新型城镇化视角下区域生态安全时空演化及障碍因素研究——以安徽省为例

王莹莹， 何 刚， 阮 君

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

一、问题提出及文献综述

随着我国经济迅速发展，数据显示2020年我国城镇化率达到了63.89%，从世界范围比较来看，当前中国超过60%的城镇化水平已经高于55.3%的世界平均水平。《安徽省新型城镇化发展规划(2016—2025)》表明全省城镇人口五年增加约550万人，城镇化率年均提高1.5个百分点，超过全国平均速度，城镇常住人口首次超过农村常住人口，常住人口城镇化率达到50.5%，城镇化率增长迅猛，这也进一步加深了对安徽省生态环境的威胁[1]。党的十八大以来，以***总书记为领导的党中央高度重视国家生态安全建设，指出生态环境问题关乎社会、经济和政治问题。如何科学测度新型城镇化背景下区域生态安全水平，有效识别其障碍因子，对实现区域高质量发展具有重要参考价值。

国内外关于生态安全问题的研究最早起源于1989年，由美国国际应用系统分析研究所(IASA)提出，生态安全是指人的生活、健康、安乐等生活保障来源、必要资源等处于稳定的状态[2-3]。关于区域生态安全的研究主要集中于生态安全水平测度、生态风险等级研究等内容[4]。1987年世界环境与发展委员会(WCED)在《我们共同的未来》一文中将生态安全定义进行了扩充，指出生态安全应包括国家主权的军事和政治安全，生态治理应统筹可能出现的所有问题[5-6]。19世纪90年代初，Barnthouse等提出生态评价的4个步骤：风险源确定、风险描述、环境效应分析、建立环境迁移模型等[7]。1998年Rapport等将生态安全评价分为生态系统抑制性和恢复性两大潜在类别[8]。国内学者对生态安全的基本概念、主要特点等方面进行了深入研究[9]。在生态安全评价模型方面，学者大都采用联合国经济合作开发署建立的压力—状态—响应(PSR)概念模型[10]，以及在PSR的基础上改进的驱动力—压力—状态—影响—响应(DPSIR)模型[11]。杨光明等基于PSR模型运用层次分析法和熵权法对三峡库区生态安全进行了测度，探究库区生态安全状况及其演化规律[12]。李子君等从经济—社会—环境(EES)模式建立土地生态安全评价模型，利用熵权物元模型对沂蒙山区土地生态安全的时空变化及其影响因素进行实证研究[13]。徐少癸等基于DPSIR模型构建旅游城市生态安全评价指标体系，利用模糊物元模型测度中国31个省份旅游生态安全动态评价，并运用空间探索性数据分析方法分析其空间格局演化特征[14]。隋修志等针对京津冀生态安全问题从城际差异视角出发，研究了区域生态安全城际差异性对制定精细化环境政策提供了指导方向[15]。

综上所述，基于新型城镇化视角的区域生态安全研究较少。安徽省以“三山三江二湖”著称，沿江通海，是长江经济带的重要战略支点，也是国家新型城镇化试点省份。基于新型城镇化视角测度安徽省生态安全水平，分析影响生态安全水平的主要障碍因子，对安徽在构建新发展格局、畅通国内国际双循环上贡献力量具有重要现实意义。

二、新型城镇化视角下安徽省生态安全水平测度

(一)指标体系构建

基于已有研究成果[16-19]，结合安徽省新型城镇化发展现状，借助DPSIR概念模型[20]，通过文献研究及专家咨询，整理归纳了新型城镇化视角下生态安全DPSIR模型框架(图1)，模型运行机制为：①新型城镇化视角下生态安全驱动力为人口规模扩大以及经济社会的发展对生态环境的潜在作用；②生态安全压力为城镇化过程中，工业化排放废弃物对环境产生的直接作用；③生态安全状态是在城镇化驱动力、压力作用下，自然资源丰度和环境承载力；④生态安全影响是区域生态安全现状变化导致生态指标的变化；⑤生态安全响应是政府和其他相关环保部门为了修复生态环境，平衡城镇化发展与生态环境之间的关系而采取的相应改善措施，抑制生态环境问题的恶化，从而实现经济与生态环境协同发展的新型城镇化。

