东海海岸带县域城市生态效率评价及影响因素

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

田鹏^,¹, 汪浩瀚^,², 李加林¹^,³^,⁴, 曹罗丹¹, 胡求光²

1. 宁波大学地理与空间信息技术系,宁波 315211

2. 宁波大学商学院,宁波 315211

3. 宁波陆海国土空间利用与治理协同创新中心,宁波 315211

4. 宁波大学东海研究院,宁波 315211

Eco-efficiency evaluation and influencing factors analysis of county-level cities in the East China Sea coastal zone

TIAN Peng^,¹, WANG Haohan^,², LI Jialin¹^,³^,⁴, CAO Luodan¹, HU Qiuguang²

1. Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo 315211, Zhejiang, China

2. Faculty of Business, Ningbo University, Ningbo 315211, Zhejiang, China

3. Institute of East China Sea, Ningbo University, Ningbo 315211, Zhejiang, China

4. Ningbo Universities Collaborative Innovation Center for Land and Marine Spatial Utilization and Governance Research at Ningbo University, Ningbo 315211, Zhejiang, China

通讯作者: 汪浩瀚（1964-）,男,安徽合肥人,博士,教授,博士生导师,研究方向为产业与宏观经济政策、教育经济管理。E-mail: wanghaohan@nbu.edu.cn

收稿日期:2020-09-7接受日期:2020-12-10

基金资助:

国家自然科学基金项目(41976209)
国家自然科学基金项目(71874091)
国家自然科学基金项目(71874092)
浙江省自然科学基金(LQ20D010006)

Received:2020-09-7Accepted:2020-12-10
作者简介 About authors
田鹏（1994-）,男,湖北利川人,博士研究生,研究方向为海岸带生态环境管理。E-mail: tppyang@163.com

摘要
东海海岸带作为中国经济发展的战略重心,更是发展海洋经济的前沿阵地,分析其经济与环境的协调问题有利于揭示区域经济与生态间的矛盾与差异,从而促进沿海城市生态文明建设、缓解人地资源矛盾。基于2005—2018年东海海岸带52个沿海县区城市的投入产出面板数据,利用传统DEA和超效率SBM模型评价了区域经济效率和生态效率,以TOPSIS模型分析了投入产出与生态效率的叠加特征,并以变量松弛度分析生态效率的影响因素及提出相应的改善途径。结果表明：① 东海海岸带经济效率均位于DEA效率前沿的86%以上,综合效率、经济纯技术效率、经济规模效率各年份平均值排序：上海市>福建省>浙江省。② 东海海岸带生态效率均位于DEA效率前沿的80%以上,生态效率总体上较经济效率有所下降,生态效率各年份平均值排序：上海市>福建省>浙江省。③ 生态效率变异系数增长了11.08%,内部县区间生态效率的差异性显著。东海海岸带47个县区生态效率值处于上升趋势,5个县区趋于下降。上海市、浙江省和福建省生态效率上升（MI>1）,主要受益于技术进步变化（TC>1）。④ 投入产出与生态效率的叠加类型多样化和复杂化,以“低-低-低-高”为主导类型,“高-高-高-高”“高-高-高-中”“高-高-高-低”等类型较多。⑤ 生态效率损失的影响因素具有共同性和差异性,改进方向集中在产业结构调整与升级,发展高新技术产业和新兴产业,吸引国内外投资与高素质劳动力,发展以旅游、生态等为主导的第三产业等。
关键词： 经济效率;生态效率;超效率SBM模型;东海海岸带

Abstract

As the strategic focus of China's economic development, the East China Sea coastal zone is the frontier for the development of the marine economy. Analyzing the coordination of its economy and the environment is conducive to revealing the contradictions and differences between the regional economy and ecology, so as to promote the construction of ecological civilization in coastal cities and alleviate conflicts between human and land resources. Based on the input-output panel data of 52 coastal counties and cities in the East China Sea coastal zone from 2005 to 2018, this study used traditional DEA and super-efficiency SBM models to evaluate regional economic efficiency and eco-efficiency, and analyzed the superposition characteristics of input-output and eco-efficiency with TOPSIS model. It also examined the influencing factors of eco-efficiency with variable slackness and proposed corresponding improvement methods. The results showed that: (1) The economic efficiency of the study area was at 89% of the DEA efficiency frontier. The average value of the overall efficiency, economic pure technical efficiency, and economic scale efficiency was ranked in an order of Shanghai > Fujian > Zhejiang. (2) The eco-efficiency of the East China Sea coastal zone was at 86.6% of the DEA efficiency frontier. In general, the eco-efficiency was lower than the economic efficiency. The average value of eco-efficiency was ranked in an order of Shanghai > Fujian > Zhejiang. (3) The coefficient of variation of eco-efficiency increased by 11.08%, and the difference in eco-efficiency between counties was significant. The eco-efficiency value of 47 counties was on the rise, and the eco-efficiency value of 5 counties tended to decline. The eco-efficiency of Shanghai, Zhejiang and Fujian increased (MI>1), which mainly benefited from the change of technological progress (TC>1). (4) The coupling types of input-output and eco-efficiency were diversified and complicated, with “low-low-low-high” as the dominant type, and there were also other types such as “high-high-high-high”, “high-high-high-medium”, “high-high-high-low”. (5) We can see both homogeny and heterogeneity in terms of the influencing factors of the loss of eco-efficiency. The improvement direction should be focused on the adjustment and upgrading of industrial structure, the development of high-tech industries and emerging industries, the attraction of domestic and foreign investment and high-quality labor force, and the development of the tertiaryindustry dominated by tourism and ecology.

Keywords：economic efficiency;eco-efficiency;super-efficient SBM model;East China Sea coastal zone

PDF (5425KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
田鹏, 汪浩瀚, 李加林, 曹罗丹, 胡求光. 东海海岸带县域城市生态效率评价及影响因素[J]. 地理研究, 2021, 40(8): 2347-2366 doi:10.11821/dlyj020200810
TIAN Peng, WANG Haohan, LI Jialin, CAO Luodan, HU Qiuguang. Eco-efficiency evaluation and influencing factors analysis of county-level cities in the East China Sea coastal zone[J]. Geographical Research, 2021, 40(8): 2347-2366 doi:10.11821/dlyj020200810

1 引言

海岸带是水圈、岩石圈和大气圈相互作用的地带,也是地球系统中最有生机的部分之一,具有很高的自然能量、生物生产力以及突出的经济地位^[1]。了解人类赖以生存的海岸带地区与人类活动之间相互作用的基本过程是制定区域可持续发展战略的基本前提^[2]。因此,加强海岸带的综合研究已成为当前全球变化研究中的学科前沿性任务^[3,4]。东海区作为中国四大海域的重要组成部分,是中国促进海洋及海岸带科学开发的重要基地,对促进海岸带省市区开放和海洋经济发展具有重要作用^[5]。2015年国家发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》将东海海岸带（包括沪、浙、闽三省（市）的海岸带区域）作为中国境内海上丝绸之路重要的区域,尤其是其中的泉州港和宁波港作为海上丝绸之路三大主港中的两港,得到国际社会高度关注。因此分析东海海岸带生态效率对于提高区域资源配置利用效率,促进经济与生态环境可持续发展有着重要理论与实践意义。

生态效率综合反映区域经济增长与生态环境间的相互作用,测算区域生态效率可有效反映其经济发展对资源的利用效率、对资源环境的影响程度与协调情况。Burritt和Schaltegger最早提出了生态效率的概念^[6],而后不同的国际机构基于不同的研究方向对其进行相应的定义,如世界可持续发展工商理事会（WBCSD）、欧洲环境署（EEA）、联合国亚洲及太平洋经济社会委员会（ESCAP）、联合国贸易和发展会议（UNCTAD）等都提出了相应生态效率的基本概念^[7,8,9]。这些研究都反映了生态效率的基本内涵,即以高效率利用和配置区域资源要素投入,降低经济增长对生态环境的负面影响,使其区域经济效益最优化,生态环境负面影响最小化,从而实现区域人类社会、经济发展和生态环境的协调可持续发展。生态效率“eco-efficiency”主要包括生态学（ecology）、经济学（economy）、效率（efficiency）,体现了区域经济系统-生态环境系统基于资源要素投入,借助一系列经济社会活动将资源投入要素一部分转换为区域社会经济效益,另一部分转换为对区域生态系统负面效应的综合能力^[10,11]。故本文对生态效率的定义为经济-生态环境系统通过一定的经济生产活动所实现的价值和生产过程中对环境产生的负面效应的两者之和与系统中资源实际使用的要素投入之比,反映了基于资源要素投入的区域经济-生态环境系统间的相互作用以及经济生产对生态环境系统的利用和配置效率^[12]。国内外专家也基于生态效率的基本内涵,开展了不同尺度、行业和领域的生态效率评价,如微观的企业、宏观的国家或省份、中观的城市等研究^[13,14,15]。在国内外专家多年的探索实践中,生态效率评价已成为分析区域经济-生态环境协调发展的重要工具和方法。

