基于生態系統服務價值變化的環境與經濟協調發展研究——以陜西省為例

朱玉鑫,姚順波,*

1 西北農林科技大學經濟管理學院,楊凌 712100 2 西北農林科技大學資源經濟與環境管理研究中心,楊凌 712100

可持續發展已經成為當今社會的共識[1],如何協調好經濟增長與環境惡化及資源耗竭的關系是可持續發展的基本要求,也是實現可持續發展的必由之路[2]。協調度是研究環境與經濟協調發展的重要工具之一,旨在定量反映環境與經濟的協調發展程度,即二者目前是處于失調狀態還是協調狀態,然后根據協調度的變化趨勢及時采取調控措施,從而為區域的可持續發展提供理論依據[3- 4]。

近年來,對環境與經濟協調關系的探討已成為可持續發展研究的熱點領域之一。從已有成果來看,國內外學者對環境與經濟協調度的研究主要集中在三個方面:一是環境與經濟協調發展理論方面,學者們認為環境與經濟存在著有機聯系,生態建設與經濟發展應該相互適應,相互促進[1,5]；二是環境與經濟協調發展評價方面,國內外學者綜合運用多種研究方法包括綜合指標評價法[6]、能值分析法[7]、生態足跡法[8]、系統動力學模型法[9]、時空變化規律法[10]等開展了大量研究,國外學者將土地利用變化引入經濟發展與生態環境協調度研究中,重點探討經濟與環境相互作用關系[11- 12],而國內學者側重于從經濟、環境、社會、文化、信息、城鎮化等多角度出發[13- 14],選擇單個系統[15]或多個系統[16],測度、分析其協調性并進行相應評價；三是環境與經濟協調發展的應用方面,由于生態環境與經濟協調發展問題具有綜合性與復雜性的特點,故需要綜合考慮生態學、經濟學、社會學及地理學等眾多學科,并在此基礎上進行更深層次的討論[17]。

以上研究均為學術界進一步探討環境與經濟的協調發展機制奠定了重要基礎。從研究內容看,已有研究多側重于對環境與經濟的協調狀況進行空間探索性分析,聚焦于二者協調發展時空分異特征和運用空間計量模型進行驅動因素分析的文章尚不多見。從研究區域看,主要涉及全國、區域、省域、城市群、市及流域,以縣域為單位進行經濟與環境的協調發展研究還比較單薄,因而還存在很大的研究空間。綜上所述,本文以陜西省107個縣(區)為研究對象,考慮到土地利用變化是影響全球環境變化的重要因素之一,對生態系統服務和功能具有重要影響[18],且生態系統提供的服務功能是實現可持續發展的基礎,其價值變化是區域生態環境變化的綜合化與定量化結果[19- 20],故本文以單位面積生態系統服務價值(Ecosystem Services Value, ESV)表征不同區域間生態環境狀況[21],以人均國內生產總值(Gross Domestic Product, GDP)表征經濟發展水平[22],通過構建環境經濟協調度指數[23],來衡量區域經濟發展與生態環境的協調發展水平,結合全局Moran′sI指數和LISA集聚圖分析環境經濟協調度指數的時空演變特征,并運用空間杜賓模型進行環境經濟協調度指數的驅動因素分析。通過客觀評價陜西省環境經濟協調性問題,尋求二者的協調發展之路,從而為可持續發展戰略提供科學依據,也為同類地區的環境、經濟建設提供參考意見。

1 數據和方法

1.1 研究區概況

陜西省位于中國西北部,介于105°29′—111°15′E和31°42′—39°35′N之間,整體呈南北狹長狀,南北長約880 km,東西寬200—500 km,總面積20.58×106hm2(圖1)。將陜西省作為研究區域原因有三:從地理環境角度來看,陜西省位于西北內陸腹地,地形地貌復雜多樣,主要由陜北高原、關中平原以及陜南秦巴山區三部分構成,大部分地區氣候干燥,整體上屬大陸性季風氣候,年平均氣溫7—16 ℃,年平均降水量566.4 mm,南北差異分明；從社會經濟角度來看,陜西是西部地區的經濟大省,2018年末國內生產總值達25793.17億元,城鎮化率達59.4%,經濟發展迅速,但也呈現出地區發展不均衡的特征；從生態建設角度來看,陜西生態環境脆弱,水土流失嚴重,是退耕還林工程的重點實施與推進省份,截止2018年,陜西省累計退耕還林工程投資304.0468億元,完成退耕造林面積268.9133×104hm2。

