中國省域生態福利績效水平的評價及提升

葉 琪，王嘉欣

(福建師范大學 經濟學院，福州 350117)

隨著我國經濟轉向高質量發展階段以及人們生活水平的提升，人們對美好生活的期待越來越高，不僅對物質產品的質量和種類有了更高的需求，而且對生活的空間環境也有了更高的要求，廣大人民群眾從“盼溫飽”到“盼環保”，從“求生存”到“求生態”，綠色發展理念日益深入人心，正朝著建設美麗的社會主義現代化國家邁進。在構建我國新發展格局和步入新發展征程中，要讓廣大人民群眾公平地共享經濟發展和生態環境改善的福利，不斷提高人民群眾的獲得感、幸福感、安全感，才能夯實我國社會主義現代化國家建設的基礎。然而，由于我國長期發展的不平衡不充分使得區域城鄉之間呈現了一定的發展差距，各個地區經濟綜合實力以及技術創新水平的差異也使各地區生態資源的利用能力和程度不同。良好的生態環境是最公平的公共產品、最普惠的民生福祉，生態環境的無界性和環境污染的蔓延性意味著生態環境治理和改善是不可分割的，只有加強生態科技創新和優化產業結構才能更有效地提高生態福利績效水平，各個地區強化協同治理才能實現更加公平的生態福利共享。通過科學客觀地測量評價我國省域生態福利績效水平的差異分布，找到省域生態環境互補協作的契合點，為提高生態資源的利用效率，更加公平、更加普惠的生態福利共享構建協同治理方案和體系。

一、文獻綜述

福利績效最初是用于企業經營管理中員工報酬的衡量，福利績效的多寡和企業經營業績緊密掛鉤，是激勵員工生產積極性的重要手段。將福利績效用于生態環境領域而形成的生態福利績效，主要是用來衡量生態資源消耗帶來的生態福利產業效率，從根本上反映經濟發展進步和人們生活水平改善的程度，以及廣大人民從生態環境改善中得到的收益。Daly于1974年最早提出了生態福利績效的概念，即服務與吞吐量的比值，但由于他未給出一個可量化的指標，從而使得生態福利績效沒有得到廣泛的應用[1]。之后，Rees用生態足跡替代吞吐量，將生態福利績效定義為服務與生態足跡的比值[2]；諸大建在前人的基礎上對生態福利績效的概念進行了改進，明確提出生態福利績效是建立福利的價值量與生態資源消耗的實物量的比值關系[3]，反映綠色轉型發展的經濟質量和能級，為我國生態福利績效理論與實踐研究開展提供了新的研究視角。

運用不同的評價方法將生態福利績效水平進行量化可以更直觀地進行時間和空間上的比較，并進一步探析與之相關聯的影響因素。Thomas Dietz等利用58個國家的面板數據發現人均GDP和生態福利績效呈U形關系[4]。臧漫丹、諸大建、劉國平對1996—2007年二十國集團生態福利績效的變動趨勢進行了實證分析，并對不同發展水平國家開展差異化分析[3]。王圣云、韓亞杰等將生態福利績效模型分解為經濟增長福利效應和經濟增長生態效應兩個驅動效應，運用DI指數和DEA-ML指數對影響中國31個省域的驅動效應進行了測算和分析[5]。肖黎明、吉薈茹基于綠色技術創新視域，使用SBM-DEA超效率模型、Getis-Ord Gi*指數、面板Tobit回歸模型分析了2004—2016年中國30個省域(除西藏)的生態福利績效水平、空間分布特征及其影響因素[6]。張競嫻、李成宇、張士強等都對中國省際生態福利績效水平進行了測算，并實證分析了城鎮化、綠化程度、產業結構等主要影響因素[7-8]。龍亮軍采用非徑向Super-SBM模型對“十二五”期間我國主要城市的生態福利績效進行了測算和評價研究[9]。可見，多數學者采用目前主流的效率評價方法將生態福利績效水平數量化，并從不同角度對不同對象進行評價和比較，為把生態因素納入經濟社會發展水平范疇提供了一個新的通道。

