天津城市空间扩展中生态足迹变化与影响因素分析★

白 雪

(1.安徽师范大学国土资源与旅游学院，安徽 芜湖 241002； 2.安徽师范大学旅游发展与规划研究中心，安徽 芜湖 241002； 3.安徽师范大学城市与区域规划研究中心，安徽 芜湖 241002)

0 引言

《地球生命力报告2016》指出，自20世纪70年代初，人类对地球的索取超出了其可持续供给的能力，2012年人类消耗了相当于1.6倍生态承载力的自然资源和服务。2012年我国人均生态足迹为1.75全球公顷～3.5全球公顷，高出人均生态承载力1.7全球公顷[1]。生态兴则文明兴，生态衰则文明衰,科学评价生态系统对人类发展的承载能力，是度量人与自然相互依赖关系的重要手段[2,3]。

生态足迹模型在1992年由Willian Rees提出，Wackernagel完善并计算了52个国家和地区1997年的生态足迹[4,5]。1999年生态足迹引入我国得到推广应用，随着生态足迹研究的深入，对于其影响因素及预测的研究成为焦点，目前研究主要包括应用回归模型与神经网络分析：杨娟等建立自回归移动平均模型分析预测了成都市生态足迹和生态承载力发展趋势[6]；李湘梅等应用BP神经网络建立社会、经济、环境数据对武汉市生态足迹进行预测研究[7]；鲁凤应用偏最小二乘法和灰色关联熵法揭示新疆生态足迹各影响要素的重要性程度，并建立生态足迹与人口、城市化、产业结构等之间的多元线性对数模型，分析生态足迹变化的社会经济驱动机制[8]；马德明等应用偏最小二乘回归分析法对宁夏生态足迹的影响因子重要程度进行了分析[9]；刘永超等对生态足迹的GS-SVR,PSO-SVR,GA-SVR，神经网络模型进行对比研究[10]；杨屹等建立经济、社会消费、人口规模、土地利用四维指标模型分析关中—天水经济区生态足迹变化驱动因素[11]。

综合回归模型和神经网络法的优劣势，本文选取偏最小二乘回归分析法，以人均生态足迹历史数据为输入进行影响因素分析。

1 研究区域概况

天津是地处华北平原北部，市域土地面积11 916.85 km2(天津市统计年鉴2016),常住人口1 562.12万人(2016年天津市国民经济和社会发展统计公报)。2016年全市生产总值为17 885.39亿元，比上年增长9.0%。近年来，天津在城市空间的扩展、人口增长、经济发展态势良好的同时，也出现了资源消耗、生态恶化等问题。1990年—2015年，天津市建设用地增长76.62%，人口增长78.58%，GDP增加5 200.00%，同时，能源消耗量增长了305.32%,耕地面积减少38.47%，水资源总量减少87.21%。2017年中央环境保护督察组督察指出天津市环境保护工作虽取得积极进展，但仍存在大气环境、水环境及“散乱污”等突出环境问题，“与中央要求、直辖市定位和人民群众期盼尚有明显差距”(中央第一环境保护督察组向天津市反馈督察情况)。

2 研究方法与数据来源

2.1 研究方法

本文基于改进型生态足迹模型，计算人均生态足迹指标，利用SMICA-P软件建立偏最小二乘回归模型对生态足迹影响因素进行分析，并对模型进行变量投影重要性、特异点分析，以验证模型的可靠性。

2.1.1改进型生态足迹模型

本文以王洪波提出的改进型生态足迹计算[12]为基础，将生态足迹划分为生物资源、能源、污染物和水资源四类账户生态足迹，根据历年天津市生物资源及能源消耗特点进行调整：在本地水域产量因子计算时增加海水产品，在建设用地账户计算时电力消费量=(跨区域调入量-本市调出量)×水电占总电力的百分比[13]。

计算公式为：

(1)

其中，EP为生态足迹；k为生物生产性土地；Pki为第k类生产性土地的第i种产品的年产量；Yki为第k类生产性土地的第i种产品的世界平均生产力；γe为化石能源地的均衡因子；m为消耗的能源种类；Cj为第j种化石能源的年消费量；Yj为单位面积的林地或草地可吸收的温室气体所对应第j种化石能源消耗量；γc为建设用地的均衡因子；Ab为建设用地中热能和电能的年消耗量；Yb为世界平均生产力；Qc为污染物的排放量；AC为各类土地对污染物的消纳能力；Yki为第k类生产性土地的第i种生物产品的世界平均生产力；EQj为均衡因子；γw为水资源的均衡因子[14]；W为消费的水资源总量；P为水资源的平均生产能力。

2.1.2偏最小二乘回归模型

偏最小二乘回归兼具主成分分析、典型相关分析和多元回归分析等方法的特点，且消除自变量的多重共线性影响，在样本数量小于变量数量时亦可分析，具有较强的解析能力。相关公式为：

(2)

其中，y为因变量生态足迹;α为回归常数;n为影响因素个数;βi为影响因素系数;xi为影响因素。

2.2 数据来源

本研究数据主要来源于1990年—2017年《天津统计年鉴》《天津市水资源公报》,中国知网数据库等。

3 结果与分析

3.1 1990年—2015年天津市人均生态足迹测算

计算过程中，七类土地的均衡因子参见白雪(2014)[15]，产量因子为当年天津市生产力和全国生产力的比值。人均生态足迹的结果为：1990年3.58,1995年2.71,2000年1.82,2005年2.12,2010年4.46,2015年9.46，天津市人均生态足迹呈现先下降后增长的趋势，且涨幅增大。