圖1 陜西省位置示意圖Fig.1 Location map of Shaanxi Province

1.2 指標選取與數據來源

協調度指數能反映不同系統間相互作用的強弱程度以及協調程度,本文以單位面積ESV表征不同區域間生態環境狀況[21],以人均GDP表征不同區域間經濟發展水平[22],借鑒已有成果[13,23],計算陜西省各縣(區)的環境經濟協調度指數,并作為本文的被解釋變量。另外,根據相關研究選取城鎮化水平、年底總人口、產業結構作為影響協調度指數的社會經濟因素[24- 25],選取降水、氣溫作為影響協調度指數的自然因素[26]。陜西作為生態環境脆弱區,初始生態資源稟賦以及退耕還林工程的實施也影響著環境與經濟的協調發展,因此選取滯后1期的歸一化植被指數(Normalized Difference Vegetation Index, NDVI)作為初始生態資源稟賦的替代變量,選取退耕還林工程財政支出作為退耕還林工程替代變量。

本文的研究樣本為陜西省107個縣(區),研究時段為2000、2005、2010、2015年共4個時段。土地利用類型數據來自中國科學院資源環境科學數據中心(http://www.resdc.cn),分辨率為30 m×30 m；氣溫、降水數據來自中國氣象數據網(http://data.cma.cn/site/index.html),運用ArcGIS 10.5中的克里金插值法(Kriging)進行空間差值處理得到各縣(區)平均氣溫、年均降水量的柵格數據；NDVI數據來自地理空間數據云(http://www.gscloud.cn),借助ENVI軟件采用最大值合成法(MVC)將年度最大NDVI用于作為當年的NDVI值,分辨率為500 m×500 m；其他社會經濟數據來自《陜西省統計年鑒》、《陜西區域》及《中國縣域統計年鑒》。各變量的具體設計方式如表1所示。

表1 變量選取及描述性統計

1.3 研究方法

1.3.1生態系統服務價值計算

生態系統服務(Ecosystem Services, ES)是指人類為了生存或提高生活質量以直接或間接的方式從生態系統中獲得的效益[27-28],其價值的定量評估對維護區域生態安全、促進區域經濟和環境協調發展具有重要意義[29]。本文采用謝高地等[30]改進的單位面積價值當量因子方法測算陜西省生態系統服務價值。

(1)1個標準單位ESV當量因子的確定

1個標準單位ESV當量因子的價值相當于當年陜西省平均糧食單產經濟價值的1/7[31],計算公式為:

(1)

式中,C為1個標準單位ESV當量因子的價值(元/hm2)；P為陜西省糧食平均價格(元/kg)；Q為陜西省糧食單位面積產量(kg/hm2)。依據《全國農產品成本收益匯編(1991—2016)》和《陜西省統計年鑒(1991—2016)》可得到2000、2005、2010、2015年小麥、玉米和稻谷3種糧食作物的平均價格分別為0.8857元/kg、1.2590元/kg、1.9827元/kg、2.0207元/kg,單位面積產量分別為2849.9300 kg/hm2、3195.5600 kg/hm2、3686.7400 kg/hm2、3991.4800 kg/hm2。為消除物價波動對價值變化的干擾,本研究引入陜西省居民消費價格指數將各年份糧食均價數據調整至2015年的價格水平[32],計算得到2000、2005、2010、2015年陜西省1個標準單位ESV當量因子的價值分別為524.8530、783.0647、1199.2949、1152.2085元/hm2。

(2)不同土地利用類型單位面積ESV系數的修正

根據陜西省實際的土地利用類型特征,修正的單位面積生態系統服務價值當量表[30]改進的“中國陸地生態系統單位面積服務價值當量表”,以及Costanza等[27]在研究中設置的建設用地單位面積服務價值當量,計算出各年份陜西省不同土地利用類型單位面積ESV(表2),計算公式為:

表2 陜西省不同土地利用類型單位面積生態系統服務價值系數/(元/hm2)

Ck=當量×C,k= 1,2,…,6

(2)

式中,Ck為單位面積上土地利用類型k的ESV(元/hm2)；C為1個標準單位ESV當量因子的價值(元/hm2)；當量數據參考謝高地等研究成果的表1[30]；k為土地利用類型,包括耕地、林地、草地、水域、未利用地和建設用地6種,前5種分別對應當量表中的農田、森林、草地、水域和荒漠[30]。

(3)ESV的計算

陜西省ESV計算公式為:

(3)

式中,ESV為陜西省生態系統服務總價值(元)；Ak為土地利用類型k的面積(hm2)；Ck為土地利用類型k的單位面積ESV(元/hm2)；k為土地利用類型。

1.3.2協調度指數計算

協調度指數不僅能反映經濟發展與區域環境相互影響的強弱,還能反映二者間的協調程度。借鑒已有研究,本文構建了ESV和GDP的協調度指數,并劃分了不同的協調度等級[13](表3)。

表3 經濟發展與環境狀況協調度等級

(1)數據標準化處理

為了消除不同量綱對協調度指數計算結果的影響,本文采用極差法[13,25]分別對2000、2005、2010年以及2015年的單位面積ESV和人均GDP數據進行標準化處理,標準化公式為:

(4)

(5)

式中,PESV、PGDP分別表示單位面積ESV、人均GDP標準化后的數值；PESV0、PGDP0分別表示單位面積ESV、人均GDP的原始值；PESVmax、PGDPmax分別表示單位面積ESV、人均GDP的最大值；PESVmin、PGDPmin分別表示單位面積ESV、人均GDP的最小值。

(2)協調度指數計算

(6)

(7)

T=αPESV+βPGDP

(8)

式中,D為協調度,D∈[0,1],D越大,表明該地區ESV和GDP的協調性越好；C為耦合度；T為綜合指數；PESV表示單位面積ESV；PGDP表示人均GDP；α、β分別為單位面積ESV和人均GDP的待定權數,由于經濟發展以環境質量為前提,而環境質量又受到經濟發展的影響[5],故認為經濟發展與生態環境同等重要,取α=β=0.5。

1.3.3空間自相關分析

為衡量和檢驗環境經濟協調度指數的空間依賴程度和空間差異程度,本文分別采用全局空間自相關Moran′sI指數和局部空間自相關指標(Local Indicators of Spatial Association, LISA)進行計算[33- 34],計算公式為:

(9)

(10)

采用標準化統計量Z對全局Moran′sI和局部Moran′sI進行顯著性檢驗,計算公式為:

(11)

式中,E(I)為I的均值,VAR(I)為I的方差。Z值顯著為正,表明協調度指數存在空間正相關性；Z值顯著為負,表明存在空間負相關性；Z值為零,表明不存在空間相關性。若局部Moran′sI通過了顯著性檢驗,則協調度指數可形成高高集聚(HH)、低低集聚(LL)、高低集聚(HL)和低高集聚(LH)四種集聚形式。

1.3.4空間計量模型

空間計量模型與普通計量模型的區別在于是否引入了空間效應,前者充分考慮了面板數據存在的區域差異性和截面維度的區域依賴性,主要包括空間杜賓模型(Spatial Durbin Model, SDM)、空間自回歸模型(Spatial Autoregressive Model, SAR)以及空間誤差模型(Spatial Error Model, SEM)[35]。

Yit=ρWYit+αXit+λWXit+εit

(12)

εit=θWεit+φit

(13)