鉴于生态效率评价的重要意义,当前国内外学术界对生态效率开展了大量的研究,其研究内容集中在区域生态效率评价方法、生态效率的内涵与评价、各行业和领域生态效率评价、生态效率的时空格局与影响因素分析等^{[16,17,18,19]}。从生态效率评价的行业和领域上,国外专家多以微观的企业、工业或农业等生产部门作为生态效率的评价行业对象^[20,21],国内****则多以宏观层面的城市或省份等为研究对象,也倾向于向农业、工业、能源、旅游等不同领域扩展^[22,23]。在生态效率评价方法上,以DEA模型、VSM模型、生态足迹、TOPSIS模型、综合评价、层次分析法等^[10],其中DEA模型以其评价指标少、评价结果准确、指标原始信息损失少等优势,是当前国内外效率评价最常用的模型之一。DEA模型主要包括传统DEA模型（CRS、VRS）、三阶段DEA模型、超效率DEA模型、非期望产出（SBM）模型、Malmquist指数等^[20,21,22],其中SBM模型考虑到经济增长带来的环境污染等非期望产出的问题,但也与传统DEA模型同样没有解决决策单元（DMU）效率存在拥挤或松弛现象,故Tone改进了SBM模型^[23],提出了超效率SBM模型,有效解决了多个DMU效率为1的问题,得到众多专家的青睐与应用。此外,基于区域的生态效率评价结果,专家还进一步探究生态效率的空间分异和影响因子,并提出代表性的效率改善途径。如李姣等分析洞庭湖生态经济区生态效率时空变化,提出相应改善区域生态效率的措施^[21]。王胜鹏等基于非期望产出模型测算了黄河流域旅游生态效率,提出不同流域科学合理发展旅游业的政策建议^[24]。

不同空间尺度的选择对生态效率评价结果存在着较大差异,当前国内外对空间尺度的选择集中在国家、省份、城市尺度。国家尺度上,Wurstorn建立了针对欧洲各国统一的生态效率评价指标体系^[25]。Rashidi等基于经济合作与发展组织（OECD）国家的能源投入和非期望产出,以DEA模型评价了OECD内多个国家的生态效率^[26]。省域层面上,郭露等运用超效率DEA模型测算了中国中部六省工业生态效率,对主要影响因素进行了识别^[22]。成金华等以环境污染和资源消耗作为投入数据、经济总产值作为产出,测算了中国30个省份的生态效率,并分析其时空格局^[27]。区域城市尺度上,苑清敏等测算了京津冀、长三角、珠三角三大城市群生态效率^[28],任宇飞等基于生态效率的内涵测算了山东半岛、京津冀、长三角和珠三角四大城市群生态效率,并提出相应的政策建议^[12]。综上,生态效率研究方法和评价指标体系较为成熟,评价内容较为广泛。但仍可以从以下方面进行拓展：① 当前研究多以DEA模型对区域经济效率或生态效率进行评价,而对两者间的差异对比研究较少,故对经济效率和生态效率进行差异对比,可较好的反映非期望产出（环境污染）对区域效率的负面影响。② 研究多注重对区域生态效率的结果进行量化分析,而忽视生态效率与资源投入、经济效益、环境污染等相互关系,对区域生态效率与资源投入、经济效益、环境污染进行叠加分析,有助于清楚揭示区域生态效率高低的影响因素。③ 生态效率评价对象选择上以省际（区域）尺度较多,但该尺度下的效率评价很难体现区域内部地区发展的异质性和不均匀性,而县域尺度可更好的体现区域效率的差异性。因此,本文以中国经济发达的东海海岸带下属的52个县域城市作为研究对象,以传统DEA模型、超效率SBM模型测算了2005—2018年东海区县域城市的经济效率和生态效率,并进行静态和动态特征分析及两者差异对比,以TOPSIS模型揭示了区域资源投入、经济效益、环境污染和生态效率间的叠加影响特征,提出区域生态效率的改进策略,以期丰富快速城镇化和工业化背景下的海岸带地区的生态效率研究,并为东海海岸带经济-生态环境系统可持续发展提供一定的政策指导和建议。

2 研究区概况与研究方法

2.1 研究区概况

东海海岸带位于21°54′N~33°17′N、117°05′E~131°03′E,处于中国东海沿海,主要包括上海市、浙江省、福建省和台湾地区（台湾地区无统计数据来源,故不作研究）。北部包括长三角城市群部分城市,南部连接珠三角,东部面向东海进入太平洋,海岸带内部经济腹地广阔。东海海岸带经济开发历史悠久,经济水平发达,2018年东海海岸带生产总值达77730.23亿元,占全国生产总值8.63%。海岸带沿线海陆空交通极为便捷,对内外联系迅速,港口与岸线资源丰富,形成了众多港口群,如上海港、宁波-舟山港、厦门与福州港。此外还包括滨海旅游资源、油气资源、滩涂土地资源、海洋能资源、海洋渔业资源等^[29]。本文的研究区包括上海市3个县区、浙江省27个县区、福建省22个县区^①(① 上海市3个县市区：金山区JS、奉贤区FX、浦东新区PD;浙江省27个县市区：杭州市区HZSQ、慈溪市CX、奉化市FH、宁海县NH、宁波市区NBSQ、象山县XS、余姚市YY、柯桥区KQ、上虞区SY、海宁市HN、海盐县HY、平湖县PH、临海市LH、三门县SM、台州市区TZSQ、温岭市WL、玉环县YH、苍南县CN、洞头县DT、乐清市LQ、平阳县PY、瑞安市RA、温州市区WZSQ、岱山县DS、定海区DH、普陀区PT、嵊泗县SS;福建省22个县市区：福州市区FZSQ、福清市FQ、连江县LJ、罗源县LY、平潭县PT1、泉州市区QZSQ、惠安县HA、晋江市JJ、南安市NA、石狮市SS1、莆田市区PTSQ、仙游县XY、厦门市区XMSQ、宁德市区NDSQ、福安市FA、福鼎市FD、霞浦县XP、龙海市LH1、云霄县YX、漳浦县ZP、诏安县SA、东山县DS1。);受数据所限,研究区不含台湾省。

2.2 效率测算模型

2.2.1 经济效率测算的传统DEA模型 1978年美国专家Chames、Cooper、Rhode提出了数据包络分析方法（data envelopment analysis,DEA）,即利用数学规划模型测算研究决策单元（DMU）的有效性和DMU是否处于生产的前沿面,以此评价多投入多产出各DMU间的效率^[30]。如若要对N个城市进行经济效率评价,基于L种投入和M种产出,则城市经济效率测算的DEA模型方程式^[12]为：

（1）

\{\begin{array}{l} Min \{θ - \in (\overset{L}{\sum_{l = 1}} s^{-} + \overset{M}{\sum_{m = 1}} s^{+})\} \\ s . t . \overset{N}{\sum_{n = 1}} x_{nl} λ_{j} + s^{-} = θ x_{l}^{n}, l = 1,2, \dots, L \\ \overset{N}{\sum_{j = 1}} y_{nm} λ_{n} - s^{+}, m = 1,2, \dots, M \\ λ_{n} \geq 0, n = 1,2, \dots, N \end{array}

式中：

λ_{n} (λ_{n} \geq 0)

为权重变量;

\in

为非阿基米德无穷小量;

s^{+} (s^{+} \geq 0)

为剩余变量;

s^{-} (s^{-} \geq 0)

为松弛变量;

θ_{n} (0 < θ < 1)

趋近于1,表明某城市经济综合效率越接近效率的前沿面。公式（1）反映了基于规模报酬不变（constant returns to scale）的DEA模型（CRS模型）,将

\overset{N}{\sum_{n = 1}} λ_{n} = 1

带入公式（1）作为约束条件,可将模型转变为规模报酬可变（variable returns to scale）的DEA模型（VRS模型）。运行VRS模型即可到达各个城市的经济综合效率值,即

θ_{n}

。在DEA输出结果中,综合效率=纯技术效率（technical efficiency）×规模效率（scale efficiency）。

2.2.2 生态效率测算的超效率SBM模型在快速工业化进程中,城市经济发展水平得到跃升,经济总产值大幅提高,但工业化、城市化也会产生废水、废气、固体污染物等非期望的环境污染,即为非期望产出。2001年Tone率先提出了基于非期望产出的SBM模型^[23],以此来全面测算评价单元间多项投入多项产出的生态效率值,该模型有效解决了传统DEA模型多归于径向和角度而易导致各投入产出间单元拥挤或松弛的问题,能够从期望与非期望角度全面的对区域进行效率评价。但SBM模型也存在和传统DEA模型共同的问题,即无法有效区分对于评价单元效率都为1的结果,从而很难进一步分析各评价单元的效率值差异性。在此背景下,Tone改进了SBM模型,深入定义和提出了超效率SBM模型,该模型结合了超效率DEA模型和SBM模型的优势,能够对位于前沿面的评价单元（效率值大于1）进行有效区分^[12]。模型表达式为：

