縣域資源環境承載力綜合評價及驅動力研究
——以仁壽縣為例

陳青松，魯亞雄，羅 勇，張洪吉，譚小琴，朱 琛，費建波，楊鈺賜

（1.四川省自然資源科學研究院，四川 成都 610041；2.四川農業大學資源學院，四川 成都 611130；3.四川省自然資源廳，四川 成都 610072；4.四川省林業和草原調查規劃院，四川 成都 610084；5.四川省國土空間規劃研究院，四川 成都 610081）

0 引言

資源環境承載力是衡量資源環境狀況受到人類生產生活干擾能力的一個重要指標，相關研究也由來已久［1］，總體上經歷了從生物生態學到資源環境科學的綜合認識過程［2，3］。目前，通過構建指標體系開展資源環境承載力評價是常用方法［4，5］，而運用熵值法對指標進行權重賦值能有效排除主觀因素的干擾［4，5］；基于上述方法，學者開展了不同研究尺度的資源環境承載力的綜合評價研究工作，如國家尺度［6-8］、省域尺度［9-11］、區域尺度［12-16］、市縣尺度［17-19］等，在分析資源環境承載力基礎上借助變量深入分析其驅動因素研究還相對較少［16，20］；地理加權回歸模型（Geographically Weighted Regression，GWR）是常用的空間異質影響因素分析模型［21］，可用于驅動因子的篩選［22］；相較于大尺度的資源環境承載力評價，縣域內的評價更需要精細的基礎資料才能有針對性地指導資源利用和環境調控［23］，因此在縣域開展資源環境承載力評價研究更具有理論與實踐探索必要性，有利于完善和改進現有的評價框架和承載力評價方法，將空間管制和空間治理相結合，為城鎮空間擴展、生態空間保護、生產要素和資源的空間配置以及空間規劃編制等研究提供參考。

1 研究區及研究方法

1.1 研究區及研究數據

仁壽縣地理坐標為103°55'—104°30'E、29°38'—30°20'N，隸屬于眉山市，位于四川盆地南部，人口密度高、人均耕地少、人地矛盾突出，周邊與6市區接壤，北接成都市雙流區，是西南經濟百強縣，全域進入天府新區輻射區、影響區，經濟發展較快。全縣幅員面積2 716.86km2，東西長73km，南北長55km，地勢由西北向東南逐漸傾斜，整體南北高、中間低、呈谷峰型，海拔高度470.6—1 383m。轄32個鄉鎮（街道），縣城建成區面積超過40km2，據統計2020 年仁壽縣常住人口數量111.1 萬人，縣內分布有彝族、藏族、羌族等16 個少數民族，地區生產總值為457.4 億元。仁壽縣自然資源豐富，擁有煤炭、石灰石、石英砂等礦產資源；同時也是產糧大縣，果蔬之鄉；擁有野生動物100 余種，野生有利用價值的植物560 余種；地表水沿龍泉山山脈東西分流，縣內流域面積可達2 200 余km2，年均徑流量約10 億m3；縣內全域呈現南北高中間低的地勢，境內地質構造單元處于川西臺陷龍泉褶皺與川中臺拱、威遠穹隆的接合部位，屬地質災害易發縣。仁壽縣屬亞熱帶濕潤季風氣候區，年均氣溫17.3℃，年均降水量1 018.7mm，年均日照時數1 179.4h，年均相對濕度77%。

選取仁壽縣2016 年開始融入成都天府新區到2020 年發展成型的兩個年份，搜集了相關自然和社會經濟的研究數據，包括指標層中25 個指標（表1），數據收集整理以鄉鎮為單元，數據來源于仁壽縣規劃和自然資源局、生態環境局、水利局及農業農村局等部門，經過數據申請和走訪得到，同時查閱仁壽縣統計年鑒、眉山市統計年鑒等對數據進行補充。