式中,Yit為空間計量模型中的被解釋變量,表示i縣(區)t年的環境經濟協調度指數；Xit為解釋變量；W為基于距離函數建立的空間權重矩陣,WYit、WXit、Wεit分別表示空間權重矩陣與被解釋變量、解釋變量、隨機誤差項的交乘項；ρ為空間自回歸系數,α為解釋變量回歸系數,λ為空間溢出系數；εit為隨機誤差項,φit為正態分布的隨機誤差項,θ為隨機誤差項的空間自相關系數；i為縣(區),t為年份。當ρ=0而θ≠0時,式(12)為SEM模型；當λ=0而ρ≠0時,式(12)為SAR模型；當θ=0、ρ≠0且λ≠0時,式(12)為SDM模型。

2 結果分析

2.1 環境經濟協調度的時間變化特征

運用協調度指數計算公式得到陜西省2000、2005、2010、2015年4個時段的環境經濟協調度指數(表4)。由表4可知,陜西省、陜北地區、關中地區以及陜南地區2000年的環境經濟協調度指數為0.5572、0.5768、0.5393和0.5741,2010年調整為0.5439、0.6360、0.5082和0.5307,2015年下降為0.5264、0.5899、0.5005和0.5196。從地區差異角度看,關中地區和陜南地區環境經濟協調度變化趨勢與陜西省相同,呈現緩慢下降趨勢,而陜北地區環境經濟協調度呈現上升趨勢。2000—2010年單位面積ESV和人均GDP有所增長,但人均GDP的增長率大于ESV,經濟快速發展的同時ESV沒有大幅度提升,影響了環境經濟的協調發展,2015年單位面積ESV輕微下降,人均GDP依舊增長,協調度指數呈現負增長趨勢。

表4 陜西省環境經濟協調度指數統計

2.2 環境經濟協調度的空間變化特征

參考江孝君等[13]協調度等級劃分方式,將陜西省環境經濟協調度劃分為5種類別,并利用ArcGIS 10.5軟件繪制陜西省各縣(區)環境經濟協調度的空間分布圖(圖2),并對不同協調度等級的縣(區)數量進行統計(表5)。

從不同協調度等級縣(區)數量統計情況來看(表5),2000年陜西省環境經濟協調度處于失調狀態的縣(區)有4個,處于協調狀態的縣(區)有103個,其中3個縣(區)為高度協調。與2000年相比,2005、2010年處于失調狀態和協調狀態的縣(區)數量基本保持不變,但高度協調狀態的縣(區)數量上升。2015年仍有2個縣(區)處于重度失調狀態,中度失調的縣(區)數量上升為12個,處于基本協調、中度協調和高度協調狀態的縣(區)共有93個,比2000年減少10個,可能的原因是2000—2015年間陜西省經濟快速發展的同時,ESV沒有得到最大的提升,使得一些縣(區)的協調度有所下降。

表5 陜西省環境經濟協調度等級及縣(區)數量統計

從空間分布上看(圖2),2000—2015年,除神木縣、府谷縣、志丹縣、渭濱區、未央區屬于高度協調以及楊陵區、蓮湖區屬于重度失調外,陜西省大部分縣(區)環境經濟協調度呈現基本協調和中度協調狀態,表明2000年到2015年這些縣(區)GDP增加的同時,ESV也得到了很大改善。2015年與前3個時段相比,不同協調度等級的空間集聚性更加明顯。具體來看,處于中度協調和高度協調的縣(區)主要分布在陜北地區,這些縣(區)面積共6.4370×106hm2,占陜西省總面積的31.4453%；處于重度失調和中度失調的縣(區)主要分布在關中地區,縣(區)面積共1.6282×106hm2,所占比重為7.9537%,而陜南地區以基本協調狀態的縣(區)居多,縣(區)面積共12.4054×106hm2,所占比重為60.6010%,表明陜北地區的環境經濟協調度好于陜南地區,陜南地區好于關中地區。

圖2 2000—2015年陜西省各縣(區)協調度的空間分布Fig.2 Spatial distribution of coordination degree in Shaanxi Province from 2000 to 2015

2.3 環境經濟協調度空間自相關分析

2.3.1全局空間自相關

基于ArcGIS 10.5軟件計算分析陜西省2000—2015年4期的環境經濟協調度的全局Moran′sI指數(表6),得到2000、2005、2010、2015年協調度指數全局Moran′sI值分別為0.2428、0.3460、0.4301和0.3365；Z得分別為3.8601、5.4029、6.7089和5.1902；P值均為0。表明陜西省環境經濟協調度具有顯著的空間正相關性,存在明顯的空間集聚特征,且環境經濟協調度的空間集聚性呈現先上升后下降的變化趨勢。