受經濟發展水平和生態環境治理水平差異的影響，生態福利績效水平的區域分布是不均衡的，同時生態福利績效水平也會隨著經濟發展不斷改進，現有研究運用不同方法從時間和空間對區域差異程度進行測算。鄧遠建、楊旭等對全國29個省(市、區)生態福利進行測算，得出空間上呈現“東強、中次、西弱”的非均衡特征[10]。林木西、耿蕊等著眼于探究中國30個省市生態福利績效的區域差異演進以及造成差異的根源[11]。方時姣、肖權分析了我國區域生態福利績效的影響因素及空間關聯性[12]。李琴運用自然斷點法考察了30個省份生態環境績效的時空演化格局及其不同地區的收斂性特征[13]。徐昱東等通過評價30個省份生態福利績效水平發現生態福利績效水平存在區域集聚效應[14]。實證研究結果均表明我國生態福利績效水平存在著區域差異，并且與經濟發展水平的分布具有高度一致性。

經濟增長與資源能源消耗具有高度關聯性。一般而言，在經濟增長較快階段，資源能源消耗量大，污染物排放數量也較多，特別是在粗放式生產方式下，這一特征更加明顯。因此，本文在現有研究基礎上，引入經濟周期因素評價省域生態福利績效水平，使其更加符合發展實際，并進一步對投入無效區域的投入冗余度分析，探尋造成無效的根本原因所在，把握提升生態福利績效水平的關鍵環節，并著眼于生態環境治理和福利績效提升的整體性，提出協同提升的相關對策。

二、評價方法選擇與指標體系構建

(一)評價方法選擇

數據包絡分析法(Data Envelopment Analysis, DEA)是目前國內外用于測算績效水平、進行有效性評價的主流數量分析方法之一。DEA方法由于具有評估結果不受量綱影響、能夠評估多項投入與產出、無需事先確定權重值等得天獨厚的優勢，被廣泛應用于不同領域、不同行業的研究中。為了確保評價結果的客觀性和穩定性，本文運用DEA對中國31個省(市、自治區)生態福利績效測算、評估和差異化分析。DEA模型又可以分為CCR模型和BCC模型。CCR模型是在假設每個生產決策單元規模報酬不變的前提下對生產決策單位進行相對效率評價，而BCC模型則在CCR模型的基礎上放寬了固定規模報酬的強假設?？紤]到現實中生態資源使用和存在規模效益影響，運用BCC模型更為恰當。另外，本文沿用了減物質化轉型的基本思路，即在保持福利水平不變的情況下盡可能減少生態消耗，以實現一定的經濟社會發展水平下物質資源投入的最小化。基于這些考慮，本研究最終選定在投入導向、規模效率可變的情況下，利用多階段DEA模型對31個省(市、自治區)的生態福利績效進行靜態效率測算。

DEA-BCC模型用于測算靜態效率評價并無不妥，但在動態效率評價中，基于DEA模型測算出的相對效率數值來判斷不同時點上生產決策單位的效率高低就失去了意義。為了解決這一問題，瑞典經濟學家和統計學家斯騰馬姆奎斯特(Sten-Malmquist)1953年提出了Malmquist指數思想，后由凱夫斯、法雷(Fare)等人不斷拓展和深化。Malmquist指數可以更好地反映各省域生態福利績效的動態變化以及績效變化的推動因素，便于為各地出臺相應的政策措施提供科學的參考依據。

(二)評價指標體系構建

經濟的高速發展必然伴隨著人們對物質資源消耗的增多和廢棄物排放的增加，“環境惡化”可以看作是經濟增長和福利增加的成本代價。生態福利績效的本質是以最小的生態投入帶來最大的福利產出水平，生態投入指標值越小越好，福利產出指標值越大越好。本文在借鑒龍亮軍[9]、臧漫丹、諸大建、劉國平[3]等學者所構建的生態福利績效的指標體系基礎上，結合經濟周期因素和規模報酬因素，在投入層面選取資源消耗、環境污染兩大一級指標，其中資源消耗下設4個二級指標，包括水資源、礦產資源、土地和能源消耗，環境污染下設3個二級指標，主要反映“三廢”排放。產出層面選取福利水平作為一級指標，人均GDP反映福利水平，預期壽命表示經濟周期。由此構建生態福利績效投入產出指標體系(見表1)。