图1 新型城镇化视角下生态安全的DPSIR框架模型图

遵循指标数据的科学性、可获得性，设置了5个准则层：驱动力、压力、状态、影响和响应，选取20个指标，构建生态安全评价指标体系，如表1。

表1 安徽省生态安全评价指标体系

续表

(二)生态安全综合指数计算

通过查阅安徽省统计年鉴(2011—2019年)，以及各地市2011—2019年社会统计公报收集2010—2018年生态安全评价指标原始数据，运用熵权法计算各指标权重。计算步骤如下：

(1)建立原始数据矩阵。

(2)由于各指标量纲和单位不同，需对原始数据矩阵进行标准化处理，本文采取极差法对数据进行标准化处理。

(1)

式中，fij为指标标准化值；xij为第i年第j项指标的原始值。

(3)计算第i年第j项指标的比重Fij。

(2)

(4)计算指标熵值ej。

(3)

(5)计算熵值逆向化hj。

hj=1-ej

(4)

(6)计算指标权重wj。

(5)

按照上述步骤，对各评价指标的赋权结果见表1。

结合指标标准化结果以及熵权法求得的指标权重，运用线性加权法，计算生态安全综合指数。

(6)

式中，E为城镇化背景下生态安全综合指数，E值越大，表明生态安全水平越高。测算结果见表2。

表2 2010—2018年安徽省新型城镇化视角下生态安全综合指数

综合已有研究成果，采用等间距的方法将安徽省生态安全综合指数化分为5个等级，如表3所示。

表3 生态安全警情等级划分标准

由表2和表3知，16地市中仅有合肥、黄山两市生态安全综合指数较高，其余14市生态安全综合指数均处于较低水平，说明安徽省生态环境问题较为突出。具体来看：合肥市作为省会城市，经济与技术发展水平较高，生态安全水平较高；黄山市自然资源丰富，是我国著名的旅游圣地，生态环境最好，生态安全综合指数一直处于较高水平。2010—2018年安徽省16地市生态安全综合水平总体呈现出逐年上升趋势。其中，87.5%地市生态安全综合指数在[0.1,0.3]范围内，结合警情等级划分标准，2010—2018年间安徽省生态安全整体上为重警状态，生态安全现状不容乐观。其中，合肥市2010年生态安全综合得分为0.330，为重警状态，研究期内生态安全指数逐年增加，2018年生态安全综合得分已经达到0.657，处于轻警状态。其次是黄山市，2010年生态安全综合得分为0.327，处于重警状态。研究期内生态安全综合指数呈现出波动变化状态，2018年生态安全综合指数为0.350，为重警状态。淮南、淮北、铜陵，3座典型资源枯竭型城市，生态安全现状较差，2010—2018年间，生态安全综合指数均小于0.2，均处于巨警状态。其余9市的生态安全综合得分随着时间变化，呈现出逐年上升的态势，2010年，九市的生态安全综合得分均在[0.1,0.2]之间，到2018年，生态安全综合指数均处于[0.2,0.4]，警情从巨警过渡为重警，警情有所缓解，总体上各市生态安全状态欠佳，处于亟需调整状态。

三、新型城镇化视角下安徽省生态安全时空演化特征分析

为更加直观地分析新型城镇化视角下安徽省2010—2018年生态安全时空变化特征，采用趋势分析法、ArcGIS软件对生态安全指数变化进行可视化处理。趋势分析法是通过找出拟合最好的多项式对区域散点进行内插，得到趋势面，从而准确模拟地理要素在空间上的分布规律，具有简单和直观的优势。计算公式如下：