2.3.2局部空間自相關

利用ArcGIS 10.5軟件得到陜西省環境經濟協調度LISA分布圖(圖3),在1%的顯著性水平下,將協調度劃分為4種類型:(1)高高集聚型(HH):區域自身與鄰域協調度均較高；(2)低低集聚型(LL):區域自身與鄰域協調度均較低；(3)高低集聚型(HL):區域自身協調度較高,鄰域較低；(4)低高集聚型(LH):區域自身協調度較低,鄰域較高。由圖3可知,2000—2015年陜西省環境經濟協調度的空間集聚特征呈現陜北地區高、關中地區低的分布格局。具體表現為:

圖3 2000—2015年陜西省協調度的LISA集聚圖Fig.3 The LISA aggregation of coordination degree in Shaanxi Province from 2000 to 2015

(1)高高集聚區:陜西省環境經濟協調度的高高集聚區主要集中在陜北榆林市的府谷縣、神木縣以及延安市的吳起縣、志丹縣、安塞縣、甘泉縣和富縣。陜北作為生態脆弱區和重要生態功能區,退耕還林工程的實施不僅改善了生態環境,提升了陜西省ESV,也為經濟發展創造了良好條件,區域合作日益完善,勞動力、資金、技術等要素流動頻繁,縣區間空間溢出效應明顯,核心縣(區)和周邊縣(區)的生態環境與經濟發展的協調度提升。

(2)低低集聚區:陜西省環境經濟協調度的低低集聚區主要分布在咸陽市的永壽縣、乾縣、武功縣、禮泉縣、興平市,渭南市的蒲城縣,西安市的蓮湖區、雁塔區、周至縣以及寶雞市的扶風縣。這些縣(區)位于關中平原,經濟發展活躍,人類活動頻繁,隨著城鎮化擴張,人類用地需求增加,一定程度上造成生態資源的占用與破壞,使得生態系統服務價值流失,不利于生態、經濟協調發展,從而與周邊協調度縣(區)集聚分布形成低低集聚區。

(3)高低集聚區和低高集聚區:陜西省環境經濟協調度的高低集聚區和低高集聚區的縣(區)數量較少,分布比較零散。高低集聚區主要分布在低低集聚區的周圍,包括寶雞市的眉縣和西安市的未央區、灞橋區、雁塔區、長安區,這些縣(區)位于城市的核心區,極易吸收周邊縣(區)的資源要素,一定程度上影響了周邊縣(區)的協調性發展。而低高集聚區主要分布在高高集聚區的周圍,包括寶雞市的千陽縣、陳倉區和延安市的富縣,這些縣(區)的協調度指數與鄰域縣(區)存在差異,形成了中心低四周高的空間集聚形態。

2.4 環境經濟協調度驅動因素分析

2.4.1空間關系檢驗與模型選擇

由表6可知,2000—2015年環境經濟協調度的Moran′sI指數為正(0.2428—0.4301),且在1%的顯著性水平上通過檢驗,表明環境經濟協調度存在顯著的空間溢出效應,可采用空間計量模型分析其成因。

關于采用何種模型,本文參照如下原則進行篩選[35]:(1)依據豪斯曼檢驗判斷使用固定效應還是隨機效應模型,結合Elhorst[36]指出的研究時段較短時空間面板模型選擇隨機效應是相對有效的,故本文選擇隨機效應模型；(2)依據赤池信息準則AIC選擇解釋力較高的模型,AIC的值越低,說明模型的解釋力越高；(3)依據Log L、R2、Sigma2統計量的大小判斷不同模型擬合度的高低,Log L、R2統計值越大,Sigma2統計值越小,說明模型的擬合程度越高。參照以上流程和篩選方法,本文最終選擇SDM模型的隨機效應進行空間回歸分析,并選擇距離倒數的平方作為空間權重。