圖1 仁壽縣區位Figure 1 Location of Renshou County

1.2 研究方法

1.2.1 基于PSR模型的指標體系構建

“壓力—狀態—響應”（Pressure - State - Response，PSR）被廣泛用于資源環境承載力的評價，該模型最早有加拿大統計學家David J.Rapport 和Tony Friend兩人提出，后經經濟合作與發展組織（OECD）和聯合國環境規劃署（UNEP）逐漸發展為研究環境問題的框架［24］，該模型是結合自然生態環境和社會經濟相互內在互動關系，以一定的邏輯關系，對區域資源環境承載力進行評價，其動因則是人類的各類生產和生活活動給生態環境所帶來的各種擾動，人類的擾動又使得生態環境出現相應的不平衡狀態，從而影響人類生存和發展，一段時間持續的擾動下生態環境無法通過自我調節維持這種平衡狀態，從而人類社會必須根據生態環境的狀況做出相應的應對措施，對其進行評估后采取相應的調整措施，以幫助生態環境維持平衡狀態。其中壓力是人類帶來的擾動，如資源消耗、環境污染等，這種擾動甚至可稱之為對資源環境的脅迫，本文分別選取4個方面的內容構建10 種壓力型指標，為負指標。狀態，指的是在一定時間下生態環境狀態的變化，本文構建9 種狀態指標，為正指標；響應則是人類社會所采取的減少擾動應對措施，能夠體現為生態環境提供保障的指標，共計6 種，為正指標。

以PSR模型為基準構建與仁壽縣人口、資源、環境和社會經濟等要素和資源環境承載力密切相關的因素，同時在參閱相關文獻的基礎上［24，25］，遵循科學性、綜合性、代表性和層次性的原則，構建仁壽縣資源環境承載力評價體系。評價指標體系包括目標層、準則層、分準則層、指標層等4 個層次。基于PSR模型及層次劃分原則，結合典型縣域資源環境承載力綜合指數分為壓力評價指標、狀態評價指標和相應評價指標，共25 個指標因子構建仁壽縣資源環境承載力評價指標體系（表1）。

1.2.2 熵權法構建資源環境承載力指數

隨著權重確定方法研究的日趨成熟，國內外學者發展了層次分析法、特爾菲法、回歸系數法、等差法和熵權法等權重確定方法。相對于其他權重確定方法，熵權法能夠避免主觀色彩對評價結果的影響［20］，是一種客觀的賦權方法。

首先，根據各指標評價數據建立矩陣Rij＝n ×m，一般認為所統計的指標為一般分布；利用極值標準化（Min—Max）法對評價的指標進行標準化處理，從而消除指標間的內部差異［26］，其標準化方法如下：

式中：Rij為第j個指標第i 個項目的初始值；為對應第j個指標標準化后的值；Rj-max和Rj-min分別為第i個指標的最大值和最小值。

其次，計算各指標的比重Pij：

式中：n為項目個數。

最后，在獲得項目的熵值后，計算第j個指標的熵權：

式中：wj為項目的熵權值；m為指標數量。

本文采用多指標加權函數模型來描述縣域資源環境承載力指數。即將單一指標標準化后的數值乘以與之對應的權重再相加求和的方法得到一個綜合性指標數值，這個數值即為綜合承載力指數［27］，取值范圍在0—1 之間，分值越高，表明資源環境承載力水平越高，具體計算公式如下：

式中：RECC為資源承載力綜合評價指數；Wj為第j個指標的權重；為第i年的無量綱標準化值；n為指標個數。

1.2.3 全局空間自相關

為探究縣域資源環境承載力的空間變異情況，運用GIS的空間統計分析，全局空間自相關分析，在給定的空間要素即相關屬性的值，用以評估所表達的模式為聚類模式、離散模式或者是隨機模式，Z和P 值的得分表示統計學的顯著意義，而莫蘭指數（Moran's I）的值則指示著空間上的聚集和離散，即莫蘭指數為正值，則得到空間聚集的統計學意義，若莫蘭指數為負值時則指示空間上為離散的趨勢。本研究以空間自相關分析資源環境承載力的空間關聯和空間差異，在空間統計學中，常用的度量空間自相關程度的統計指標為莫蘭指數，其計算公式為：

式中：n為樣本量；xi、xj為空間位置i 和j 的觀察量；Wij表示空間位置i 和j 的鄰近關系，當i 和j鄰近時，Wij＝1；反之為0。全局Moran's I指數的取值范圍為［-1，1］，大于0 為空間正相關，小于0 為負相關，等于0 為不相關。