（2）

\{\begin{array}{l} Mi n_{ρ} = \frac{1 + \frac{1}{m} \overset{m}{\sum_{i = 1}} (\frac{s_{i}^{-}}{x_{ik}})}{1 - \frac{1}{q_{1} + q_{2}} \{\overset{q_{1}}{\sum_{s = 1}} \frac{s_{r}^{+}}{y_{rk}} + \overset{q_{2}}{\sum_{t = 1}} \frac{s_{t}^{z -}}{z_{tk}}\}} \\ S . t . Xλ \leq x_{k} - s^{-} \\ Yλ \leq y_{k} + s^{+} \\ Zλ \leq z_{k} - s^{z -} \\ \frac{1}{q_{1} + q_{2}} \{\overset{q_{1}}{\sum_{s = 1}} \frac{s_{r}^{+}}{y_{rk}} + \overset{q_{2}}{\sum_{t = 1}} \frac{s_{t}^{z -}}{z_{tk}}\} > 0; s^{+}, s^{-}, λ > 0 \\ i = 1,2, \dots, m; r = 1,2, \dots, q_{1}; t = 1,2, \dots, q_{2}; j = 1,2, \dots, n (j \neq k) \end{array}

式中：评价单元DMU为n个,且由投入x,期望产出y和非期望产出z组成;

s^{-} 、 s^{+} 、 s^{z -}

分别代表了投入、期望和非期望产出的松弛变量;

ρ

则为评价单元的生态效率值,

ρ \in (0,1)

ρ

效率值越高,表明

ρ

越靠近DEA效率的前沿面,投入产出的效率越高。

2.3 熵权TOPSIS模型

熵权TOPSIS模型是对传统TOPSIS评价法的改进,将传统的熵权法与TOPSIS模型相结合,客观地评价指标的动态变化特征,能有效避免因部分或整体数据差异过小导致的评价困难,并能克服人为主观因素^[31]。本文通过熵权TOPSIS分析东海海岸带2005—2018年生态效率的资源投入、经济效益和环境污染的动态变化。步骤如下：

（1）若评价对象有m个,评价指标有n个,则评价对象的判断矩阵为：

（3）

X = {(x_{ij})}_{m \times n} (i = 1,2, \dots, m; j = 1,2, \dots, n)

式中：i为评价单元对象;j为各选取的评价指标;m为评价单元总数;n为选取的评价指标总数。

（2）以极值法对各选取指标进行指标正负向无量纲标准化：

（4）

R = {(r_{ij})}_{m \times n} (i = 1,2, \dots, m; j = 1,2, \dots, n)

式中：R为标准化得到的投入产出评价指标矩阵;

r_{ij}

是选取的第i个选取的评价单元对象在第j个评价指标上的标准化值。

（3）计算各评价指标的信息熵：

（5）

H_{j} = - k \overset{m}{\sum_{i = 1}} P_{ij} \ln P_{ij}

式中：

P_{ij} = \frac{r_{ij}}{\overset{m}{\sum_{i = 1}} r_{ij}}; K = \frac{1}{\ln m}; P_{ij}

为矩阵R中各指标值占各指标总和的比重。

（4）计算评价指标权重：

（6）

W_{j} = \frac{1 - H_{j}}{\overset{n}{\sum_{i = 1}} (1 - H_{j})}

式中：

W_{j} \in [0,1]

且

\overset{n}{\sum_{i = 1}} W_{j} = 1

（5）计算加权矩阵（Z）：

（7）

Z = {(Z_{ij})}_{m \times n} Z_{ij} = W_{j} \times r_{ij} (i = 1,2, \dots, m; j = 1,2, \dots, n)

（6）确定最优解

S_{j}^{+}

与最劣解

S_{j}^{-}

：

（8）

\begin{array}{l} S_{j}^{+} = \max (Z_{ij}) (i = 1,2, \dots, m; j = 1,2, \dots, n) \\ S_{j}^{-} = \min (Z_{ij}) (i = 1,2, \dots, m; j = 1,2, \dots, n) \end{array}

（7）确定最优解

se p^{+}

与最劣解

se p^{-}

的欧氏距离：

（9）

\begin{array}{l} se p^{+} = \sqrt[]{\overset{m}{\sum_{i = 1}} W_{i}} {(Z_{ij} - S_{j}^{+})}^{2} \\ se p^{-} = \sqrt[]{\overset{m}{\sum_{i = 1}} W_{i}} {(Z_{ij} - S_{j}^{-})}^{2} \end{array}

（8）计算综合评价指数(C_i)：

（10）

C_{i} = \frac{se p_{i}^{-}}{se p_{i}^{+} + se p_{i}^{-}}

式中：综合评价值

C_{i} \in [0,1]

,值越大表明投入产出的得分越高。

2.4 变异系数

引入变异系数来分析区域生态效率在长时间序列上的变化特征,变异系数（CV）值越大表明区域生态效率评价值差异越大,反之亦然。其变异系数的表达式为：

（11）

CV = \sqrt[]{\overset{n}{\sum_{i = 1}} {(y_{i} - u)}^{2} / n / u}

式中：

y_{i}

表示区域县区城市的生态效率评价值;

u

为各年份的平均值;

n

表示县区数量^[12]。

2.5 Malmquist 指数

鉴于DEA模型的测算结果只能对东海海岸带县域城市进行静态分析,故选取Malmquist指数对县域生态效率进行动态分析。Malmquist指数在1953年由Malmquist提出^[32],而后专家多将其与数据包络分析（DEA）方法结合,广泛应用于全要素生产率测算,能较好反映区域生态效率的动态变化特征。该指数表达式为：

（12）

\begin{array}{l} M = \sqrt[]{\frac{z_{t} (x_{t + 1}, y_{t + 1})}{z_{t} (x_{t}, y_{t})} \frac{z_{t + 1} (x_{t + 1}, y_{t + 1})}{z_{t + 1} (x_{t}, y_{t})}} \\ = \frac{z_{t + 1} (x_{t + 1}, y_{t + 1})}{z_{t} (x_{t}, y_{t})} \times \sqrt[]{\frac{z_{t} (x_{t}, y_{t})}{z_{t + 1} (x_{t}, y_{t})} \frac{z_{t} (x_{t + 1}, y_{t + 1})}{z_{t + 1} (x_{t + 1}, y_{t + 1})}} \\ = EC \times TC \end{array}

式中：

\frac{z_{t + 1} (x_{t + 1}, y_{t + 1})}{z_{t} (x_{t}, y_{t})}

表示区域技术效率变化;

\sqrt[]{\frac{Z_{t} (x_{t}, y_{t})}{Z_{t + 1} (x_{t}, y_{t})} \frac{Z_{t} (x_{t + 1}, y_{t + 1})}{Z_{t + 1} (x_{t + 1}, y_{t + 1})}}

表示区域技术进步变化。M为各决策单元DMU在研究期

(t, t + 1)

全要素生态效率的变化情况,若M>1表明区域全要素生态效率趋于上升,反之则表示全要素生态效率趋于下降^[21]。

2.6 指标选取与数据来源

2.6.1 指标选取基于经济学中对区域经济增长的投入产出理论与生产函数模型,构建了测算东海海岸带县域城市经济效率和生态效率的投入产出模型（表1）。在DEA模型指标的选取中,投入与产出指标≤1/3区域决策单元（DMU）,以东海海岸带52个县区城市为研究对象,选取了10个投入与产出指标。在投入产出指标体系中,参考经典经济增长理论模型中对核心要素的选取,将资本、土地、劳动力要素作为核心要素。此外水资源与能源对于经济发达、人口较多的沿海城市极为重要,故也被纳入投入指标。投入产出具体指标的选取上也参考了任宇飞等^[12,33],如任宇飞等在效率评价指标体系中均选取了全社会固定资产投资总额作为资本投入,城市建成区面积作为土地投入,年末从业人员作为劳动力投入,用电总量和供水总量作为能源投入,地区GDP作为期望产出,工业废水排放、工业废气排放、工业烟尘排放总量指标作为非期望产出^[12]。因此在具体指标选取上,投入指标包括全社会固定资产投资总额、城市建成区面积、年末从业人员、用电总量、供水总量,分别代表了区域城市经济生产过程的资本、土地、劳动力、能源与水资源生产要素。产出指标选取全面考虑了区域经济增长的期望产出与非期望产出,分别包括GDP、工业总产值、工业废水排放、工业废气排放、工业烟尘排放总量指标。

2.6.2 数据来源以东海海岸带沿海县区城市作为研究对象,主要包括上海市、浙江省和福建省的52个县区城市,其中上海市3个县区、浙江省27个县区、福建省22个县区城市。研究期为2005—2018年,鉴于篇幅,文章在分析经济效率和生态效率仅列出了2005年、2010年、2015年和2018年部分数据。数据来源主要包括各省市和县区的统计年鉴,城市建成区数据来自《中国城市建设统计年鉴》,部分数据缺失年份则以平滑法或平均值代替。宁波市区在2015年后将奉化市纳入市区,温州市区将洞头县纳入市区,为了保证研究区的统一性,两县区以2015年前的行政划分标准为主。文章主要借助了DEAP 2.1、MaxDEA 6.8、ArcGIS 10.5软件。