2.4.2回歸結果分析

本文基于stata15.0計量軟件利用SDM模型進行環境經濟協調度的驅動因素分析,并建立了OLS模型作為SDM模型的參照(表7)。

表7 模型回歸結果分析

表7中,空間自相關系數ρ的估計值為0.2471,且通過了5%的顯著性水平檢驗,表明本縣(區)環境經濟協調度的提升對鄰近縣(區)有一定的輻射作用,也再次證明了環境經濟協調度存在顯著的空間溢出效應。從變量系數看,如模型(2),除人口規模和初始資源稟賦外,各變量的估計系數均通過1%顯著性水平的檢驗。退耕還林工程在1%的顯著性水平下對協調度產生顯著的正向影響,平均邊際貢獻為0.0825,即在其他因素不變的情況下,退耕還林工程財政支出平均增加1億元,可以使協調度指數增加0.0825個單位。可以看出,退耕還林工程對陜西省環境經濟協調度具有顯著的促進作用。城鎮化水平的一次項系數為0.0092,二次項系數為-0.0001,城鎮化水平與環境經濟協調度間呈“倒U型”關系,即城鎮化水平對環境經濟協調關系產生積極作用,超過閾值46%之后城鎮化水平對協調關系會產生抑制作用。而OLS模型中閾值為30.5%,與SDM模型相比,環境經濟協調度更早的進入拐點。產業結構對協調度具有顯著的正向影響,表明第二產業產值增長有助于改善環境與經濟的協調關系。氣溫對協調度具有顯著的負向影響,氣溫平均上升1個單位,該縣(區)環境經濟協調度平均下將0.0309個單位。降水對協調度具有顯著的正向影響,從回歸結果看,區域降水量越多,生態環境與經濟發展的協調性越好。

利用SDM模型將總體空間溢出效應分解為直接效應和間接效應,如模型(3)。直接效應反映各解釋變量對本縣(區)環境經濟協調度的平均影響,間接效應反映各解釋變量對鄰近縣(區)環境經濟協調度的平均影響。直接效應中各變量回歸系數與SDM模型各變量回歸系數具有一致性。間接效應中退耕還林工程財政支出系數為負,退耕還林工程財政支出每增加1個單位,鄰近縣(區)環境經濟協調度指數下降0.1803個單位,表明財政支出增加對相鄰縣(區)環境經濟協調發展具有抑制作用。城鎮化水平對鄰近縣(區)具有顯著的空間溢出效應,其一次項和二次項系數分別為-0.0229和0.0002,表明城鎮化水平提高對相鄰縣(區)環境經濟協調發展產生負向影響,當跨越拐點57.25%后城鎮化發展對其產生正向影響。人口規模間接效應系數為負,且通過了10%顯著性水平檢驗,表明人口規模平均增加1個單位,鄰近縣(區)環境經濟協調度指數平均下降0.0021個單位。氣溫、降水對本縣(區)生態環境和經濟發展的協調關系產生直接影響,但不存在空間溢出效應。

3 討論

3.1 陜西省生態系統服務價值計算

本文采用謝高地等[30]改進的單位面積價值當量因子方法評估陜西省ESV。相對替代市場技術、模擬市場技術等評估技術而言,該方法操作簡便,評估全面,適用于區域、國家、全球尺度ESV的評估[37]。近年來關于陜西及陜北地區較多研究[38- 40]均借助該方法核算ESV,因此運用該方法對陜西省的ESV進行核算方法合理,但是該方法并未將土地利用類型和生態系統分類完全對應在一起,使得不同土地利用類型單位面積ESV系數的取值只是近似值[41- 42]。而且受到數據限制,本文沒能使用不同縣(區)糧食作物單位面積凈利潤來近似替代1個標準單位ESV當量因子的價值,只是引入居民消費價格指數修正了單位面積ESV系數。因此在今后研究中應探求更精準的ESV估算方法和收集更詳細的指標數據,以提升ESV計算的精確度,確保ESV數據的可靠性。