1.2.4 地理加權回歸

地理加權回歸（GWR）是一種廣泛應用的空間分析方法，該方法通過建立空間局部點的局部回歸方程，可以探究所研究的對象在一定空間尺度下的變化和相關驅動因素［22，28］。因此本研究選擇GWR模型評估相關驅動因子在空間上對縣域資源環境承載力指數的影響。同時可以進行預測，而一般的回歸模型不考慮空間性，但在實際問題中，回歸參數往往是以從不同地理位置上采集的，有位置上的變化，為了考慮回歸參數在不同地理位置上的變化，引入GWR模型進行不同指標的回歸分析，以得到資源環境承載力的空間驅動力。GWR 模型是普通的回歸模型的擴展，加入了空間特性，并以距離加權的方式引入到模型中，具體模型如下［29］。

式中：yi為第i 個空間位置上的被解釋變量；（ui，vi）為第i 個樣點的空間坐標；βio為第i 個樣本點的常數估計值；βij（ui，vi）為第i個樣本點第j個自變量系數，與其空間位置關系有關；xij為第j 個自變量在樣本i的值；εi為殘差。

通常假定其服從的是獨立正太分布，在空間上個點回歸系數的球解如下：

式中：X、y為各樣本點的自變量與因變量矩陣；W（ui，vi）＝diag（Wi1，Wi2，…，Win）為樣本點i 的空間權重矩陣；＝（xi1，xi2，…，xin）。其中，X ＝為由解釋變量觀測值構成的設計矩陣；為由被解釋變量觀測值構成的列向量；元素dij，表示空間位置點j 到回歸點i 的歐氏距離；D 是從回歸點i到其第M個最近鄰居的距離；M是最近鄰居的最優值。空間核函數類型選擇高斯函數法，高斯函數用一個連續單調衰減函數表示權重Wij與距離dij之間的連續單調遞減函數，可以克服上述空間權函數不連續的缺點，函數形式如下所示：

帶寬則是由Akaike信息準則，可以通過使該值達到最小來確定［30］，計算公式如下：

2 結果及分析

2.1 仁壽縣資源環境承載力綜合評價

通過熵值法確定的各資源環境承載力指數情況，運用“壓力—狀態—響應”模型構建了32 個鄉鎮2016 年和2020 年的PSR 各子系統的承載指數值，結合縣內的資源環境概況，對不同的子系統進行綜合分析評價。

2016 年仁壽縣鄉鎮的整體情況如圖2 所示。從圖2 可見，各鄉鎮壓力指數與狀態指數較為接近，都表現出較高的水平，但總體的壓力指數水平小于狀態指數，突兀的峰值出現在縣城所在的街道，即懷仁、普寧、文林及視高街道，上述鄉鎮均表現為經濟發展迅速，土地供應量大，人口不斷涌入，人地矛盾較突出，資源消耗和環境壓力較大，因而表現出較高的壓力指數；響應指數方面，與壓力和狀態指數不同，存在壓力和狀態指數高而響應指數低的狀況，如寶馬鎮；其中黑龍灘鎮的響應指數最高，說明在該時期有相關減輕資源索取消耗和環境整治的措施，通過響應年份的仁壽縣統計年鑒發現，2016 年對黑龍灘鎮中的黑龍灘水庫進行了整治，且對位于仁壽城區內的中央水體公園、仁壽城市濕地公園、響水六坊公園開園投用，減輕了資源與環境壓力。

圖2 2016 年仁壽縣各鄉鎮PSR指數Figure 2 PSR index of each township in Renshou County in 2016

2020 年各鄉鎮的PSR指數如圖3 所示。從圖3可見，壓力和狀態指數在縣城所在鄉鎮任然表現較高，但與2016 年相比壓力指數的變化較大，整體呈現下降的趨勢；狀態指數較2016 年相比在個別鄉鎮上表現較明顯，整體有一個增加的趨勢，具體在方家鎮、懷仁、普寧、視高及文林街道等鄉鎮，其中變化突出的方家鎮和視高街道，方家鎮作為撤鄉并鎮的排頭兵，行政區劃的調整使得鎮內資源利用和產業發展提升較大；響應指數方面整體呈現減小的趨勢，其中縣城所在的懷仁街道、普寧街道以、文林街道及視高鎮表現出較高的響應指數，上述街道的響應指數和壓力指數呈現同減的趨勢。

圖3 2020 年仁壽縣各鄉鎮PSR指數Figure 3 PSR index of each township in Renshou County in 2020

