。根據地形特點自北向南可分為地理、經濟、文化等截然不同的三大區域。北部為陜北區域, 包括延安市和榆林市, 區域總面積 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, 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%。全省油氣產量幾乎都來自于陜北。陜北生態系統敏感脆弱, 自然環境復雜, 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濟社會的發展。20世紀 90年代后期, 陜北實施了“退耕還林”、“退牧還草”等生態工程, 有效地改善了人居環境。但 2000年以后,隨著“西部大開發”、“一帶一路”等國家戰略的實施,在獲得重大發展機遇的同時, “削山造城”、“煤氣油”開發等大型工程的建設導致陜北生態容量遭受著前所未有的挑戰。陜西中部為關中區域, 包括西安市、銅川市、寶雞市、咸陽市、渭南市、楊凌農業高新技術產業示范區等。區域內人口數量占全省總人口數的 63%, 是全省人口最為密集的地區。關中農業耕種條件優越, 為主要的農耕區。關中工業集中,2016年區域內GDP占全省GDP總數的62.8%, 三次產業比重為8.0：45.9：46.1, 是西北綜合實力最強的區域, 但關中水資源緊缺, 渭河流域污染嚴重, 空氣質量日趨下降, 霧霾天氣嚴重影響關中生態環境。在陜西省“十三五”規劃中, 提出“四橫十縱”關中水網、“引漢濟渭”、渭河生態區及水生態建設等重點項目, 系統修復關中主要江河湖等水系水生態,并實施PM2.5治理、熱電聯產及余熱余壓利用等項目, 提高城市空氣質量。陜西南部為陜南區域, 包括漢中市、安康市、商洛市。作為秦巴山區的重要組成部分, 陜南水資源占全省的 71%, 不僅是南水北調中線工程的水資源重要涵養地, 而且也是我國極其重要的生態屏障與生態功能區。陜南生態資源豐富, 擁有13個國家森林公園及12個國家自然保護區, 但經濟發展緩慢, 生態環境保護與區域經濟發展的矛盾凸顯。近年來, 陜南礦產資源的開發、環境保護的滯后、城鎮化率及產業發展的提高對生態環境產生了一定的影響。

2.5 數據來源及說明

第一, 陜北、關中、陜南三大區域 2005—2015年生物資源賬戶、化石能源賬戶、建設用地賬戶、污染排放賬戶的原始數據均來源于 2006—2016年《陜西省統計年鑒》。

第二, 在計算生態足跡過程中, “均衡因子”和“產量因子”來源于全球生態足跡網(Global Footprint Network)2017年發布的《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能力較差的土地, 將其均衡因子設定為1.0。

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

第四, 研究三大區域的生態足跡驅動因素過程中, 需要以人口數、人均GDP, 第二產業比重、第三產業比重和城鎮化率為驅動因素指標。由于2006年及2016年以后的《陜西省統計年鑒》未統計城鎮人口數, 無法計算出城鎮化率。因此, 在生態足跡驅動因素分析過程中, 選取數據的時間為2006—2014年。

3 結果分析

3.1 區域人均生態足跡計算結果

根據式(1)得出, 2005—2015年陜西三大區域人均生態足跡均呈增長趨勢, 陜北人均生態足跡由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%。關中人均生態足跡由 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, 陜北人均生態足跡變化明顯。

根據式(2)得出, 2005—2015年陜北、關中、陜南人均生態承載力分別在 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)。

根據式(3)得出, 2005—2015年陜北人均生態赤字由 0.564 hm2·人-1減少至-1.852 hm2·人-1, 關中人均生態赤字從-1.215 hm2·人-1減少為-2.318 hm2·人-1,陜南人均生態赤字從 0.747 hm2·人-1降低至-0.091 hm2·人-1(如表2所示)。結果顯示, 三大區域人均生態赤字均不斷增加。

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

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

3.2 區域生態相關指數結果分析

根據式(4)得出, 2005—2015年陜西三大區域生態壓力指數呈上升趨勢(如圖2所示)。2005年關中生態壓力指數為3.249, 到2015年增至5.398, 增長了0.662倍。相比之下, 陜北與陜南生態壓力指數起點較低, 2005年陜北、陜南生態壓力指數分別為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 陜西三大區域人均生態足跡、人均生態承載力、人均生態赤字測算結果 (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年陜西省三大區域生態壓力指數動態變化情況Fig. 2 Changes of ecological tension index in three regions of Shaanxi province from 2005 to 2015

根據式(5)得出, 2005—2015年陜西三大區域萬元GDP生態足跡指數均呈下降趨勢(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%。結果表明, 近年來陜西省區域資源利用效率在逐步提高。

根據式(6)得出, 2005—2015年陜北、關中、陜南的生態足跡多樣性指數分別從 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, 陜北生態系統最不穩定。

