长三角地区生态盈亏及经济效率协同分析

徐 宁

（宁波大学 商学院，浙江 宁波 315211）

一、引言

生态环境是人类生产生活的重要依托，而自然资源作为一种“稀缺品”，对其开发利用的合理安排是人类社会的重要课题。可持续发展理论警示人类，为了经济发展而进行的自然资源消耗不应当超过生态环境的承载力，而如何量化人类生产生活对于自然资源的影响，如何评估经济效率以及其与生态变化之间的复杂关系，成为优化经济发展路径的必要工作。

既然生态平衡与经济效率提升之间的相互关系是生态经济学探讨的核心内容之一，区域内生态资源消耗权如何分配（碳排放权等）更是学者们感兴趣的话题，那么，单个城市在追求自身经济效率提升时所做出的决策，是否与当地生态环境的开发程度总是相适应的？区域内进行城市间资源消耗权的分配时，若只以经济效率作为分配的衡量指标，对于地区生态利用或保护是否可能是不利的？本文将尝试对以上两个问题进行初步探讨。

长江三角洲地区是我国最具经济活力的区域之一，该区域的发展在国家现代化建设中具有举足轻重的战略地位。本文将对长三角地区2010—2019 年各地级市的生态盈亏进行测算，并进一步分析长三角地区生态盈亏指数的时空规律，同时对这一研究时段内各城市经济效率水平进行测度，以此分析城市经济效率提升与生态变化之间的联系，判断地区内经济效率与生态环境是否存在不平衡状况。

二、文献回顾

从研究方法上来看，生态足迹及生态盈亏模型是量化自然资源的常用方法。Wackernagel 和Rees（1996）[1]率先建立了生态足迹模型，对世界52 个国家和地区进行了相关测算；李鹏辉等（2022）[2]将生态足迹结合自然资源资产核算，构建了土地资源核算体系，并对新疆地区进行分析；王喜君等（2022）[3]利用水资源生态足迹模型，对天水市2012—2018 年生态足迹、生态盈亏状况进行测算；蔡懿苒等（2021）[4]依托生态足迹模型，对安徽省近年来生态盈亏指数进行分析，发现当地环境超载问题正不断加重；此外，各行业和多领域的相关学者也都逐渐采用该模型进行相关研究。

在经济效率的测度方法中，较多学者采用数据包络分析法（DEA）进行测度。刘浩然（2023）[5]基于13个地级市的面板数据，采用非期望产出的超效率SBM 模型对京津冀地区发展效率进行测度；孙才志和李晓玮（2022）[6]采用SBM 超效率模型测度了2000—2018 年沿海11 省的海洋经济效率，并运用VAR 模型进一步考察动态关系；吴遵杰和巫南杰（2021）[7]采用非期望产出的超效率SBM 模型及ML 指数，对2005—2016 年期间长江经济带108 个城市的绿色经济效率及其分解项进行了测度。

对于经济发展、经济效率与生态环境之间的联系，不同学者也从不同角度提出了自己的观点。姜明栋等（2022）[8]采用面板门槛模型，对我国2003—2018 年284 个区市面板数据进行分析，发现生态环境质量在城市经济效率中有着显著的门槛效应；李政通等（2016）[9]采用Malmquist 指数分析和重复博弈模型，探究了长江流域各省市发展效率与生态环境补偿机制的相关关系；薛明月（2022）[10]采用熵值法和耦合协调模型，对黄河流域91 个地市进行分析，构建了区域经济发展和生态环境的耦合协调评价指标体系，刘鹏凌等（2021）[11]同样运用该方法对全国31 个省级行政区进行分析。

综上所述，目前现有文献当中，对于生态足迹或生态盈亏模型的研究较为丰富，但主要集中于某一地区某段时间内的数值测算，由于不同地区统计口径存在差异，跨区域的生态盈亏指数计算与对比较为困难，目前暂未有长三角地区地级市层面多年份生态盈亏指数测算的相关研究。而在经济与生态协同性分析的相关文献中，大多数研究聚焦于经济发展总量与生态环境之间的相关关系，而在经济效率与生态协同性的相关文献中，也主要以耦合分析为主，缺乏其他视角的观察研究。基于此本文可能的贡献在于，对长三角地区城市生态盈亏测算文献的丰富，以及对经济效率与生态环境之间相关关联不同视角的分析。