通過熵值法確定2016—2020 年仁壽縣資源環境承載力綜合評價指數變化情況，結果如圖4 所示。從圖4 可見，2016—2020 年仁壽縣各鄉鎮的資源環境承載力整體上增加的鄉鎮多，達到23 個，整體上減小的鄉鎮數僅9 個。但存在研究期內個別鄉鎮資源環境承載力劇烈變化的情況，如黑龍灘鎮；人口集中、資源消耗較大的縣城所在街道的資源環境承載力均出現增加，這表明人口用地高度集中的城市在面對資源環境承載壓力不斷增加的同時，注意提升城市自身對資源環境承載力的響應能力，合理調配資源，注重保護城市環境，其資源環境承載力是可以優化提升的。

圖4 2016—2020 年仁壽縣資源環境承載力指數的變化情況Figure 4 Changes in the resource and environment carrying capacity index of Renshou County，2016—2020

2.2 縣域資源環境承載力空間變化特征

通過空間自相關統計，兩個年份的莫蘭指數統計如表2 所示。由表2 所示，兩個年份的的莫蘭指數均大于0，說明研究中各鄉鎮的資源環境承載力在空間上表出聚集的趨勢。在Z 值的得分上，當Z值得分大于2.58 時，隨機產生此高聚類模式的可能性要小于1%，而Z 值得分大于1.96 時，則隨機產生此高聚類模式的可能性要小于5%，本研究中2016 年的Z值為2.164，該值大于1.96 小于2.58，則本研究資源環境承載力的空間表現指示隨機產生高聚類模式的可能性小于5%，這說明在研究中各鄉鎮的資源環境承載力值的空間分布表現聚集性，且高聚集模式概率超過95%。2020 年的Z 得分為1.55，小于1.96，沒達到顯著性要求，聚集的概率小于2016 年。

表2 莫蘭指數統計表Table 2 Moran's I index statistics

各鄉鎮的空間聚類分析如圖5 所示，可以看出，2016 年資源環境承載空間上無顯著聚集性的鄉鎮數為27 個，有顯著聚集性意義的鄉鎮數為5 個，約占總鄉鎮的15.6%，其中高高聚類集中在縣城轄區的街道，如文林街道、懷仁街道；而2020 年的聚類P值為0.121，大于0.05，未達到顯著水平，則表明該年度資源環境承載力的空間分布是隨機空間過程的結果，不存在明顯的聚類現象。與2020 年相比2016 年的縣域內資源環境承載力變異度降低。

圖5 仁壽縣資源環境承載力空間變異特征分布Figure 5 Distribution of spatial variation characteristics of resource and environment carrying capacity

從高低聚集程度來說，2016 年出現了一定的空間聚集現象，其中高—高聚集在文林街道和懷仁街道，為縣城所在區域，呈現高承載力，周邊也是高承載力現象；兩個年度中富家鎮2016 年還呈現高低聚集的現象，而2020 年則表現為低低聚集，資源環境承載力的下降；大化鎮兩個年度均表現出低高聚集，即周圍表現高資源環境承載，本鎮表現為低資源環境承載力；低低聚集現象的鄉鎮在2020 年有所增加，對整體資源環境承載力的下降起到指示作用。

2.3 縣域資源環境承載力驅動因素分析

2.3.1 驅動力變量選擇

為了弄清資源環境承載力變化的驅動因素，選擇適當的變量進行研究。在選擇研究變量時，主要是根據自變量與因變量之間的相關關系以及相關描述性統計分析結果來反映，將驅動力變量指標作描述性統計分析，結果能夠反映原始指標體系數據的整體情況，本研究借助描述性統計和回歸分析對2016 年和2020 年的指標變量進行了分析，統計得到了25 個指標的整體情況，2016 年的指標中各指標的Pearson相關系數值在-0.565—0.783 之間，25 個指標變量與資源環境承載力顯著性統計顯示，除了A13和A19，其余指標顯著性均在95%置信區間，其中指標A16的統計量被排除在指標之外；2020年的指標中Pearson 相關系數值在-0.732—0.899之間，顯著性統計顯示，全部滿足顯著性在95%置信區間，其中指標A5的統計量被排除。