根據式(7)與(8)得出, 陜西三大區域的足跡深度逐年增加(如圖4所示), 陜北、關中、陜南年均分別增長4.7%、5.1%、2.3%。足跡廣度結果表明, 關中一直保持著自然資本中度利用型的狀態, 陜北和陜南從自然資本輕度利用型逐漸轉變為自然資本中度利用型[32]。

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

3.3 驅動區域生態足跡變化的因素分析

基于STIRPAT模型對陜西三大區域進行最小二乘回歸分析的結果顯示(如表3所示), 對陜北、關中、陜南的模型調整后擬合優度均介于0.960—0.994之間,D-W統計量檢驗結果為2.729—3.418,F統計量的顯著性值 Sig.＜0.05, 可以通過顯著性檢驗。說明三大區域的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模型結果。從表4可以看出, 陜北的城市化率指標VIF=4.241＜10, 關中的人口指標的VIF=5.784＜10, 陜南的各指標VIF值均大于 10, 這意味著驅動生態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域生態足跡變化驅動因素將會失真。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年陜西省三大區域足跡深度、足跡廣度動態變化情況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 驅動陜北生態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, 繼續提取有效成分Q52=0.0442＜0.0975, 因此停止繼續提取有效成分, 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。根據特異點分析原理, 所有點都在 t1/t2橢圓圖內部, 從而保證了模型樣本質量達到建模要求。由此得出陜北PLS模型為：

從式(13)可以看出, 人均GDP、第二產業比重和第三產業比重的彈性系數為正, 對陜北生態足跡的變化有促進作用。而人口數、城鎮化率的彈性系數為負, 對陜北生態足跡的變化有減緩作用。各驅動因素lnP、lnA、lnT1、lnT2、lnU的彈性系數分別為-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%。從驅動因素的彈性系數可以看出,人均GDP對陜北生態足跡變化的影響最大, 其次是總人口數、第二產業比重及第三產業比重, 城鎮化率對生態足跡變化的影響最不顯著。

根據公式(9), 得到各驅動因素的VIP值。VIP值顯示, 對驅動陜北生態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、城鎮化率、第二產業比重、第三產業比重(如圖5所示)。人均GDP和區域總人口數的VIP值均大于1, 是重要驅動因素。人均GDP的快速增長主要是由于陜北能源重化工企業的快速發展、工業產值的增加以及社會固定資產投資的帶動。企業生產消耗大量的能源,產生污染廢氣物, 導致陜北近幾年化石能源賬戶和污染排放賬戶生態足跡大幅增加, 引起陜北生態足跡的變化。而區域人口數的彈性系數為負, 說明人口的增長有助于緩解陜北生態足跡。城鎮化率、第二產業比重與第三產業比重的VIP值均在0.5—1之間, 對陜北生態足跡變化的影響不顯著。

3.3.2 驅動關中生態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橢圓圖內部, 說明模型的樣本質量得到保證。由此得出關中PLS模型為：

從式(14)可以看出, 區域人口數、人均 GDP與第二產業比重、城鎮化率的彈性系數為正, 說明與關中生態足跡變化正相關。而第三產業所占比重的彈性系數為負, 說明與生態足跡變化負相關。各項驅動因素指標lnP、lnA、lnT1、lnT2、lnU的彈性系數分別為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與城鎮化率對關中生態足跡變化的影響最顯著, 其次是第二產業比重和第三產業比重。總人口數對關中生態足跡變化影響最不顯著。

從各驅動因素的VIP值(如圖6所示)來看, 關中各驅動因素重要性程度從大到小排序依次為人均GDP、城鎮化率、第二產業比重、第三產業比重、人口數。人均GDP和城鎮化率的VIP值均大于1, 是關中生態足跡變化的重要驅動因素。而第二產業比重、第三產業比重及區域人口數的VIP值在0.5—1之間, 則對關中生態足跡變化的影響為一般重要。關中城鎮化水平高, 區域產業結構、發展模式轉型快, 城鎮化率同生態足跡變化正相關程度高。

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

圖6 關中各驅動因素VIP值Fig. 6 VIP values of driving factors in Guanzhong

3.3.3 驅動陜南生態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橢圓圖內部,即未發現特異點, 模型的樣本數據得到保證。由此得出陜南PLS模型為：

從式(15)可以看出, 人均GDP、第二產業比重及城鎮化率的彈性系數為正, 說明陜南生態足跡變化會隨其正向增長。而區域人口數、第三產業所占比重的彈性系數為負, 則說明會與陜南生態足跡變化負向增長。各項驅動因素指標lnP、lnA、lnT1、lnT2、lnU的彈性系數分別為-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%。由于各驅動因素的彈性系數絕對值均分布在 0.181—0.222之間, 說明這些因素對陜南生態足跡變化的影響相差無幾。