Tab. 1
表1
表1投入产出指标体系
Tab. 1Input-output indicator system

指标类型	一级指标	具体指标	指标划分	指标划分
投入指标	资本	全社会固定资产投资总额	经济效率测算指标体系	生态效率测算评价指标体系
	土地	城市建成区面积
	劳动力	年末从业人员
	能源	用电总量
	水资源	供水总量
产出指标	期望产出	GDP、工业总产值
产出指标	非期望产出	工业废水排放、工业废气排放、工业烟尘排放总量

新窗口打开|下载CSV

3 结果分析

3.1 东海海岸带经济效率评价

3.1.1 经济综合效率评价经济综合效率反映了在区域经济发展中利用各种资源并将其转换为经济效益的效率,整体上看（图1）,2005年、2010年、2015年、2018年东海区经济综合效率平均值分别为0.864、0.897、0.882、0.896,即分别位于DEA效率前沿的86.4%、89.7%、88.2%、89.6%,表明东海区对资源利用能力较高,并能迅速转化为经济效益。省域层面上,经济综合效率值：上海市>福建省>浙江省。县域层面来看（图2）,2005—2018年上海市的金山区、奉贤区、浦东新区均处于效率的前沿面,其中金山区、浦东新区综合效率均为1,资源利用效率高。浙江省沿海县区城市经济综合效率内部差异较大,木桶效应明显,总体上综合效率趋于上升,其中慈溪、海盐、平湖、温岭、玉环、乐清、平阳、瑞安经济综合效率在研究期间均大于0.93。2018年慈溪、奉化、海盐、温岭、玉环、乐清、岱山与嵊泗效率值均处于最前沿（综合效率=1）。岱山与嵊泗县作为海岛城市,投入相较于陆地城市虽较小,但以较小的投入得到较大的产出,使得自身效率达到最前沿。福建省经济综合效率值优于浙江省,其中15个县区的各年份综合效率值均大于0.90,2018年14个县区城市综合效率值均为1。

图1

新窗口打开|下载原图ZIP|生成PPT
图1东海区各省市主要年份经济效率评价结果

Fig. 1Evaluation results of the economic efficiency of the East China Sea region

图2

新窗口打开|下载原图ZIP|生成PPT
图2东海海岸带经济效率变化特征

注：图2d中,规模报酬为1代表着规模报酬不变、规模报酬为2代表规模报酬递减、规模报酬为3代表着规模报酬递增。
Fig. 2Characteristics of economic efficiency changes in the East China Sea coastal zone

3.1.2 经济纯技术效率评价经济纯技术效率反映了区域经济增长中各种资源投入的配置和利用情况,可体现区域对投入资源是否合理配置与利用。东海区经济纯技术效率均处于DEA效率的前沿面（图1）,2005年、2010年、2015年、2018年东海区经济纯技术效率平均值分别为0.916、0.935、0.919、0.925,即分别位于DEA效率前沿的91.6%、93.5%、91.9%、92.5%。各省份上,经济纯技术效率值：上海市>福建省>浙江省。上海市经济发达,对资源利用水平较高,2005年和2010年效率值均为1,2015年和2018年效率值也均较高,分别为0.950、0.975,其3个县区经济纯技术效率均位于效率前沿面（图2）。浙江省经济纯技术效率较高,2005—2018年各效率值均大于0.800,但内部存在一定差异,如温州市区、三门县、台州市区、普陀区、苍南县、临海市的效率值均小于0.80,而杭州市区、慈溪、宁波市区、海盐、温岭、玉环、奉化、洞头、乐清、瑞安、岱山与嵊泗效率值则位于纯技术效率最前沿,达到1。福建省经济纯技术效率平均值各年份均大于达到0.900,仅次于上海市,其中宁德市区效率值最低,各年份效率值均小于0.750。2005—2018年,福建省经济纯技术效率值达到最前沿面的县区多达15个,表明福建省沿海县区对资源利用配置水平较高。3.1.3 经济规模效率与规模报酬评价经济规模效率反映了区域城市经济增长中的规模与集聚效应,体现了各县区城市的经济规模水平。东海区经济规模效率值在2005年、2010年、2015年、2018年分别为0.944、0.959、0.960、0.968,其经济规模效应突出,且经济规模效率>经济综合效率>经济纯技术效率（图1）。上海市、浙江省和福建省经济规模效率都较高,也表现出上海市>福建省>浙江省的特征,其中浙江省由于内部木桶效应突出,在一定程度上拉低浙江省了整体经济规模效率（图2）。从规模报酬来看,2005—2018年东海区县域城市以规模报酬不变占主导,规模报酬递增的县区数量增长,而规模报酬递减的县区数量减少,表明资源利用效率的提高,资源投入与利用冗余现象减弱。上海市以规模报酬不变为主,浙江省从2005年规模报酬递减为主到2018年规模报酬不变为主,且规模报酬递增的县区明显增加。福建省一直以规模报酬不变占主导。

3.2 东海海岸带生态效率评价

3.2.1 生态效率静态特征考虑到环境污染的非期望产出,运用超效率SBM模型得到东海海岸带2005—2018年各个县区城市的生态效率值,对其进行整体和分时间段的静态特征分析（表2）。东海海岸带生态效率2005年、2010年、2015年、2018年平均值分别为0.884、0.833、0.885、0.817,即位于DEA效率前沿的88.4%、83.3%、88.5%、81.7%。2007年、2010年、2016年、2018年生态效率与经济综合效率相比下降幅度较大,分别下降了0.040、0.064、0.044、0.078,下降幅度达4.39%、7.12%、4.84%、8.73%,表明环境污染对区域经济效益产生了一定的负面影响,人类社会活动和工业生产活动产生的直接污染和间接污染的治理费用影响着区域经济效率。省份层面上,生态效率各年份平均值：上海市>福建省>浙江省,上海市各个年份的生态效率值均大于1.000,2005年、2010年、2015年、2018年生态效率平均值分别为1.150、1.149、1.150、1.019,即位于DEA效率前沿的115.0%、114.9%、115.0%、101.9%,表明经济社会高度发达的上海市注重对环境的保护和污染的治理,严格控制污染物的排放,提升经济发展的质量和效率。福建省生态效率仅次于上海市,2005年、2010年、2015年、2018年生态效率平均值分别为0.938、0.879、0.968、0.950,2005—2018年生态效率均大于0.840。而浙江省生态效率相对较低,2005年、2010年、2015年、2018年生态效率平均值分别为0.823、0.740、0.789、0.688,表明区域环境污染降低了经济发展效率,不利于区域可持续发展。

Tab. 2
表2
表2东海海岸带生态效率值变化特征
Tab. 2Characteristics of eco-efficiency changes in the East China Sea coastal zone

省份	城市	2005	2010	2015	2018	省份	城市	2005	2010	2015	2018
上海市	金山区	1.0129	1.0337	1.1739	1.3245	浙江省	岱山县	1.0496	1.2594	1.1640	1.1333
	奉贤区	1.1777	1.2191	1.0144	0.6060		定海区	0.3498	0.5101	0.5017	0.4912
	浦东新区	1.2595	1.1937	1.2630	1.1250		普陀区	1.3582	0.6810	1.1794	0.6435
浙江省	杭州市区	0.4701	0.5566	0.5585	0.6049		嵊泗县	1.5659	1.1828	1.1742	1.3092
	慈溪市	1.1069	1.0957	1.1325	1.1992	福建省	福州市区	0.4514	0.5283	1.0207	0.6304
	奉化市	1.1524	0.4802	1.0083	1.4638		福清市	1.0328	0.5770	0.6577	0.6294
	宁海县	0.6147	0.5787	1.0240	0.4767		连江县	1.0547	1.0124	1.1562	1.1755
	宁波市区	0.4766	0.6831	0.6073	0.4745		罗源县	1.1361	1.0596	1.1206	1.1039
	象山县	1.0073	0.5581	0.5147	0.5239		平潭县	1.1925	1.1974	1.2032	1.2001
	余姚市	0.7114	1.2281	1.0518	0.6222		泉州市区	1.0147	1.1144	0.5234	1.0651
	柯桥区	0.5658	0.5169	0.5302	0.3424		惠安县	1.2172	1.1734	1.1041	1.0834
	上虞区	1.0036	1.0054	0.8002	0.4917		晋江市	1.0395	1.0163	1.1081	1.1712
	海宁市	0.5612	0.5679	0.5047	0.4815		南安市	1.1225	1.0242	1.0227	0.6817
	海盐县	1.1029	0.6574	1.0221	1.0139		石狮市	1.0347	1.0335	1.0275	1.0219
	平湖县	0.7446	1.0064	0.5430	0.7430		莆田市区	1.0127	1.0283	1.0012	1.0122
	临海市	0.4599	0.5131	0.4183	0.3904		仙游县	0.4004	1.0625	1.0303	1.0174
	三门县	0.3725	0.3669	0.3435	0.3342		厦门市区	0.6319	0.5854	1.0119	1.0823
	台州市区	0.4302	0.5436	0.4579	0.4227		蕉城区	0.3080	0.4186	1.0717	0.4256
	温岭市	1.1160	1.0529	1.0443	1.0004		福安市	1.0466	1.0799	1.1459	1.0925
	玉环县	0.6774	1.1168	1.0414	1.0792		福鼎市	1.0162	0.7823	0.7015	0.6107
	苍南县	1.0336	0.6005	0.5992	0.4049		霞浦县	1.0439	1.0567	1.0704	1.0807
	洞头县	0.4281	0.4800	0.4989	0.4828		龙海市	0.6782	1.0424	1.0520	1.0071
	乐清市	1.0186	1.0929	1.0650	1.0261		云霄县	1.1863	0.5605	0.5606	1.0005
	平阳县	1.1290	1.0205	1.0470	0.4511		漳浦县	1.0006	0.4023	0.6137	0.6424
	瑞安市	1.0075	0.7134	1.0518	0.6064		诏安县	1.0110	1.0055	1.0079	1.0520
	温州市区	0.3749	0.4493	0.3693	0.3287		东山县	1.0092	0.5811	1.0890	1.1247