(三)數據來源與處理

本文以我國31個省域(不包括港澳臺)作為評價對象，生態福利績效投入產出指標的數據時間跨度為2009—2017年，正好為我國一個近乎完整的經濟短周期。2009—2010年為抵御金融危機沖擊我國實施投資刺激計劃和產業發展計劃保持較高的經濟增長率。2011年后受金融危機的后續影響以及國際市場的持續萎縮，我國經濟增速放緩，疊加我國新舊動能轉化和國內經濟轉向高質量發展階段的調整，經濟增速持續下降，并持續接近新一輪增長臨界點，此處經濟周期的劃分有助于后文分析生態福利績效的變化趨勢。各指標數據均來自《中國統計年鑒》《中國環境統計年鑒》及國家統計局數據庫，缺失的數據用均值法計算補齊。其中分省平均預期壽命指標由于根據人口普查數據計算得出，每十年統計一次，且數據的變化幅度很小，因此2009年分省平均預期壽命采用2000年普查數據，2010—2017年分省平均預期壽命采用2010年普查數據。

三、評價結果總體布局及變動特征

(一)中國省域生態福利績效水平總體布局的靜態分析

運用DEA-BCC模型分別測算2009—2017年31個省(市、自治區)的生態福利績效水平，并得到各年份的均值，結果如表2所示，均值為1的視為相對有效，均值小于1的視為未實現相對有效。在31個評價對象中，17個省域實現DEA相對有效，占樣本的54.84%，未能實現DEA相對有效的省域占樣本總數的45.16%。全國的平均值為0.954，根據省域排名情況來看，24個省域能夠超過平均水平，只有江蘇、湖北、青海、黑龍江、遼寧、新疆、寧夏6個省域未能達到平均值，依次位列后六位。

表1 省域生態福利績效水平評價指標體系

從四大區域來看，東部地區生態福利績效平均值為0.989，其中江蘇、浙江、福建、山東四個省份未達到DEA相對有效；中部地區平均值為0.987，其中湖北未達到DEA相對有效；西部地區平均值為0.925，內蒙古、云南、甘肅、青海、寧夏、新疆六個省域未達到DEA相對有效；東北地區平均值為0.886，三大省均未達到DEA相對有效。四大區域中，東部地區和中部地區相當，僅有0.002的細微差距；西部地區和東北地區與東、中部地區差距相對較大。自2008年金融危機以來，東部地區產業結構升級速度加快，中西部地區積極承接東部產業的轉移，為中西部注入了巨大的經濟活力。但也應看到，東部轉移的產業中很大部分是化工、冶金等高污染、高能耗、高排放的產業，中西部地區在承接產業轉移的同時也承接了污染，對當地的可持續發展產生較大影響，再加上中西部經濟發展落后的地區迫切需要通過承接產業快速構建當地產業發展體系，把經濟利益置于生態環境利益至上，導致很大一部分產業產能過剩、重復建設。不過好在中部地區對生態環境治理的意識和重視程度越來越強，如以武漢為首的周邊城市在城市發展、污染治理的問題上已經形成了統一的規劃，南昌也仿照上海的治理模式迅速有效地控制了污染，一定程度上遏制了生態環境惡化。東北地區的生態福利績效處于全國最低水平，且與其他地區差距較大。東北地區擁有豐富的資源能源，為其經濟發展創造了得天獨厚的條件，但長期以來，東北地區粗放型經濟發展方式以及大力發展資源能源型產業，不僅帶來嚴重的環境污染、生態破環，而且投入的資源未能充分有效地發揮其價值，對GDP的拉動作用逐漸減弱[15]。因此，各區域生態福利績效水平呈現不同的差距既有歷史因素，也有現實因素。

(二)中國省域生態福利績效水平的動態變化

運用Malmquist指數對我國31個省(市、自治區)2009—2017年生態福利績效水平進行動態分析，通過DEAP2.1軟件計算得出技術效率變化指數(EFFCH)、技術進步指數(TECHCH)和全要素生產率指數(TFPCH)如表3、表4所示。全國 Malmquist 指數平均值小于1，表明2009—2017年，我國省域生態福利績效呈現略微下降的趨勢，可能是因為長期以來工業化和經濟高速發展走粗放式發展道路，付出了巨大的環境代價，近年來雖然進行了環境治理和補救，但生態環境問題是長期累積的結果，其解決也需要一個長期的過程，轉變經濟發展方式，提升生態資源利用效率依舊任重而道遠。