在模型構建之前，引入方差膨脹因子（VIF）對各指標的共線性進行判斷，VIF 值越大則表明變量之間共線性越強，一般而言，VIF 值越小越能滿足地理加權回歸的要求，對于VIF 大于5 的變量則認為不滿足共線性要求［21］。從表5 中選取VIF 小于5且顯著性水平在95%置信區間的變量指標，從而篩選出構建地理加權回歸模型的變量（表3）。

表3 驅動變量篩選結果Table 3 Screening results of driving variables

2.3.2 驅動力因素分析

研究對比了最小二乘法（OLS）與地理加權回歸（GWR）的結果（表4），由表4 可知，OLS 的回歸結果擬合度調整R2小于GWR 的擬合度，因此研究采用GWR的回歸結果進行驅動力分析。基于篩選后的驅動因子，確定相關參數后，輸入地理加權回歸模型得到相應的驅動因素的擬合結果，整體結果包括AICc和調整R2，其反映了地理加權回歸的可信度。其中2016 年篩選了3 個因子，2020 年篩選了5 個因子，兩個年份的AICc值均小于100，表明模型擬合較好。將擬合結果輸入空間可視化軟件后，獲得仁壽縣資源環境承載力GWR 擬合結果空間分布，其中渲染得到2016 年局部擬合度（圖6）。

表4 地理加權回歸分析結果統計表Table 4 Statistical table of geographically weighted regression analysis results

圖6 2016、2020 年地理加權回歸的局部R2 渲染Figure 6 Local R2 rendering and standard error plots of geographically weighted regressions in 2016 and 2020

從圖6 可見，2016 年的全局擬合度即響應的擬合效果，整體擬合效果較好，R2均超過了0.5，仁壽縣北部鄉鎮的擬合度高于南部鄉鎮，北部鄉鎮出現了聚集的趨勢。2020 年的擬合度整體也超過0.5，呈現自北向南逐漸降低的趨勢，標準誤差顯示僅有視高街道、文林街道的誤差相對較大，擬合效果不太理想，其余地區的回歸擬合效果都比較理想，整體誤差還是偏小的。

將地理加權回歸所得系數分別輸入到空間可視化軟件進行可視化展示（圖7），分別對GDP增長率（A2）、萬元工業產值標準能耗（A23）和農藥使用量（A25）進行渲染。由圖7a可知，在汪洋鎮、祿加鎮和禾加鎮的GDP增長率對資源環境承載力表現出負向作用，3 個鎮處在仁壽縣的最南端，產業結構和布局處在邊緣區域，可能是表現負向作用的原因；而其余鎮對整個縣的資源環境承載力均表現正向作用，正向作用力從北向南逐漸增強；而萬元工業產值標準能耗對資源環境承載力均表現為負向作用，自西北向東南的負向作用逐漸增強；農藥使用量的回歸結果表明，農藥使用量對資源環境承載力整體表現為正向的驅動作用，但驅動力較小，呈現出東西方向的變化趨勢，自東向西逐漸減小，農藥化肥是農業生產的必須投入品，合理施用農藥是資源環境有一定的正向作用。

圖7 2016 年地理加權回歸系數渲染Figure 7 Rendering of geographically weighted regression coefficients in 2016

同樣對2020 年回歸系數結果進行渲染，結果如圖8 所示。由圖8a 可知，2020 年的第二產業、第三產業占GDP的比例（A3）對資源環境承載力的均表現為負向的驅動力，二三產業對GDP 的貢獻率越大，對資源環境承載力的壓力也就越大，壓力趨向降低資源環境承載力的大小，分布的趨勢呈現從西南向東北逐漸增強的的趨勢，即高家鎮向東南方向至北斗鎮表現較高的負向驅動力，該區域內是環天經濟區的主要區域，與成都天府新區、東部新區接壤，二三產業的發展尤其是三產業的發展是能源消耗和環境壓力的主要因素，因而表現較強的負向能力。由圖8b可知，水資源開發利用率（A18）同樣整體表現出對資源環境承載力負向的影響能力，強弱從西北向東南逐漸增強，最強的依然出現在汪洋鎮、祿加鎮及禾加鎮等，該區域是縣域內水環境工業污染重點控制區域，水資源的開發利用需要更注重防止工業污染。濕地是動植物多樣性的集中表現區域，能夠調節氣候，緩沖環境污染的壓力，是資源環境承載力正向的驅動力，圖8c顯示結果表明縣區內濕地保有量（A22）對資源環境承載力的驅動均表現為正向的驅動影響力，正向趨勢的影響力差異較小，但依然呈現自北向南逐漸增強的趨勢，這種格局可能是因為北部靠近成都的部分鄉鎮的濕地對資源環境承載力的正向驅動力要小于經濟發展所帶來的壓力。對比圖8d與圖7b可以發現，2016 年的萬元工業產值標準能耗（A23）相比2020 年，表現有所不同，整體呈現一種正向的驅動作用力，分布趨勢呈現自西向東逐漸增強的趨勢，說明產業升級，產業結構的調整，包括發展理念的轉變，使得資源節約、環境友好型工業發展對資源環境承載力的驅動由負轉正。同2016 年的農藥使用量相比，化肥的使用表現除了不同的趨勢（圖8e），農用化肥使用量（A24）對資源環境承載力整體都表現出了負向的影響力，表現出自西南向東北逐漸增強的趨勢，東北部分鄉鎮的農用化肥使用量對資源環境承載力的驅動作用更強，化肥更容易引起資源環境承載力的負向變化。