新窗口打开|下载CSV

从空间上看,东海海岸带生态效率空间分异显著,2005年生态效率大于1.201的只有嵊泗县、浦东新区,其中浦东新区作为上海市的市辖区,经济水平高,高新技术产业和新兴产业发达,且在城市建设和工业生产中,政府严格控制工业三废排放,使得非期望产出不断下降,生态效率达到效率的最优前沿面。而舟山市的嵊泗县,经济效率与生态效率都处于DEA效率的前沿面,主要是由于独特的海岛城市,以其较少的资源投入得到较大的经济效益产出,且环境污染较低,这也与国内常新锋对长三角的生态效率研究结果类似^[34]。为便于分析,基于自然断点法将各年份生态效率值划分为5个等级。2010年奉贤区、余姚市、岱山县,2015年浦东新区,2018年嵊泗县、金山县、奉化区处于生态效率的第一等级（>1.201）,奉化区2016年纳入宁波市区,在研究期间资源投入增长、经济效益较高,且工业三废产出不断下降,使得区域生态效率达到最优前沿面。生态效率值处于（1.001~1.200）的县区数量在2005年、2010年、2015年、2018年均大于其他等级,空间范围分布较广,各年份分布为：2005年（23个）、2010年（22个）、2015年（31个）、2018年（29个）,也表明东海海岸带生态效率总体上较高,环境污染受到政府和社会各界的普遍重视,政府积极采取环境保护措施减弱环境污染。生态效率值处于（0.801~1.000）的县区数量较少,仅在2015年的上虞处于该等级。生态效率值处于（0.601~0.800）的县区数量分布为2005年（6个）、2018年（11个）。生态效率值处于（<0.600）的县区集中为宁波市区、海宁市、杭州市区、柯桥区、定海区、洞头县、台州市区、临海市、温州市区、三门县,该结果与韩吉媛对浙江省生态效率评价结果有所差异^[35],韩吉媛的研究结果^[35]表明杭州市、宁波市、温州市、台州市都处于生态效率的前沿面,而在本文中杭州市区、宁波市区、温州市区、台州市区生态效率都较低,主要是由于环境污染产生的非期望产出对经济增长效益损失较大,如杭州市区在东海区52个县区中资源投入、经济效益最高,但3个非期望产出也处于最大值,这也导致杭州市区生态效率值较低。此外也由于研究区的差异性,如前人的研究主要以市级在整个省份或整个经济区中的生态效率对比,使得经济发达地区的生态效率较高,而县区尺度下的市区生态效率也具有一定差异性。

3.2.2 生态效率动态特征从变异系数的结果来看（图3）,生态效率的变异系数越大表明区域内部生态效率的差异越大,东海海岸带生态效率变异系数在2005—2018年从0.349上升到0.388,增长了11.08%,反映了东海区内部县区间生态效率的差异性显著,由于经济发展水平、资源利用效率的历史与现实差异,使得非期望产出也存在巨大差异。上海市变异系数较小,远低于东海区变异系数,在2005—2015年系数区域平稳,而后2016—2018年变化幅度较大,主要是奉贤区生态效率在该时间段的下降波动导致。浙江省生态效率变异系数值最大,且在2005—2018年增长了0.069,上升幅度为16.82%,表明浙江省沿海县区城市内部生态效率的差异性显著。福建省生态效率变异系数较低,且系数呈下降趋势,表明福建省沿海县区城市生态效率的差异较小。

图3

新窗口打开|下载原图ZIP|生成PPT
图3东海海岸带生态效率变异系数

Fig. 3Eco-efficiency variation coefficient in the East China Sea coastal zone

通过Malmquist指数计算得到区域全要素生态率Malmquist指数（MI）、技术效率变化（EC）和技术进步变化（TC）,并以此分析东海海岸带生态效率动态变化趋势和贡献来源（图4、表3）。研究期间,东海区52个县区中,只有5个县区生态效率趋于下降（MI<1）,分别为东山县、洞头区、惠安县、罗源县、云霄县,其中东山县、洞头区生态效率主要受技术进步变化（TC<1）削弱影响,而技术效率变化（EC>1）对区域生态效率的提高起到促进作用。而惠安县生态效率主要受技术效率变化（EC<1）约束,而技术进步变化（TC>1）则起到推动作用。罗源县、云霄县的生态效率则受到技术进步变化（TC<1）、技术效率变化（EC<1）的双重制约。另外的47个县区生态效率值都处于上升趋势,且Malmquist指数（MI）与技术进步变化（TC）的耦合性大于Malmquist指数（MI）与技术效率变化（EC）。

图4

新窗口打开|下载原图ZIP|生成PPT
图4东海海岸带生态效率Malmquist指数分解

Fig. 4Malmquist index decomposition of eco-efficiency in the East China Sea coastal zone

Tab. 3
表3
表3分时间段生态效率Malmquist指数分解
Tab. 3Decomposition of Malmquist index of eco-efficiency in different time periods

时间段	上海市			浙江省			福建省			东海区
时间段	MI	EC	TC	MI	EC	TC	MI	EC	TC	MI	EC	TC
2005—2006	1.105	1.011	1.093	1.133	1.027	1.105	1.045	0.984	1.093	1.094	1.008	1.102
2006—2007	1.083	1.006	1.076	1.138	1.039	1.098	1.023	0.979	1.091	1.085	1.011	1.096
2007—2008	1.033	0.995	1.038	1.161	1.060	1.094	1.066	1.034	1.055	1.113	1.045	1.075
2008—2009	1.020	1.006	1.014	1.057	1.025	1.036	1.181	1.139	1.047	1.108	1.073	1.037
2009—2010	1.023	1.008	1.015	1.066	0.986	1.082	1.075	1.056	1.031	1.067	1.018	1.062
2010—2011	1.029	1.007	1.022	1.150	0.995	1.148	1.021	1.020	1.022	1.087	1.006	1.097
2011—2012	1.028	1.015	1.013	1.088	1.018	1.070	1.100	1.069	1.045	1.090	1.040	1.058
2012—2013	1.002	0.992	1.011	1.057	1.026	1.034	1.045	1.016	1.039	1.048	1.020	1.034
2013—2014	0.986	0.982	1.005	1.038	1.009	1.030	1.001	0.977	1.037	1.019	0.994	1.031
2014—2015	1.060	0.991	1.070	1.038	1.004	1.034	1.035	0.992	1.048	1.038	0.998	1.042
2015—2016	1.065	0.983	1.083	1.069	0.966	1.138	1.113	1.040	1.070	1.088	0.999	1.107
2016—2017	1.057	0.959	1.130	1.099	0.937	1.207	1.114	0.984	1.142	1.103	0.959	1.177
2017—2018	1.125	0.944	1.222	1.156	1.023	1.150	1.091	0.973	1.134	1.126	0.997	1.149

注：区域全要素生态率Malmquist指数（MI）、技术效率变化（EC）和技术进步变化（TC）。

新窗口打开|下载CSV

分时间段上看,东海海岸带生态效率在2005—2018年全部时间段上趋于上升（MI>1）,MI值从2005—2006年（MI=1.094）上升到2017—2018年（MI=1.126）,2005—2013年东海区生态效率上升主要得益于技术效率变化（EC>1）和技术进步变化（TC>1）的双重贡献,而2013—2018年东海区生态效率上升主要得益于技术进步变化（TC>1）,技术效率变化（EC<1）对区域生态效率的提高没有起到推动效果,但技术效率变化（EC均大于0.95）,表明东海沿海城市积极研发新兴技术,将高新技术运用于生产,不断促进生产效率的提高,从而促进绿色生产,提高了区域生态效率。上海市生态效率仅2013—2014年生态效率趋于下降（MI<1）,其他年份则趋于上升（MI>1）,在2012—2018年生态效率的提高主要得益于技术进步变化（TC>1）。浙江省和福建省生态效率在各个年份都增加（MI>1）,且主要受益于技术进步变化（TC>1）。