表2 2009—2017年中國省域生態福利績效水平測算結果

續表2 2009—2017年中國省域生態福利績效水平測算結果

全要素生產率指的是資源(包括人力、物力、財力)開發利用的效率，反映各地區發展經濟在一定時期內表現出來的能力和努力程度，是技術進步對經濟發展作用的綜合反映。從全要素生產率指數來看，2009—2010年的指數為0.801，小于1，表明這段時間生態福利績效整體水平不高。與此同時，這段時期我國經濟處于繁榮階段，經濟增速分別為9.40%和10.64%，達到該周期GDP增長率的峰值，這段時期經濟發展與生態福利績效的不匹配表明我國經濟增長是粗放式的，存在著重產量輕質量、重投入輕效率等問題。2010—2011年的指數為0.969，仍然小于1，說明此階段生態福利績效已有一定幅度的上升，但水平仍較低，而此階段我國經濟增長率開始在高位有波動下降趨勢，經濟增長方式仍偏向粗放型。2011—2015年，我國進入深化改革開放、加快轉變經濟發展方式的攻堅階段，在此期間，各省域多措并舉優化環境質量，大力倡導健康綠色的生產生活方式，全面推進“美化、亮化、綠化”生態文明建設，取得了巨大的成效。除了2013—2014年小于1外，其他年份生態福利績效已全部大于1。2015—2017年指數仍然保持在1以上，而且提升的速度也開始加快，但經濟增長率卻下滑至6%—7%的水平，這說明我國經濟已由高速增長階段轉向高質量發展階段，過去粗放型的經濟增長方式也正在逐步向集約型轉變。

技術效率變化指數(EFFCH)是指不同時期實際產出水平與各自最優產出水平之比，反映資源配置效率的合理程度。從技術效率變化指數來看，2009—2010年的數值為0.981，2010—2011年的數值為0.988，二者均小于1，表明投入與產出之間配置效率較低。2011—2017年除2012—2013年外都大于1，說明技術效率改善帶動了生態福利績效水平的提高。

技術進步變化指數(TECHCH)是指相同投入在不同時期的最優產出水平之比，主要反映技術進步或創新的程度。從技術進步變化指數來看，只有2012—2013年、2014—2015年、2015—2016年和2016—2017年是大于1的，表明這幾個時期技術水平有一定程度的提高，其他年份技術進步均無顯著提升，創新進展緩慢是制約各省域生態福利績效水平的關鍵因素。

四、中國省域生態福利績效水平的空間分布差異

為了探究省域之間生態福利績效水平的相對差異及原因，根據以上Malmquist指數測算結果將各效率指數由高到低大致劃分為六個區間，分別為達到1.000、0.950—1.000、0.900—0.950、0.800—0.900、0.700—0.800、0.700以下，并進一步對空間分布差異進行闡析。

(一)綜合效率均值省域分布差異

從總體來看，我國生態福利績效呈現出明顯的梯度變化：從東南沿海到西北內陸整體遞減，西部生態福利績效水平整體略低于東部，北部生態福利績效水平整體略低于南部。目前，全國大部分省域都已達到1.000或介于0.950—1.000區間范圍內，但少部分省域仍處于0.800以下，從區域來看，東部、中部地區基本介于區間1.000、0.950—1.000，西部、東北地區則多介于區間0.950—1.000、0.900—0.950、0.800—0.900，體現出明顯的空間非均衡性。另外，生態福利績效存在一定的空間集聚效應，生態福利績效較高的地區，其周邊省份的生態福利績效水平往往也比較高，可以推測綠色發展可能會存在一定的正外部性。

表3 2009—2017年中國省域生態福利績效Malmquist指數變化及其分解

表4 2009—2017年中國省域生態福利績效各時期Malmquist指數變化及其分解

(二)Malmquist指數均值省域分布差異

對于技術效率變化指數來說，全國整體呈現出“中間高，周邊低”的分布特征。大部分省域的資源配置效率是上升的，技術效率變化指數大于1的省域在東部、中部、西部、東北地區均有分布，少數省域的資源配置效率略有下降，但效率下降都能控制在5%以內，這些省域主要分布于東部沿海、西北和東北地區的邊緣地帶，且均屬于中低績效省域。對于技術進步指數來說，全國普遍緩慢，只有13個省域技術水平有所提高，除了北京、上海兩個特大城市外，其他省域技術進步的幅度并不顯著。從分布來看，全國總體上呈現出由東南向西北遞減的趨勢，西部技術更新速度明顯滯后于東部、中部和東北部，西藏、貴州、青海3個省份技術進步慢的問題尤為突出。當然，也有一些省域比如內蒙古、陜西、寧夏，在此期間充分利用西部大開發等機遇積極引入先進技術，加快技術升級換代，排名躋身于全國前列，這些省域可以為其他落后地區提供有益借鑒。因此，絕大多數省域無論是處于高績效、中績效還是低績效水平，都有必要加強對技術引進和技術創新的重視，將全面推進技術進步擺在提升生態福利績效水平的重要位置。