Ei(ui,vi)=Ti(ui,vi)+εi

(7)

Ti(ui,vi)=β0+β1u+β2v+β3u2+β4v2+β5uv

(8)

式中，E(ui,vi)为i市生态安全综合指数；(ui,vi)为空间平面坐标；Ti(ui,vi)为趋势函数；εi为自相关随机误差，即i市生态安全指数与趋势值之间存在的误差。

借助ArcGIS10.7软件画出2010年、2013年、2016年和2018年16地市生态安全综合指数趋势面图和空间分异图(图2和图3)。其中，趋势面的X、Y轴分别指向正东、正北方，Z轴为生态安全水平属性值。

图2 2010—2018年安徽省生态安全水平空间趋势面图

图3 2010—2018年安徽省生态安全水平空间分异图

从整体时空演化特征来看(图2)，新型城镇化视角下安徽省生态安全综合指数具有“东高西低，北低南高”分布特征，极核特征明显。2010—2018年东西趋势线呈现较为明显的倒“U”型空间特征，随着时间推移，趋势线坡度未发生明显变化，表明以合肥为核心的安徽省中部城市生态安全状况逐年好转，东部和西部地区生态安全状况提升速度较小，发展缓慢。同时，西侧地区趋势线坡度与东部地区趋势线坡度相比更陡，说明西部地区阜阳、淮南等地市生态安全状况比东部地区的滁州等地市生态安全状况差，且提升速度较缓慢。与东西趋势线相比，南北趋势线呈现出两种趋势线。2010年，南北趋势线呈现较为明显的“U”型空间特征，北部地区趋势线坡度较小，而南侧趋势线坡度较陡，说明北部地区淮北、宿州等地市的生态安全状况低于南部地区黄山、宣城等地市。2013—2018年南北趋势线呈现明显倒“U”型空间特征，北部地区趋势线坡度比南部地区的趋势线坡度更陡，说明2013—2018年期间，北部地区地市生态安全状况低于南部地区生态安全状况。

从局部生态安全时空分异来看(图3),皖南地区，合肥市生态安全综合指数较高，且随时间推移，综合指数不断增加，生态安全状况发展较好，警度由中警转化为轻警。片区其他地市生态安全警情均处于重警状态，空间分布较为均衡。皖北地区，各地市生态安全均处于巨警状态，且皖北地区矿产资源丰富，以矿产资源为经济发展动力的地市生态安全状态较差，随着时间推移以及各地市政府对矿区生态环境修复力度的加强，皖北地区生态安全状况向中警状态发展，空间发展较为平衡。此外，结合整体生态安全时空演化特征分析，近些年安徽省各地市生态安全状况有所好转，但是与省会城市合肥的差距仍然存在且较为明显，呈现以合肥为中心的“核心—边缘”结构。

四、新型城镇化视角下安徽省生态安全障碍因子分析

(一)障碍因子求解

新型城镇化视角下安徽省生态安全指数较低，生态安全状况不容乐观，为进一步明确制约区域生态安全水平提升的障碍因子，本文采用障碍度模型诊断影响生态安全水平的障碍因子，障碍度模型引入了因子贡献度、指标偏离度、障碍度3个指标，能够量化分析制约区域生态安全水平提升的障碍因子，识别出关键影响因素[21]。计算公式如下：

Mij=1-fij

(9)

(10)

(11)

式中,Wj为j指标重;fij为指标标准化值;Mij表示指标偏离度，即指标标准化值与100%之间的差距;qij表示单项指标对生态安全水平提升的障碍度;Qj表示准则层对生态安全水平提升的障碍度。计算结果见表4。