三、长三角地区生态盈亏数值测算

（一）生态足迹与生态盈亏模型

生态足迹（EF）与生态盈亏（EB）理论是学者们试图对人类生产生活过程中一切资源的消耗情况进行核算，并以人类对土地的需求量进行统一分析而提出的一种衡量方式。其基本计算模型如式（1）：

其中，ef为人均生态足迹；N为地区人口总量；i为不同生产类土地，包括耕地、林地、草地、水域、建设用地、化石燃料土地六类；ri为均衡因子，用以对不同生产能力的各类型土地进行权重调整；cj、pj分别为j种生物资源或化石资源的人均消费量与全球平均生产水平。参考生态足迹方法提出以来各类文献对该模型的优化，针对本文研究需求，对传统生态足迹模型进行以下改进：

1.以“国家公顷”替代“全球公顷”。多数传统全球公顷的研究论文采用Wackernagel 和Rees（1996）[1]所使用的联合国粮农组织于1993 年统计发布的世界生物资料平均生产产量数据，但各个国家与地区之间的土地类型分布不尽相同，其生产能力也不能一概而论，因此本文将以2010 年为基期，以《中国统计年鉴》中相关数据的计算结果作为“国家公顷”进行替换。

2.以“净生态系统生产量”替代“全球平均能源足迹”。参考谢鸿宇等（2008）[12]从碳循环视角对化石能源生态足迹的分析，温室气体以草原碳蓄积与森林碳蓄积两种方式，以一定比例被不同类型土地消化，基于此对本文化石能源生态足迹计算公式进行修改。

3.以生物资源“人均生产量”替代“人均消费量”。随着跨区域贸易的发展，以消费量衡量地区对生态资源的消耗所产生的偏差逐渐增大，因此以地区生产量进行替代。

调整后的生态足迹模型如式（2）：

EF1、EF2分别为生物资源生产性生态足迹和化石能源消耗性生态足迹（hm2），两者总和为总生态足迹。其中，Lj为地区j种生物资源人均生产量（kg/人）；Kj为j种生物资源全国平均生产水平（kg/hm2）；r5为化石燃料土地均衡因子；Lt为地区t种化石能源人均消费量，Ht为热量（TJ/kt），Qt为碳排放系数（tC/TJ）；Perf和Perg分别为森林与草地碳积蓄的份额，分别为83%和17%；Sf和Sg为森林、草地平均碳积蓄能力（t/hm2）。

生态足迹用以衡量人类生产生活所消耗的生态资源，而与之相对应的概念即为生态承载力（BC），以衡量某地区能够供给的自然资源，数值上体现为各类型土地供给的加权总和。其公式为式（3）：

bc为该地区人均生态承载力；ωi为产量因子，用以对不同产量状况的土地进行权重调整；Ai为i种类型土地的实际面积。

由此，将人均生态承载力（bc）与人均生态足迹（ef）作差，即可得到人均生态盈亏（eb）的计算结果（eb=bc-ef）。差值为正数时称为生态盈余，为负数时称为生态赤字，生态压力随着数值的降低而增大。在许多对生态环境分析的文献中，许多学者仅对地区的人均生态足迹进行测算并进一步分析，然而对于人均生态盈亏的测算是更具有意义的。一方面，生态资源较为丰富的地区能够供给的生态承载力更高，因此产生更多的生态足迹并不必然等同于对地区生态产生更大的破坏；另一方面，由于人类建设用地的不断增加，对森林草原等生态土地的不断侵占也造成生态承载力的不断变化（见图1），因此更应从人均生态盈亏的视角，对承载力与生态足迹进行综合分析。

图1 2000—2020 年长三角地区土地利用情况变化

（二）数值测算

数据说明。本文所使用的生物资源产量、化石能源消费量、人口总量均来自各省各地级市统计年鉴、能源统计年鉴。均衡因子参考刘某承和李文华（2009）[13]基于净初级生产力的中国生态足迹均衡因子测算结果，如表1 所示。

表1 基于国家公顷的均衡因子

由于水域地区区域划分不明晰，且相关生物资源产量数据不足，本文将忽略水域地区的生态足迹及生态承载力的计算。参考史丹和王俊杰（2016）[14]对2011 年国家生态足迹账户的总结，水域足迹约占总足迹2%，其对温室气体的吸收能力也可忽略不计，因此对计算结果影响较小。同时，生态足迹计算中通常也假设建设用地的生态足迹等于其生态承载力。