3.2 陜西省環境經濟協調度指數計算方法選擇

目前關于協調度指數的計算方法有很多[1,13,16],本文借鑒已有研究[13,16],分別以單位面積ESV和人均GDP表征不同區域間生態環境狀況和經濟發展水平[21- 22],構建了環境經濟協調度指數。一方面,經濟、環境系統的內涵遠比當前指標所能反映的更為豐富,本文受數據限制,尚難對經濟發展、生態建設做出全面刻畫；另一方面,由于不同的計算方法獲得的協調度指數有差異,難以說明哪種計算方式最優,未來應通過對相關參數進行更加精細和符合現實發展規律的設置,來不斷優化協調度指數。

3.3 陜西省環境經濟協調度演變規律

通過對陜西省2000—2015年的環境與經濟協調發展進行分析表明:陜西省環境經濟協調度指數呈現負增長趨勢,可能的原因是人均GDP的增長率大于ESV,經濟快速發展的同時ESV沒有大幅度提升,影響了環境經濟的協調發展。從空間集聚特征看,高高集聚區主要分布在陜北地區,可能的原因是退耕還林工程的實施有效改善了陜北生態環境,經濟發展的同時當地的ESV也得到了極大發揮,協調度指數上升,由于協調度存在明顯的空間溢出效應,一定程度上也帶動了周邊縣(區)協調度的提升。而低低集聚區主要分布在關中地區,關中地區作為生產和生活聚集區,經濟發展活躍,城鎮化的擴張使得一部分生態資源被占用,造成ESV流失[40],影響了環境經濟的協調發展。

3.4 陜西省環境經濟協調度演變動因

環境經濟的協調發展受社會、經濟和自然等多種因素的共同影響。陜西作為退耕還林工程的重點實施與推進省份,工程的實施對本縣(區)環境經濟協調發展具有促進作用,對相鄰縣(區)具有抑制作用。這是因為退耕還林工程財政資金有限,加大對本縣(區)的投資力度必然減少對相鄰縣(區)投入,進而影響了鄰近縣(區)生態環境與經濟發展的協調關系。城鎮化水平與環境經濟協調度間呈“倒U型”關系,超過閾值46%之后城鎮化水平對協調關系會產生抑制作用。而OLS模型中閾值為30.5%,與SDM模型相比,環境經濟協調度更早的進入拐點,表明空間效應的加入使得城鎮化水平對環境經濟協調度的負向影響更加持久。產業結構對環境經濟協調度具有顯著的正向影響,第二產業產值增長有助于提高經濟收入,縮小城鄉差距[43]。隨著產業結構的優化與成熟,經濟發展與生態環境的耦合程度也得以提升。氣溫對協調度具有顯著的負向影響,這是因為氣溫升高會加速西北干旱區土地沙漠化進程[44],導致具有較高生態系統服務價值的林地、草地和水域面積退化,進而影響了環境經濟的協調發展。降水作為反映生態適宜性的重要指標之一,對環境經濟協調發展的影響機理比較復雜[26],但從本文的回歸結果看,區域降水量越多,生態環境與經濟發展的協調性越好。

4 結論

本文采用空間自相關分析和空間杜賓模型等方法,分析了環境經濟協調度指數的時空演變特征及驅動因素,結果表明:

(1)從時間上看,2000—2015年陜西省環境經濟協調度指數呈現負增長趨勢；從空間上看,大部分縣(區)環境經濟協調度處于基本協調和中度協調狀態,并呈現出陜北地區優于陜南地區,陜南地區優于關中地區的空間格局。

(2)2000—2015年陜西省環境經濟協調度具有顯著的空間正相關性,存在明顯的空間集聚特征。高高集聚區主要分布在GDP高且ESV也比較高的陜北地區,低低集聚區主要分布在GDP較高而ESV較低的關中地區,高低集聚區和低高集聚區縣(區)分布比較零散。

(3)不同驅動因素對環境經濟協調度的影響存在差異,實施退耕還林工程、優化產業結構以及增加降水量有利于提升環境經濟協調度,氣溫則成為制約環境經濟協調發展的約束要素。未來應根據各地情況實施差異化的發展戰略,以促進陜西省環境和經濟的協調發展。