表4 新型城镇化视角下生态安全准则层障碍因子平均值 单位：%

(二)障碍因子结果分析

由表4可知，新型城镇化视角下，各地市的主要障碍因子大致相同。93%的地市准则层障碍度呈现“驱动力> 响应>状态>影响>压力”的特征，可见，安徽省生态安全水平受到制约的主要原因是城镇化与经济社会发展驱动力不足及生态安全响应机制不健全。其中，驱动力准则层中的最大障碍因素为万人大学生数和地区生产总值，平均障碍度分别为17.21%，9.57%；压力准则层的最大障碍因素为人口自然增长率，平均障碍度为1.50%；状态准则层的最大障碍因素为人均水资源量，平均障碍度为17.11%；影响准则层的最大障碍因素为森林覆盖率，平均障碍度为5.8%；响应准则层的最大障碍因素为科研投入额，平均障碍度为19.60%。具体来看：①合肥市城镇化程度以及经济社会发展水平均领先于安徽省其他地市，其阻碍生态安全水平提升的驱动力障碍度平均值仅为13.46%，受状态系统的制约程度较大，城市发展与自然资源紧密关联，合肥市经济社会发展远超于其他地市，但其自然资源量有限，从而状态系统是其生态安全水平提高的主要障碍因子。②淮北、亳州、宿州等15地市主要受驱动力系统和响应系统影响，其中淮北、宿州、淮南等地市是典型的煤炭型城市，随着煤炭资源的开采消耗，城市经济发展驱动力严重不足，地区生产总值较低，城市处于产业亟需转型升级的状态，就业机会少，大学生等高技术人才流失，是阻碍新型城镇化视角下生态安全水平提升的主要原因，其余地市均存在产业结构单一、人才流失、城市经济发展缓慢、生态安全响应机制不健全等问题。③具体指标障碍度来看，科研投入额、万人大学生数、人均水资源量、地区生产总值、森林覆盖率、人口自然增长率是主要障碍因子，表明高新技术发展水平、人才储备量、水资源量等是提升生态安全水平的关键影响因素。

五、结论与建议

通过从驱动力—压力—状态—影响—响应5准则层构建新型城镇化背景下安徽省生态安全评价指标体系，采用熵权综合评价模型、趋势分析法、障碍度模型对安徽省2010—2018年生态安全水平及时空变化趋势规律进行综合评价，得出以下结论。

(一)生态安全水平上升，幅度较小

新型城镇化视角下安徽省生态安全状况有所好转，2018年合肥市和黄山市生态安全综合指数分别为0.657和0.350，其余地市的生态安全综合指数均低于0.35。安徽省作为国家新型城镇化试点省份，在发展经济的同时完善区域生态安全响应机制。研究期内生态安全水平逐年增长幅度较小，资源、环境污染治理形势还很严峻。

(二)形成以合肥为中心的“核心边缘”格局

合肥市作为安徽省的省会城市，是长三角副中心城市，经济及新型城镇化发展领先其余地市，2010—2018年合肥市生态安全综合指数位居第一。16地市的生态安全水平呈现以合肥为中心的“核心—边缘”空间格局，区域发展不平衡现象较为严重。

(三)驱动力、响应系统是其主要障碍因子

各地市的主要障碍因子大致相同，93%的地市准则层障碍度呈现“驱动力> 响应>状态>影响>压力”特征，经济社会发展驱动力不足及生态安全响应机制不健全是制约安徽省生态安全水平提升的主要因子。除合肥市以外，其余地市的驱动力系统障碍度最大，响应系统的障碍度较大，应进一步提升经济发展质量与速度，完善生态安全响应机制。

综合研究结果，为有效提升安徽省新型城镇化视角下生态安全水平，提出以下政策建议：

第一，重点建设，促进全省均衡发展。立足各地市区位优势和特色资源，科学规划建设方向，加强市域在交通基础设施建设、旅游服务业的开发、资源共享以及生态环境保护的合作，从而促进市域间展开全方位的合作，促进安徽省协调发展。

第二，发挥中心城市辐射作用，进一步缩小区域发展差距。发挥合肥省会城市及长三角中心城市的辐射作用，加强区域分工与协作，提升中心城市的带动作用，培育区域新兴经济增长极。