全要素生產率指數的省域分布與技術進步指數非常相似，仍然是“東南高，西北低”，而且大部分省域都小于1，說明我國大部分省域全要素生產率整體為下降趨勢，少數省域全要素生產率有所上升，但幅度不大，除了北京、上海、天津的效率增長能夠達到5%，其余省域均不顯著。此外，不同省域之間的發展差距非常明顯，上海在2009—2017年間全要素生產率平均增長21.0%，處于全國領先地位，北京平均增長15.0%位居第二，這與上海、北京開放程度高、人才吸引力強有很大關系，而西藏則平均增長-21.2%，成為31個省域中效率負增長最大的地區。除此之外，全要素生產率也存在一定的空間集聚效應，全要素生產率下降的省域基本集中于三大地區，以青海為中心的西部地區、以河南、安徽為中心的東中部地區、位于東北部的黑龍江地區，這些地區中的大部分省域技術效率變化指數能夠維持在較高的水平，全要素生產率低的主要原因在于技術進步緩慢。

五、投入冗余度分析

根據前文對綜合效率水平所劃分的六個區間，我們將生態福利績效水平為1.000的省域視為“高績效”省域，將處于0.950—1.000、0.900—0.950、0.800—0.900區間的省域視為“中績效”省域，將處于0.700—0.800、0.700以下區間的省域視為“低績效”省域。同時根據我國區域經濟發展實力總體分布呈現“東強西弱”的格局，將經濟發展水平較高的東部地區的省域視為“高福利”省域，經濟發展水平居中的中部地區省域視為“中福利”省域，將經濟發展水平相對較低的西部和東北地區的省域視為“低福利”省域。綜合考慮生態福利績效水平和經濟發展水平，把全國31個省域被進一步劃分為“高績效-高福利”(北京、天津、河北、上海、廣東、海南)“高績效-中福利”(山西、安徽、江西、河南、湖南)“高績效-低福利”(廣西、重慶、四川、貴州、西藏、陜西)“中績效-高福利”(江蘇、浙江、福建、山東)“中績效-中福利”(湖北)“中績效-低福利”(內蒙古、云南、甘肅、青海、吉林、黑龍江)及“低績效-低福利”(寧夏、新疆、遼寧)七大區域。

為了進一步探究造成部分省域DEA無效的具體原因是什么，從而提出更有針對性的政策建議，運用DEA-Solver Pro 5.0軟件對2009—2017年14個DEA無效的省域進行投入冗余度分析(基于投入導向、規模報酬可變假設下的BCC模型，投入冗余度測算通過DEA-Solver Pro5.0軟件完成)，更直觀地判斷投入的主要資源最優消耗量和實際消耗量的差值，并對同一省域同一指標下不同年份的測算結果取平均值，結果如表5、表6所示(因廢物排放的三級指標數量很多，需要對指標進行刪減，此處選用人均一般工業固體廢物產生量來代表廢物排放)。一般而言，投入冗余度值越大，則表示效率損失越大，資源能源利用效率越低。

由投入冗余度分析結果可以看出，在“中績效-高福利”區域，江蘇在水資源消耗、礦產消耗、土地消耗、能源消耗、廢物排放五個方面均有很大的改進空間，福建在水資源消耗、廢物排放方面需要進一步提升，山東在廢物排放方面冗余度相對較高，而浙江總體冗余度不大。在“中績效-高福利”區域，湖北五個方面均存在一定的冗余度，但冗余度相對較小，其中土地消耗和廢物排放略為突出。在“中績效-低福利”區域，內蒙古和甘肅五個方面的冗余度都很高，其中礦產消耗、能源消耗、廢物排放三方面最為嚴重。云南在礦產消耗方面提升空間比較大，其余方面冗余度很低，而青海在水資源消耗、礦產消耗、能源消耗、廢物排放四方面有待提升。吉林和黑龍江在五個方面的冗余度都很低，是該地區做得最好的兩個省域?！暗涂冃?低福利”地區是冗余度“重災區”，寧夏、新疆、遼寧在五個方面都需要大幅度提升。從分析結果中還可以看到一個怪現象，即資源越豐富的地區，其投入資源的冗余度反而越大，如高福利地區(東部)具有相對豐富的水資源，但水資源消耗冗余度卻相對較高，而低福利地區(西部、東北部)的礦產和能源相對較為豐富，但礦產消耗、能源消耗冗余度相對高一些，似乎陷入“資源越富有，使用效率越低”的怪圈。