3.2 天津市生态足迹及其影响因素的偏最小二乘回归分析

本文建立的生态组足迹影响因素的PLS模型，选取的可能的影响因素：x1为GDP(亿元)，x2为第一产业产值(亿元)，x3为第二产业产值(亿元)，x4为第三产业产值(亿元)，x5为规模以上工业总产值(亿元)，x6为全社会固定资产投资(亿元)，x7为总人口数(万人)，x8为城镇人口(万人)，x9为城镇居民人均消费支出(元)，x10为农村居民人均消费支出(元)，x11为耕地面积。

模型自动拟合，提取3个PLS成分时对y的交叉有效性是0.043 8，模型的解释能力为0.802 7，回归模型精确度较高。最终得到标准化偏最小二乘回归模型为：生态足迹y=0.162 8x1-0.096 9x2+0.052 5x3+0.266 6x4-0.335 7x5+0.325 2x6+0.056 7x7+0.391 6x8+0.029 6x9+0.338 9x10+0.466 8x11。

选取特异点识别原理绘制主成分t1/t2的散点图，分析确认模型的可靠性。从图1可以看出，样本点分布在椭圆内部，不存在特异点，模型拟合效果好。

通过自变量VIP值得到各影响因子对生态足迹变化的重要度，耕地面积为1.31、全社会固定资产投资为1.05、农村居民人均消费支出为1.02、第三产业产值为1.01，对天津生态足迹有显著影响；GDP为0.97、城镇人口为0.96、规模以上工业总产值为0.95、第二产业产值为0.94、总人口为0.92、城镇居民人均消费支出为0.92、第一产业产值为0.89，对天津生态足迹影响比较重要。以上结果与模型分析结果基本相符合。

4 结论与讨论

4.1 结论

研究结果表明：研究期内天津市人均生态足迹波动性剧增，显著影响天津市生态足迹的因素是：耕地面积、全社会固定资产投资、农村居民人均消费支出、第三产业产值。耕地面积对生态足迹驱动作用强，2015年天津市耕地面积为1990年的62%，城市扩展占用大量的耕地，并伴随人类活动的增加，全社会固定资产投资增加、产业产值增加等，导致生态环境恶化。第三产业的影响作用大于第二产业和第一产业，究其原因：一方面，第三产业产值占比增大，目前已超过一二产业，产业结构优化；另一方面，节能降耗、污染防治等政策措施发挥作用，制约了第二产业的生态占用，同时，第三产业发展带来的生态环境问题日益突出。

4.2 讨论

本文对天津市生态足迹的计算受限于原始资料，始于1990年，无法从更长时间范围内研究城市扩展对生态足迹的影响。统计口径的改变，部分年数资料不全，研究时用相邻年份数据替代，带来测算数据与现实存在一定偏差。未来可查找到更全面的数据，测算出更准确的数据。对影响因素的研究受限，未来可扩展研究范围，以期获得更精准的模型。

[1] WWF International,Living Planet Report 2016.Risk and resilience in a new era.http://wwf.panda.org.

[2] Torras M.An ecological footprint approach to external debt relief[J].World Development,2003,31(12):2161-2171.

[3] 刘 东,封志明,杨艳昭.基于生态足迹的中国生态承载力供需平衡分析[J].自然资源学报,2012,27(4):614-624.

[4] Wackernagel M,Onisto L,Bello P,et al.National natural capital accounting with the ecological footprint concept[J].Ecological Economics,1999(29)：375-390.

[5] Wackernagel M.,Rees W.Our Ecological Footprint:Reducing Human Impact on the Earth[M].Canada:Gabriola Island,BC:New Society Publishers,1996:2-17.

[6] 杨 娟,王昌全,曾世勇,等.1987～2006年成都市经济生态可持续发展分析及ARIMA预测[J].四川农业大学学报,2010,28(1):99-104.

[7] 李湘梅,周敬宣.基于BP神经网络的城市总生态足迹预测研究——以武汉市为例[J].环境科学与技术,2007(8):68-70，119.

[8] 鲁 凤.生态足迹变化的动力机制及生态足迹模型改进研究[D].南京：华东师范大学,2011.

[9] 马明德,马学娟,谢应忠,等.宁夏生态足迹影响因子的偏最小二乘回归分析[J].生态学报,2014,34(3):682-689.

[10] 刘永超,郭怀成,代 超.生态足迹预测模型优选——以武汉市为例[J].北京大学学报(自然科学版),2015,51(5):897-904.

[11] 杨 屹,朱彦臻,张景乾.关中—天水经济区生态足迹变化驱动因素[J].生态学报,2017(21):1-8.

[12] 王洪波.基于改进型生态足迹模型的北京市生态足迹分析与评价[D].北京：首都经济贸易大学,2013.

[13] 谢鸿宇,陈贤生,林凯荣，等.基于碳循环的化石能源及电力生态足迹[J].生态学报,2008(4):1729-1735.

[14] 黄林楠,张伟新,姜翠玲，等.水资源生态足迹计算方法[J].生态学报,2008(3):1279-1286.

[15] 白 雪.天津城市空间扩展中的生态足迹动势研究[D].天津：天津大学,2014.