3.3 生态效率与投入产出的叠加关系

从已经完成工业化的发达国家经验来看,区域经济增长经历了高投入、高产出、高污染到低投入、高产出、低污染的发展路径,改革开放以来,中国经济发展速度跃升,尤其是东海海岸带沿海城市,在快速工业化和城镇化推动下,区域经济水平大幅提升,同时环境也面临巨大的外界压力,故需要分析区域生态效率与资源投入、经济效益、环境污染之间的关系。将区域的投入产出划分为以资本、劳动力、土地、能源与水源为主的资源投入因子、以经济总产值和工业总产值为主的经济效益因子、以工业废水、二氧化硫和烟尘排放为主的环境污染因子,通过熵权TOPSIS模型计算得到其综合评价指数（3个指数得分较小,均乘以100）,以此分析2005—2018年东海海岸带投入产出、投入产出与生态效率的叠加特征。

从投入产出的叠加特征来看（图5）,2005—2018年东海海岸带沿海县区城市资源投入与经济效益具有显著的正向叠加特征,资源投入与经济效益变化曲线具有一致性,也表明资源投入对经济效益起着显著推动作用。而环境影响曲线与资源投入、经济效益曲线表现为反向叠加特征,这也表明环境污染对经济效益起到抑制作用,资源投入越大,也会引起区域环境污染问题。从区域来看,2005—2018年资源投入综合评价值以各个市辖区得分最高,如杭州市区、浦东新区、宁波市区、厦门市区、福州市区、莆田市区、泉州市区和温州市区,其资源投入综合得分均大于28.00。经济效益也表现相同的特征,各个市辖区的经济效益综合得分较高。环境污染综合得分则与资源投入、经济效益相反,市辖区的环境污染综合评价得分最低,而嵊泗、岱山、洞头、三门、罗源、东山、绍安、云霄、霞浦等环境污染综合评价值较高。

图5

新窗口打开|下载原图ZIP|生成PPT
图5东海海岸带投入产出变化特征

Fig. 5Characteristics of input-output changes in the East China Sea coastal zone

从投入产出与生态效率的叠加特征来看（图6）,首先为了统一衡量和比较东海区内部县区综合指数差异情况,对东海区各个县区的资源投入、经济效益、环境污染综合评价得分进行由大到小排序,等间距进行划分为高中低三类,生态效率值则以自然断点法进行划分,并重分类为高（>0.801）、中（0.501~0.800）、低（<0.500）三类^[36]。通过ArcGIS软件下的空间分析工具对图层进行叠加,得到东海海岸带各个县区资源投入、经济效益、环境污染与生态效率的叠加图层（图5）,并进行分析其叠加特征。东海海岸带县区城市投入产出与生态效率的耦合类型趋于复杂化和多样化,其中叠加类型数量达到了2005年（27个）、2010年（29个）、2015年（28个）、2018年（27个）,表明区域投入产出与生态效率间关系复杂。2005年,东海区资源投入、经济效益、环境污染、生态效益间叠加以“低-低-低-高”（7个）占主导,主要包括岱山县、普陀区、嵊泗县、罗源县、平潭县、霞浦县、云霄县,此类反映了低投入、低效益、低污染和高效率的县区,经济发展水平相对于其他县区较低;“高-高-高-低”（5个）,包括杭州市区、宁波市区、台州市区、温州市区、福州市区,该类叠加类型代表了高投入、高效益、高污染和低效率的经济较发达县区。此外也还存在“高-高-高-高”叠加类型,包括浦东新区、晋江市、泉州市区。2010年以“低-低-低-高”（6个）为主导类型,此外还包括“高-高-高-高”（5个）、“高-高-高-中”（5个）、“高-高-高-中”（4个）、“中-中-中-中”（4个）。2015年也以“低-低-低-高”（9个）为主导类型,包括岱山县、奉化市、平阳县、普陀区、嵊泗县、东山县、平潭县、霞浦县、诏安县。此外“高-高-高-高”（6个）,包括浦东新区、福州市区、惠安县、晋江市、南安市、厦门市区;“高-高-高-中”（4个）、“中-中-中-高”（4个）。2018年仍以“低-低-低-高”（8个）为主导类型,还包括“高-高-高-高”（4个）、“高-高-高-中”（4个）、“高-高-高-低”（4个）、“中-中-中-中”（3个）等类型,2018年各个市辖区的叠加类型主要为浦东新区（高-高-高-高）、杭州市区（高-高-高-中）、宁波市区（高-高-高-低）、温州市区（高-高-高-低）、台州市区（高-高-高-低）、宁德市区（高-中-中-低）、泉州市区（高-高-高-高）、厦门市区（高-高-高-高）、莆田市区（高-高-中-高）,其中宁波市区和台州市区都处于“高-高-高-低”,即高投入、高效益、高污染、低效率,杭州市区则从“高-高-高-低”变为“高-高-高-中”,生态效率有所改善。

图6

新窗口打开|下载原图ZIP|生成PPT
图6东海海岸带投入产出与生态效率叠加特征

注：县市区缩写详见脚注①。
Fig. 6Coupling characteristics of input-output and eco-efficiency in the East China Sea coastal zone

3.4 生态效率影响因素分析及优化

东海海岸带52个县区城市生态效率与其自身的投入、期望产出与非期望产出联系密切,故以投入产出松弛变量的视角分析区域生态效率改进途径。基于超效率SBM模型的原理,若决策单元DMU效率值

ρ

<1,可从松弛变量

s^{-} 、 s^{+} 、 s^{z -}

的数值大小来揭示区域生态效率损失的潜在原因,从而以此提出改善区域生态效率的途径（表4）。

Tab. 4
表4
表4东海海岸带生态效率改善潜力主要评价值
Tab. 4Main evaluation values of improvement potential of eco-efficiency in the East China Sea coastal zone

年份	区域	区域改善潜力
年份	区域	资本	土地	劳动力	能源	水资源	期望产出	非期望产出
2005	上海市	0.00	0.00	0.00	0.00	0.00	2.74	0.00
	浙江省	3.67	1.26	2.27	12.00	14.31	0.08	66.26
	福建省	1.17	0.66	0.03	3.08	18.77	0.09	51.42
	东海区	2.33	0.91	1.15	7.31	15.10	0.28	54.89
2010	上海市	0.19	0.00	0.57	0.00	0.00	4.90	0.00
	浙江省	3.41	1.00	2.07	13.15	8.17	0.05	41.32
	福建省	5.44	0.82	0.01	7.37	23.13	0.24	29.88
	东海区	4.00	0.85	1.00	9.69	13.87	0.33	33.31
2015	上海市	0.00	0.00	0.00	0.00	0.00	10.43	0.00
	浙江省	22.61	1.43	2.57	16.55	14.25	0.23	34.66
	福建省	1.92	0.42	0.00	2.35	34.24	0.40	7.84
	东海区	12.12	0.89	1.28	9.27	21.61	0.22	20.65
2018	上海市	4.29	0.99	0.00	0.00	16.39	10.81	3.47
	浙江省	23.13	2.32	2.01	21.12	43.71	0.04	15.52
	福建省	4.99	1.14	0.00	4.53	38.45	1.29	6.71
	东海区	13.92	1.70	1.00	12.48	39.07	0.33	10.80

新窗口打开|下载CSV

（1）上海市沿海县区生态效率在2005—2018年均处于效率的最优前沿面,投入产出的改善潜力值均小于浙江省和福建省,其中供水总量最大,也表明上海作为中国经济最发达的城市对能源需求量巨大。2018年上海市的奉贤、金山、浦东新区投入产出与生态效率叠加类型分别属于“中-中-中-中”“中-中-中-高”“高-高-高-高”,其中浦东新区在2005—2018年都属于高投入、高效益、高污染、高效率的叠加类型。上海市生态效率值最高,这也得益于区域经济发达,产业不断升级与转型,高新技术产业不断入驻,第三产业快速发展,第三产业从2005年（4824.17亿元）增长到2018年（22842.96亿元）,增长幅度达到了373.51%,且第三产业与区域生产总值占比从2005年（51.51%）增长到2018年（69.90%）,而工业产值与区域生产总值占比从2005年（43.83%）缩减到2018年（26.61%）,这也充分反映了上海市高速发展第三产业和新兴产业,打造高科技和高水平的现代化大都市。从改善区域生态效率潜力来看,需继续扩大对新兴产业的投入,继续推动第三产业的高速发展,如金融、信息、技术、新兴能源、科教、文化、旅游等,积极吸引国内外投资和人才就业,并严格控制污染物排放,促进绿色生产和高效生产。