表5 2009—2017年DEA相對無效省域生態投入冗余度分析(水資源、礦產、土地消耗)

表6 2009—2017年DEA相對無效省域生態投入冗余度分析(能源消耗、廢物排放)

六、結論與建議

運用DEA-BCC模型對2009—2017年我國31個省(市、自治區)生態福利績效水平進行測算，結果顯示有17個省域實現DEA相對有效，而有14個省未能實現相對有效，表明我國生態福利績效水平總體偏低。從動態變化趨勢來看，Malmquist指數計算結果表明，我國省域生態福利績效水平略微呈下降趨勢，在對其進一步分解可以得出，隨著我國經濟發展方式的轉變，我國生態福利全要素生產率水平在逐步提高，技術效率也在改善，但是技術進步緩慢成為制約因素。從省域生態福利績效水平的空間分布來看，呈現出從東部向中西部遞減的格局，與區域經濟發展水平的梯度分布具有一致性。在進一步對14個DEA無效的省域資源能源投入冗余度測算中發現，處于不同“績效-福利”區域的省域的能源利用效率各有差異，績效和福利越是低的區域，其能源利用效率越低，而且還發現在資源能源越是豐富的地區，其低效利用的浪費顯現越嚴重。根據實證研究的結果，本文進一步提出了提升省域生態福利績效水平的建議。

(一)發揮科技創新驅動生態福利績效水平提升的動力作用

當前我國技術進步緩慢成為制約生態福利績效水平提升的一大制約因素。因此，要圍繞生態文明建設和綠色發展開展技術創新，強化科技創新在驅動生態福利技術水平提升中的動力作用。加強新能源、新材料、節能減排、污染治理、環境持續利用等的綠色技術的研發，形成綠色發展科技支撐體系。推動生態環境治理與互聯網、大數據、人工智能等現代信息技術融合，形成生態環境資源利用的新模式。構建以企業為主體、市場為導向、產學研相結合的生態技術創新體系，推動生態技術創新成果的產業化運用。此外，要深入挖掘各地區潛在資源優勢，開發利用潮汐能、風能、熱能等可再生能源，提高可再生能源占能源消耗總量的比重。

(二)推動生態產業化和產業生態化的協同發展

產業生態化、生態產業化協同是“十四五”時期我國綠色發展之路，是生態環境保護與高質量發展的協調推進之路，同時也可以通過產業與生態的有機融合提升生態資源利用的規模經濟效益，促進生態資源的優化配置，提升生態資源的使用效率。同時，生態與產業的融合也可以打通生態產品價值轉化的路徑，把生態效益和經濟效益更有機地結合在一起。生態產業化要立足于我國各省域的生態資源優勢，選準綠色產業的發展方向，因地制宜地發展特色優勢產業，如發展生態農業、循環制造、生態旅游等多種生態產業模式。產業生態化則是加快傳統產業的綠色化改造，培育產業綠色發展新動能，構建綠色循環低碳發展的新興產業體系。如東北地區可推動傳統資源能源產業向精細化工、新能源、新材料等產業部門轉化；西部省域還可以適度開發豐富的光熱水土、礦產資源、旅游資源等，形成可持續的產業發展部門。

(三)加強省域生態環境治理協調聯動

生態環境的無界性和環境污染的蔓延性意味著我國生態環境保護和治理必須打破傳統行政區域邊界，各省域之間加強合作，協商開展對生態資源的綜合保護和有序開發。依托現有的已具有一定優勢和規模的京津冀、長三角、粵港澳大灣區、黃河流域等經濟區開展生態環境協同治理的先行，為全國范圍內的聯動治理提供經驗。區域之間可以聯合開展大氣、水環境、海灣等綜合防治，共治跨界環境污染；區域之間可共建環境應急能力體系、生態環境監測體系、固體廢棄物危險品的無害化處置等環境基礎設施，實現聯防聯治；為了共建安全的生態屏障，區域之間要加強生態空間的共同保護，推進生物多樣性保護和修復生態系統，形成生態資源要素良性循環、人與自然和諧共處的大空間。此外，還要加強各省域的綠色低碳發展，共走低碳經濟發展之路，共同應對氣候變化。