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

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

4 結論及政策建議

結合陜西省三大區域的資源稟賦、區位環境、產業集聚等實際, 通過建立生態足跡模型, 在對比三大區域之間生態足跡動態變化趨勢的基礎上, 采用修正后的 STIRPAT模型分析三大區域之間形成生態差異性的經濟社會驅動因素, 主要結論有：

第一, 2005—2015年陜西省三大區域人均生態足跡逐步上升, 人均生態赤字持續超載。陜北人均生態足跡增長幅度最大, 增幅為110.1%, 達到4.481 hm2/人, 人均生態赤字降至-1.852 hm2·人-1。關中和陜南人均生態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, 人均生態赤字分別降至-2.318 hm2·人-1、-0.091 hm2·人-1。從區域生態相關指數來看,生態壓力指數呈上升趨勢, 陜北、關中及陜南分別增長1.156、0.662、0.615倍, 表明三大區域正面臨著嚴峻的生態壓力。陜北生態足跡多樣性指數變化相比關中和陜南較低, 生態系統最不穩定。萬元GDP生態足跡指數分別降低了37.7%、63.0%、54.2%,表明三大區域的自然資源可持續利用率也不斷提升。足跡深度逐年增加, 表明三大區域資源消費的生態壓力持續增加。足跡廣度結果表明關中對自然資本流量的占用保持穩定, 而陜北與陜南對自然資本流量的占用保持低速增長。

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

第三, 陜西省三大區域生態差異性已經顯現出來。因此, 針對三大區域不同的生態環境狀況及產業發展結構, 應進一步完善區域協調發展的體制機制和政策體系, 促進區域協同聯動目標, 推動生態資源和生態容量在三大區域的優化配置, 以不觸及生態保護紅線作為約束標準, 加強地區合作, 提升產業結構, 提高產業集約化水平, 壯大縣域經濟, 支持縣域特色產業發展, 培育一批中小城市, 建設集生產、生活、生態于一體的特色小鎮, 分散區域生態壓力。為此, 建議陜北通過建設能源化工基地, 推動產業轉型升級, 淘汰落后產能, 減少化石能源消耗, 持續推動生態建設和生態修復工程, 加快延安、榆林資源型城市轉型的步伐, 將榆林建設成為鄂爾多斯盆地中心城市。關中應以協同創新綠色發展為目標, 優化產業結構和發展模式, 推進關中產業與生態協同發展, 減少工業企業能源消耗, 提高關中環境質量及生態功能, 將西安建設成為國家中心城市, 增強寶雞市、渭南市聚集輻射功能, 將楊凌農業高新技術產業示范區建設成為世界知名農業科技創新城市, 提升關中城市群整體實力, 發揮“大西安”對全省經濟的支撐

引領作用。陜南應依托豐富的生態資源, 發展循環經濟, 促進生態農業與旅游業的融合, 通過發展“綠色化”、“生態化”農業, 提高特色農業生產效率, 將生態移民工作和加強空間治理、資源管理有機結合起來,加快安康、商洛、漢中城市基礎設施建設, 建設生態宜居城市, 建立資源總量管理制度, 形成區域生態補償機制, 實現陜南綠色可持續循環發展。

[1] 孫東琪, 張京祥, 朱傳耿, 等. 中國生態環境質量變化態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. 中國大都市生態足跡的比較研究—以北京、上海、天津和重慶為例[J]. 現代城市研究, 2017 (2)： 84-93.

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

[7] 任志遠, 黃青, 李晶. 陜西省生態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世紀以來陜西生態足跡和承載力變化[J].生態學報, 2015, 35(24)： 7987-7997.

[9] 楊屹, 徐德龍, 張景乾. 陜西秦嶺南麓區域發展與生態效率變動研究[J]. 環境科學學報, 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. 生態足跡方法的理論解析[J].中國人口.資源與環境, 2006, 16(6)： 69-78.

[13] 楊開忠, 楊泳, 陳潔. 生態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. 生態足跡法在松嫩平原西部可持續發展研究中的應用[J]. 干旱區研究, 2005, 22(4)：553-557.

[15] 史丹, 王俊杰. 基于生態足跡的中國生態壓力與生態效率測度與評價[J]. 中國工業經濟, 2016, (5)： 5-21.

[16] 王書華, 毛漢英, 王忠靜. 生態足跡研究的國內外近期進展[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年生態足跡計算與發展能力分析[J]. 應用生態學報, 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. 生態學經濟理論方法與應用[M]. 鄭州： 黃河水利出版社, 2003.

[20] 方愷. 生態足跡深度和廣度： 構建三維模型的新指標[J].生態學報, 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年生態足跡變化特征及影響因素[J]. 環境科學, 2016, 37(2)： 421-426.

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

[29] 吳開亞, 王玲杰. 生態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：國防工業出版社. 2006.

[32] 方愷, 李煥承. 基于生態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.