（2）浙江省沿海县区城市生态效率值在2005—2018年相对于上海市和福建省均较低,且内部差异较大。改善潜力来看,非期望产出改进值最高,这也反映了区域环境污染问题严峻,如杭州市区、宁波市区、温州市区的资源投入、经济效益和环境污染在研究期间都属于“高-高-高”类型,台州市区则从“高-高-高”到“高-高-中”再到“高-高-高”,而生态效率值杭州市区从“低”到“中”,宁波市区、温州市区、台州市区都处于“低”状态。此外,浙江省的能源消耗如用电和供水总量的改善潜在值也较大,这都表明需要转变产业结构,控制工业污染,提高工业生产效率,此外还需要吸引国内外投资和高素质人才,提高第三产业就业人员。2005—2018年杭州市区、宁波市区、温州市区、台州市区的工业增加值增长幅度分别为271.32%、352.62%、121.67%、225.23%,其工业产值在区域生产总值中从2005年（43.67%、46.58%、48.76%、47.48%）到2018年（30.37%、43.14%、30.46%、40.08%）,其工业在产业结构中占比依旧较高,而第三产业与生产总值占比杭州市区、宁波市区、温州市区、台州市区从2005年（47.41%、43.86%、44.68%、42.93%）到2018年（65.17%、50.30%、58.82%、52.27%）,第三产业都得到较快发展,尤其是杭州市区,作为浙江省的省会城市和区域发展的核心,经济发展水平高,产业结构也趋于先进和合理,但也需要严格控制非期望产出,提高生产效率,降低资源投入,从而提高经济效益和生态效率。宁波市区大气污染较为严重,PM2.5污染物中以工业、机动车船、扬尘作为主要贡献因子,其燃煤更是大气污染的主要因子,故宁波市区需要改进能源消费结构,削减燃煤利用总量,推广清洁能源和发展新兴技术,提高工业生产效率。温州市区拥有着较多的小工业生产地,如工业涂装、包装印刷、制鞋、有色金属、农副食品、废塑料、气流纺等七类行业占比较大,且该类工业环境污染也较为严重,故需要合理规划小企业和工厂,装备先进工业设备和生产工艺,治理环境污染,并对污染严重的生产线进行淘汰和升级改造。

（3）福建省沿海县区生态效率平均值较高,但供水总量、非期望产出和用电总量的改善潜力较大,也表明城市和工业生产对水资源需求量较大,福建省沿海的莆田市区、泉州市区、厦门市区、福州市区资源投入、经济效益、环境污染都处于“高-高-高”状态,但与浙江省不同的是,福建省的莆田市区、泉州市区、厦门市区、福州市区的生态效率都较高,处于高投入、高效益、高污染、高效率状态。改善潜力来看,需要控制环境污染,减少经济发展的非期望产出,提高能源利用效率。

（4）整体上看,东海区供水总量、用电总量和非期望产出的改善潜力值最高,反映了经济发达的东海海岸带地区对能源需求量巨大,且经济社会高速发展的同时也产生了一定的环境污染问题。从上海市、浙江省和福建省沿海县区的改善潜力来看,要积极发展高新技术产业和新兴产业,推动区域产业结构升级,运用清洁工业生产技术和清洁能源,减少污染物的排放,淘汰落后的工业生产产业链,提高经济生产效率。政府需要出台相关福利政策吸引国内外投资和高素质人才,从而为高新技术产业和新兴产业发展提供充足的资金和劳动力。此外,推动新型城镇化建设,积极建设生态型和旅游型城市,加快推动第三产业发展。最后要以区域市辖区为核心,发挥增长极的带动与辐射作用,完成区域产业链升级,如上海市区、杭州市区、厦门市区等经济增长极,统筹区域经济与生态环境协调发展,推动创新性企业和资源环境友好型企业的发展壮大,以先进生产技术提高生产效率和科学解决生态环境污染问题。

4 结论

基于传统DEA模型和超效率SBM模型对东海海岸带52个县域城市进行经济效率和生态效率测算,分析效率特征及生态效率与资源投入、经济效益、环境污染的叠加影响特征,并提出对应的改善途径。主要结论为：

（1）以传统DEA模型对东海海岸带进行经济效率评价。发现2005—2018年东海区经济效率均位于DEA效率前沿,经济综合效率、纯技术效率、规模效率各年平均值排序均为：上海市>福建省>浙江省。东海区城市以规模报酬不变占主导,规模报酬递增的县区数量增长,而规模报酬递减的县区数量减少。

（2）以超效率SBM模型对东海海岸带进行生态效率评价。生态效率静态特征为：东海区生态效率均位于DEA效率前沿面的80%以上,除2005年、2009年、2013年、2015年外,其他年份生态效率与经济综合效率相比均下降。生态效率各年份平均值为：上海市>福建省>浙江省。

（3）以变异系数和Malmquist 指数分析东海海岸带生态效率动态变化特征。东海区生态效率变异系数在2005—2018年从0.349上升到0.388,反映了东海区内部县区间生态效率的差异性显著,变异系数平均值：浙江省>福建省>上海市。通过Malmquist 指数变化发现东海区52个县区中,只有5个县区生态效率趋于下降（MI<1）,47个县区生态效率值都处于上升趋势。上海市生态效率趋于上升（MI>1）,浙江省和福建省生态效率在各个年份都增加（MI>1）,且主要受益于技术进步变化（TC>1）。

（4）通过熵权TOPSIS模型计算东海海岸带综合评价指数。发现东海县域城市资源投入与经济效益具有显著的正向叠加特征,而环境影响曲线与资源投入、经济效益曲线表现为负向叠加特征。城市投入产出与生态效率的叠加类型趋于复杂化和多样化,其中叠加类型数量达到了2005年（27个）、2010年（29个）、2015年（28个）、2018年（27个）,其中“低-低-低-高”为主导类型,此外“高-高-高-高”“高-高-高-中”“高-高-高-低”“中-中-中-中”等类型也较多。

（5）以超效率SBM模型的松弛度分析东海海岸带生态效率损失的影响因素,并以上海市、浙江省、福建省和东海区角度来分析其潜在改善途径。建议集中在改善和升级产业结构、以清洁高效生产技术升级或淘汰落后低效生产链、发展高新技术产业和新兴产业、吸引国内外投资与高素质劳动力、发展城市生态产业和旅游业,促进第三产业发展等方面。

致谢：

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,专家对本文明晰研究目的、构建评价指标、优化图件以及凸显研究意义的修改意见,使笔者获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

侯西勇, 徐新良. 21世纪初中国海岸带土地利用空间格局特征
地理研究, 2011, 30(8):1370-1379.

[本文引用: 1]

[ Hou

Xiyong

, Xu

Xinliang

. Spatial patterns of land use in coastal zones of China in the early 21st century
Geographical Research, 2011, 30(8):1370-1379.] DOI: 10.11821/yj2011080003.

[本文引用: 1]

[2]

许妍, 曹可, 李冕, 等. 海岸带生态风险评价研究进展
地球科学进展, 2016, 31(2):137-146.

[本文引用: 1]

[ Xu

Yan

, Cao

, Li

Mian

, et al. Coastal ecological risk assessment: Its research progress and prospect
Advance in Earth Science, 2016, 31(2):137-146.] DOI: 10.11867/j.issn.1001-8166.2016.02.0137.

[本文引用: 1]

[3]

李加林. 海岸带资源开发与评价. 北京: 科学出版社, 2020.

[本文引用: 1]

[ Li

Jialin

. Development and Evaluation of Coastal Zone Resources. Beijing: Science Press, 2020.]

[本文引用: 1]

[4]

Anikie V

, Kolesov G

, Pavlov A

. Impact of anthropogenic and natural factors on the air quality above the northern Capspian Sea and the ecological risk level for the human population in the coastal zone
Geochemistry International, 2011, 49(2):154-169. DOI: 10.1134/S0016702911020030.

URL [本文引用: 1]

[5]

李加林, 龚虹波, 姜忆湄, 等. 中国东海可持续发展研究报告: 海岸带与海湾资源环境演化卷. 北京: 海洋出版社, 2020.

[本文引用: 1]

[ Li

Jialin

, Gong

Hongbo

, Jiang

Yimei

, et al. Research Report on Sustainable Development of the East China Sea-Coastal Zone and Gulf Resources and Environment Evolution Volume. Beijing: Ocean Press, 2020.]

[本文引用: 1]

[6]

Burritt

, Schaltegger

. Eco-efficiency in corporate budgeting
Environmental Management & Health, 2001, 12(2):158-174. DOI: 10.1108/09566160110389924.

[本文引用: 1]

[7]

World Business Council for Sustainable Development. Eco-efficient leadership for improved economic and environmental performance
World Business Council for Sustainable Development, 1996.

[本文引用: 1]

[8]

Ichimura

, Nam

, Bonjour

, et al. Eco-efficiency Indicators: Measuring Resource-use Efficiency and the Impact of Economic Activities on the Environment
ESCAP: Bangkok, Thailand, 2009.