人类生产生活涉及的生物资源数目繁多，且不同地区统计方式有所差异，本文在考虑数据可得性的同时，将纳入资源账户的生物资源聚焦于各类产品中的主要生物资源。生物及能源账户内容及分类如表2 所示。

表2 生物资源及化石能源账户

根据上述模型及对象选择，本文对2010—2019年长三角三省一市，共计41 个地级市的面板数据进行计算，各地区年均人均生态足迹及化石燃料足迹如表3 所示。

表3 长三角各地级市2010—2019 年均人均生态足迹及化石燃料足迹

本文在计算人均生态承载力中使用的产量因子均参考刘某承等（2010）[15]基于净初级生产力所得到的测算值；各地级市不同利用类型的各年份土地面积使用Yang 和Huang（2021）[16]发布的土地覆盖栅格数据，使用ArcGIS 10.7 软件计算分析。最终得到各城市人均生态承载力、人均生态盈亏数值。产量因子具体数值及各城市年均人均生态承载力、生态盈亏数值如表4、表5 所示。

表4 基于国家公顷的产量因子

表5 长三角各地级市2010—2019 年均人均生态承载力及生态盈亏

四、长三角地区生态盈余的空间演变与分布格局特征

（一）生态盈余的空间格局演变特征

基于前文中计算结果，分别截取2010 年、2014年、2019 年生态盈亏数据绘制长三角地区空间演变趋势图。如图2 所示，长三角地区总体生态盈亏数值呈现西部高于东部的分布状况，苏南、浙北、上海等地总体数值偏低，安徽、浙南等地高于平均水平。10年期间总体生态盈亏数值则呈现不断下降趋势，这表明近年来由于生产水平和消费需求的提升，温室气体排放与生物资源生产量在不断增加。对表3 中不同生物资源生态足迹占比进行分析，上海、江苏、浙江、安徽地区化石燃料足迹平均占比分别为51.46%、30.3%、29.4%、17.5%，长三角入海口地区城市碳排放占比显著高于其他城市，这也是该地区生态盈亏指数低于平均水平的主要原因，这与长三角不同地区的经济发展水平、产业结构差异与长三角地区整体产业布局情况相关。

图2 长三角地区生态盈亏空间格局演变趋势

图3 2010 年、2014 年、2019 年长三角地区LISA 聚类图

图4 经济效率与生态盈亏协同变化示意图

（二）生态盈余空间分布格局变化的实证分析

探索性空间数据分析方法（ESDA）被广泛用于被探索对象的空间分布特征与依赖关系，通过研究样本间的相关性及相关程度进行全局空间关联性分析与局部空间关联性研究。本文将采用全局Moran's I系数与局部自相关统计量（LISA）对长三角地区2010—1019 年生态盈亏的空间相关性进行分析，模型如式（4）、式（5）：

其中，Moran's I为全局自相关系数，n为空间单元个数，Wij为空间权重矩阵，xi与xj分别表示空间位置i和j处的eb值。Moran's I的取值范围在[-1，1]内，当Moran's I＞0 时，表示被观测对象呈现空间正相关，反之为负相关；Moran's I绝对值趋近于0时，其空间随机性越大，即空间相关性越小。

Moran's I指数能够从整体上分析长三角地区不同年份的生态盈亏指数分布状态，局部空间自相关则将分析空间上具体范围的相关性，计算公式如式（6）：

LISA值为局部自相关系数，当LISA＞0 时，代表该区域单元周围相似值在空间上集聚，反之代表非相似值在空间上集聚。基于以上公式，使用ArcGIS 10.7 软件计算相应Moran's I指数、Z值并进行局部自相关分析。

2010—2019 年长三角地区的Moran's I指数均为正值（见表6），通过显著性检验（P＜0.01），且Z得分均高于2.58，表明长三角地区在这一时间跨度内生态盈亏指数呈现显著集聚，有显著的空间相关性影响，即生态盈亏数值较高地区相互邻近，较低地区同样如此，其空间异质性则呈现出一定的循环波动态势。