圖8 2020 年驅動因素地理加權回歸系數渲染Figure 8 GWR coefficient rendering of driving factors in 2020

3 結論與建議

3.1 結論

本文以縣域為研究尺度，通過構建指標體系，運用PSR模型和熵值法確定了資源環境評價指數，結合地理加權回歸分析，開展了縣域尺度資源環境承載力的時空變化及其驅動因素的實證研究。主要結論如下：①仁壽縣2016 年資源環境壓力和狀態指數均處于較高水平，部分鄉鎮的環境響應指數高，人地矛盾突出的縣城和經濟增長迅速的鄉鎮街道資源環境承載力的壓力指數明顯大于其他鄉鎮；2020 年人口聚集和城市開發集中的鄉鎮壓力指數有所緩解，同時響應指數和狀態的增加明顯，因此在城市開發過程中更加注重對環境的正向響應，有助于提高整體資源環境狀態指數；2016—2020 年雖然各狀態指數波動明顯，但主要人口聚集和城市開發的鄉鎮資源環境承載力呈現增加的趨勢，表明提升城市自身對資源環境的響應，合理調配資源，注重保護城市環境，其資源環境承載力是可以優化提升的。②仁壽縣資源環境承載力指數在2016 年呈現出一定的聚集分布，主要為縣城所在的文林街道、懷仁街道，呈現高高聚集；2020 年未呈現聚集分布，與2016 年相比低低聚集鄉鎮有所增加，資源環境承載力空間相關性下降。③仁壽縣資源環境承載力驅動因素主要集中在經濟和生態子系統內，擬合度2016 年優于2020 年，整體誤差偏小；2016 年萬元工業產值標準能耗是主要負向驅動力，GDP增長率和農藥使用量是主要正向驅動力；2020 年二三產業占比、農用化肥施用和水資源開發是主要負向驅動力，濕地保有和萬元工業產值標準能耗是主要正向驅動力；從整體的回歸系數看負向驅動力強于正向驅動力，今后因在產業結構調整上多下功夫，合理水資源開發和農藥使用，大力發展濕地生態，有助于提升資源環境承載力。

3.2 建議

仁壽縣作為成都市的正南方，獨特的地理分布和自然資源稟賦為該區域的發展提供者源源不斷的支撐作用，因此縣域的未來高質量發展必須建立在合理保護的基礎上，保護和開發都需要提升和優化，以提高資源環境承載力水平。依據資源環境承載力的分析結果，首先，應建立資源環境承載力底線約束機制。縣域內生產生活與城鎮建設是影響資源環境承載力的關鍵因素，一方面要明確三線一單制度，即資源利用上限、環境保護底線、城市開發紅線以及資源環境負面清單，一方面要構建相應的保障制度確保制度的落實和實施；同時約束機制的建立還應考慮不同發展的歷史時期下人們對資源環境總需求不降低的情況下，提高現有資源環境的開發效率。其次，持續優化資源環境承載正負向驅動。資源環境承載力的變化受到各類社會、經濟和環境因素的影響，加強正向驅動的促進作用、減小負向驅動的抑制作用是維持資源環境承載力的途徑之一，對于仁壽縣，加強水資源開發利用的管控以及大力建設生態濕地無疑是維持資源環境承載力的重要方面。