表6 2010—2019 年长三角各地级市生态盈亏指数的Moran's I

使用ArcGIS 软件进行局部自相关分析，生成LISA聚类图（见图2）。从图中能够看出，不同年份中具有空间显著性的地级市数量在7～12 个，其中低集聚区主要分布在苏南、浙北、上海等地区，且集聚区范围随着时间推移而不断扩大，这主要与城市地区人口集聚有关；高集聚区2010 年主要集中于浙南地区，并逐渐向浙西、皖南地区转移。

五、长三角地区经济效率与生态发展错位情况分析

（一）经济效率测度

数据包络分析方法（DEA）是目前分析地区经济效率的常用测算方法，是由Charnes 等（1978）[17]提出的一种利用数学规划对决策单元进行相对效率分析的非参数估计方法。Tone 于1997 年在此基础上创建了非期望产出的SBM 模型，解决了传统DEA模型中松弛变量的问题。超效率SBM 模型（Super-SBM）能够使决策单元的测算结果大于1，对完全有效的决策单元进行进一步排序分析。非期望产出的Super-SBM 模型为式（7）：

其中，ρ为城市经济效率值；n为决策单元j的个数；x0、y0、b0分别代表决策单元的投入、期望产出、非期望产出变量，m，q1，q2分别代表三者的指标数，分别代表各自的松弛变量；ρ＜1 时，决策单元缺乏效率，ρ≥1 时，决策单元有效，且效率值随着ρ值增大而增大。

本文使用Super-SBM 模型计算城市经济效率值，决策单元为2010—2019 年长三角地区41 个地级市，投入指标选取人力投入（就业人员/万人）、资本投入（固定资产投资/万元）、能源投入（全年用电量/ 万千瓦时）、土地资本投入（建设用地面积/ 公顷）；期望产出指标选取地区生产总值（亿元）；非期望产出选取二氧化碳（万吨）、工业废水（万吨）、工业二氧化硫（吨）、工业烟尘排放（吨）。上述数据来源于各省、各地级市统计年鉴，资本存量使用永续盘存法进行计算。因篇幅所限，2019 年各城市效率值如表7 所示。

表7 2019 年长三角城市经济效率值

（二）经济效率与生态环境协同情况分析

1.基于效率值的生态变化协同推演。DEA 是一种数据驱动的利用非参数进行定量分析的效率评价方法，其基础是通过决策单元相关参数构建前沿生产面，在此之上通过分析生产单元到生产前沿的距离来估算效率。按照距离函数的分类，也可分为径向效率与非径向效率，传统DEA 模型只能通过径向的等比例调整产出与投入的方式进行环境效率平均，而SBM（Slack-Based Measure）模型采用非径向与非角度、基于松弛变量进行调整。因此，我们可以通过分析SBM 模型计算中得到的Slack 值，判断该决策单元的各项参数超出或低于前沿面的量，即可以得到，该城市为了达到生产前沿面的经济效率水平，能够增加或减少的各项产出与投入量。

在所有年份的城市生态足迹数据中，人均化石燃料足迹在人均生态足迹的占比的平均值达到41%，化石燃料燃烧产生的碳足迹是生态足迹中的主要组成部分。且生物资源的生产由地区消费量决定，难以简单调整，因此以二氧化碳排放值的变化判断地区生态盈亏是否得到改善或利用是可行且更具现实意义的。

当城市某年份的生态盈亏为正值时，意味着该地区有富裕的生态承载力，与之对应的生态变化需求应为生态资源的进一步利用，若此时基于效率提升的目的所得到的CO2排放调整值为正，则达成了效率提升与生态变化的协同，若调整值为负则未协同；同样，若城市生态盈亏为负值，意味着该地区生态资源利用过度，此时对应的生态变化需求应为生态资源保护，若此时CO2排放调整值为负则达成效率提升与生态变化的协同，反之则未协同。若slack值为0，则未对生态变化进行调整。本文对10 年内41 个城市的410 个样本进行协同比较，结果如表8所示。

表8 经济效率与生态盈亏变化协同性

表9 长三角部分城市2010—2019 年生态-经济机构偏差指数

可以看到，有约1/2 的样本城市未能实现生态变化需求与生产效率提升的一致性变动，且有超过1/4 的样本城市呈现逆向变动趋势，在逆向变动的样本城市中，26%样本城市的变动将进一步破坏生态资源，74%的样本城市未能对盈余的生态资源进一步开发。因此，若不考虑地区生态盈亏的实际情况，仅从生产效率视角对城市内资源配置调整做出决策，极有可能对生态资源采取不合理的应用措施。

2.区域生态资源与经济效率结构匹配度分析。

结构偏差系数较常应用于就业-产业结构偏离情况的量化，用以分析人力资源分配与产业结构之间在数据总量方面的静态差异。生态盈亏指数也可理解为地区的生态资源状况，因此，可以将该方法引入生态-经济效率结构偏离的分析之中，具体公式如式（9）：

式（9）中，DS为结构偏差系数，ebij为j城市第i年的生态盈亏值，ebimax为该年生态盈亏指数最高城市的eb值，ρimax为该年经济效率指数最高城市的效率值。当DS＞0 时，表示在长三角区域中，该城市经济发展相对水平滞后于生态资源相对水平，生态资源有待优先开发；当DS＜0 时，表示该城市生态资源相对水平滞后于经济发展相对水平，生态资源优先开发度低。部分城市计算结果如下：

总体而言，长三角地区生态-经济结构偏差指数，呈现以上海为中心的长江入海口地区城市向周边地区逐渐扇状扩散上升的状态，以整个长三角地区的资源配置视角进行考虑，应优先对苏北、安徽、浙南等地的生态资源进行开发利用，适当减少其他地区将造成进一步消耗生态资源的发展措施。然而，这与当前社会中，往往将更多的发展权交给经济效率较高城市的发展政策是相反的。在效率优先的分配规律下，发达城市由于集聚效应带来较高的投入产出，不断地吸收人口、自然消耗权等资源，高效发展的同时却也逐渐超出了城市的生态承载力。而经济发展落后的城市也因为其较低的生产效率，难以获得进一步开发自然资源的能力，陷入循环。

六、结论与建议

通过本文分析研究，得出如下结论：

一是长三角地区人均总生态足迹不断增加，人均生态承载力总体呈现逐年下降趋势，从两者对于生态盈余的贡献比例来看，长三角地区生产性产品对于自然资源的消耗要高于土地利用情况变化对于环境的损害。其根本原因在于随着该地区产业扩张、经济发展、人口集聚等诸多因素，对于化石能源的消耗量以及生物资源的需求量迅速增加。从各生产性土地对总生态足迹的贡献程度来看，化石地贡献比例最高，且化石地与建筑用地年均增长率均为正值，显著高于其他农业生产性土地，由此可见长三角地区的二、三产业发展势头较快。

二是长三角地区的生态盈亏指数整体呈现出沿海低于内陆、东部低于西部、发达地区低于欠发达地区的空间分布情况，并形成了以上海、苏州、无锡、杭州、宁波为中心的低集聚区域；从时间变化上来看，2010—2019 年长三角41 个地级市中，生态盈余的城市从14 座下降至7 座，且均分布在皖南、浙西地区，不过随着第三产业的发展和环保理念的推行，上海等发达城市的生态盈亏指数也开始有所回升。

三是城市在追求经济效率提升时，其生产决策的调整与当地生态环境情况可能是不相适应的，若不补充生态视角的考量，容易出现过度开发地区进一步榨取生态资源，而生态资源富裕地区却降低开发程度的现象；在区域内进行资源消耗权的分配时，效率越高越优先发展的分配方式面临着生态水平与经济效率脱节的风险，将造成更加严重的生态压力与两极分化。

基于上述结论，本文提出几点建议：

一是长三角地区作为我国重要的经济区域，在生产发展过程中不仅要考虑经济效率与增长，也需要关注生态环境等因素，做到统筹兼顾，实现资源的可持续利用。由粗放式发展模式向集约型经营模式过度，合理规划污染物排放与能源消耗，促进先进制造业与高新技术产业优先发展。

二是政府在推动经济政策、产业政策出台时，应从能源结构、技术进步、产业结构、政府干预等多方位入手，既要关注区域协调的全面性，也要考虑不同城市的具体情况，结合当地实际，因地制宜进行调整。

三是推动清洁能源的研究发展，减少对于传统能源的依赖，依托国家新能源相关支持政策综合施策，促进能源体系的低碳化。加强科技创新，实现自主绿色技术进步，同时采取积极主动的干预政策，对生产过程进行引导，实现绿色持续发展。