[本文引用: 1]

[9]

United Nations Conference on Trade and Development. Integrating Environmental and Financial Performance at the Enterprise Level: A Methodology for Standardizing Eco-efficiency Indicators
Geneva: United Nations Publication, 2003.

[本文引用: 1]

[10]

吕彬, 杨建新. 生态效率方法研究进展与应用
生态学报, 2006, 26(11):3898-3906.

[本文引用: 2]

[ Lu

Bin

, Yang

Jianxin

. Review of methodology and application of eco-efficiency
Acta Ecologica Sinica, 2006, 26(11):3898-3906.] DOI: 10.3321/j.issn:1000-0933.2006.11.050.

[本文引用: 2]

[11]

Huppes

, Ishikawa

. A framework for quantified eco-efficiency analysis
Journal of Industrial Ecology, 2005, 9(4):25-41. DOI: 10.1162/108819805775247882.

URL [本文引用: 1]

[12]

任宇飞, 方创琳, 蔺雪芹. 中国东部沿海地区四大城市群生态效率评价
地理学报, 2017, 72(11):2047-2063.

DOI:10.11821/dlxb201711010 [本文引用: 7]

东部沿海地区城市群是国家经济发展的战略核心区和国家新型城镇化的主体区之一,其经济—生态可持续发展问题是近年来地理研究领域的前沿主题。首先对城市群生态效率进行定义并将其作为城市群可持续发展测度指标;随后运用传统DEA模型及非期望产出SBM模型,对东部沿海地区四大城市群在2005年、2011年、2014年三个时间截面中的经济效率、生态效率进行比较评价并分析了城市群生态效率时空演变特征;最后通过松弛度分析,为改善沿海地区四大城市群生态效率提供了对应建议。结果表明：① 山东半岛城市群、长三角城市群、珠三角城市群经济综合效率呈先下降后上升的V字型演变格局,而京津冀城市群经济综合效率始终呈下降趋势,2011年前其受纯技术效率影响较大,2011年后受规模效率影响较大;② 京津冀城市群受污染影响带来的效率损失最大,山东半岛城市群相对较小,总体而言,四大城市群生态效率在2005-2011年为下行期,2011-2014为修复期;③ 沿海四大城市群内城市生态效率时空格局具有不同的演化特征,核心城市周边以及沿海沿江地区城市生态效率相对较优,内陆城市则较低;④ 京津冀城市群、长三角城市群、珠三角城市群核心城市资源消耗强度高、经济效益产出高、生态效率高,从整体来看,城市群内多数城市呈污染物排放量下降趋势,污染物治理效果较为明显,环境影响问题有所改善;⑤ 影响东部四大城市群经济生态效率的原因不同,本文从城市群角度进行了差异性分析,并提出了合理化建议。

[ Ren

Yufei

, Fang

Chuanglin

, Lin

Xueqin

. Evaluation of eco-efficiency of four major urban agglomerations in eastern coastal area of China
Acta Geographica Sinica, 2017, 72(11):2047-2063.] DOI: 10.11821/dlxb201711010.

[本文引用: 7]

[13]

Quariguasi-Frota-Neto

, Bloemhof

. An analysis of the eco-efficiency of remanufactured personal computers and mobile phones
Production and Operations Management, 2012, 21(1):101-114. DOI: 10.1111/j.1937-5956.2011.01234. x.

URL [本文引用: 1]

[14]

Egilmez

, Yong S

. Transportation related carbon, energy and water footprint analysis of U.S. manufacturing: An eco-efficiency assessment
Transportation Research Part D: Transport and Environment, 2014, 32:143-159. DOI: 10.1016/j.trd.2014.07.001.

URL [本文引用: 1]

[15]

Behrouz

Arabi

, Munisamy

, Emrouznejad

, et al. Power industry restructuring and eco-efficiency changes: A new slacks-based model in Malmquist-Luenberger Index measurement
Energy Policy, 2014, 68(2):132-145. DOI: 10.1016/j.enpol.2014.01.016.

URL [本文引用: 1]

[16]

Yufei

Ren

, Chuanglin

Fang

, Guangdong

. Spatiotemporal characteristics and influential factors of eco-efficiency in Chinese prefecture-level cities: A spatial panel econometric analysis
Journal of Cleaner Production, 2020, 260. DOI: 10.1016/j.jclepro.2020.120787.

[本文引用: 1]

[17]

郑德凤, 郝帅, 孙才志, 等. 中国大陆生态效率时空演化分析及其趋势预测
地理研究, 2018, 37(5):1034-1046.

DOI:10.11821/dlyj201805014 [本文引用: 1]

基于水足迹理论和生态系统服务价值理论,构建生态效率测度评价指标体系,利用SBM模型、标准差椭圆（SDE）方向分布模型、灰色动态模型,结合相关统计数据,对2000-2015年中国大陆生态效率进行测度、分析,并对其空间分布格局进行表征与预测。结果表明：① 中国大陆生态效率从研究初期的中等水平降为研究末期的较低水平,区域间呈现东部地区>东北地区>中部地区>西部地区的态势;空间上由研究初期的东、东北、中、西地带性分布转变为研究末期仅北京、天津、上海、广东保持完全有效。② 造成中国大陆生态效率损失的主要因素依次为资源环境成本投入、灰水足迹、土地投入及环境污染。③ 研究时期内中国大陆生态效率空间分布重心南北向移动速度快于东西向移动速度,移动路径呈“西北—东南—西北—东南”变化趋势;移动速度呈现“加快—降低—降低”的过程。空间分布范围经历了“分散—集聚”的过程,空间分布格局由东北—西南逐渐趋向于偏北—偏南格局。④ 预测结果显示未来10~20年中国大陆生态效率空间分布格局重心向东北方向移动,空间分布格局在东西方向、南北方向均呈收缩态势,生态效率空间溢出效应仍不明显。研究结果较好地反映了当前中国大陆生态效率的整体状况,预测结果可为政府及有关部门制定相关政策提供参考。

[ Zheng

Defeng

, Hao

Shuai

, Sun

Caizhi

, et al. Spatio-temporal pattern evolution of eco-efficiency and the forecast in mainland of China
Geographical Research, 2018, 37(5):1034-1046.] DOI: 10.11821/dlyj201805014.

[本文引用: 1]

[18]

陈晓红, 周宏浩. 城市精明发展与生态效率的协同测度及交互响应: 以中国276个地级以上城市为例
地理研究, 2019, 38(11):2653-2665.

DOI:10.11821/dlyj020180674 [本文引用: 1]

城市发展与生态环境存在复杂的动态交互耦合过程,厘清精明发展与生态效率的协同发展关系及交互响应机理,是区域可持续发展的关键环节。本文以2003—2015年中国276个地级以上城市为研究对象,采用多指标综合评价法、Super-SBM模型、灰色关联模型和面板VAR模型对中国城市精明发展与生态效率的协同发展和交互响应关系进行综合测度。研究表明：① 城市精明发展呈现从沿海向内陆阶梯递减的空间演变趋势,多个城市群具有较高的城市精明发展指数。② 生态效率与精明发展的空间变化具有一定的耦合特征,沿海地区南北方向呈现出较高水平的“生态弧线”城市带。③ 城市精明发展与生态效率具有显著的关联性特征,协同发展关系有下降趋势。④ 城市精明发展与生态效率存在双向交互的Granger因果关系,具有正向的交互响应关系,且存在一定的路径依赖特征和惯性发展趋势。⑤ 长期而言,城市精明发展对生态效率变动的影响更大。

[ Chen

Xiaohong

, Zhou

Honghao

. Dynamic coordinated relationships and interactive effects between urban smart development and ecological efficiency: A case study of 276 cities at prefecture level and above in China
Geographical Research, 2019, 38(11):2653-2665.] DOI: 10.11821/dlyj020180674.

[本文引用: 1]

[19]

Tenente

Henriques

da Silva

P P

. Eco-efficiency assessment of the electricity sector: Evidence from 28 European Union countries
Economic Analysis and Policy, 2020, 66:293-314. DOI: 10.1016/j.eap.2020.05.003.

URL [本文引用: 1]

[20]

Van Caneghem

, Block

, Van Hooste

, et al. Eco-efficiency trends of the Flemish industry: Decoupling of environmental impact from economic growth
Journal of Cleaner Production, 2010, 18(14):1349-1357. DOI: 10.1016/j.jclepro.2010.05.019.

URL [本文引用: 2]

[21]

李姣, 周翠烟, 张灿明, 等. 基于生态足迹的湖南省洞庭湖生态经济区全要素生态效率研究
经济地理, 2019, 39(2):199-206.

[本文引用: 4]

[ Li

Jiao

, Zhou

Cuiyan

, Zhang

Canming

, et al. Total-factor ecological efficiency of dongting lake ecological and economic zone in Hunan province on the basis of ecological footprint
Economic Geography, 2019, 39(2):199-206.] DOI: 10.15957/j.cnki.jjdl.2019.02.024.

[本文引用: 4]

[22]

郭露, 徐诗倩. 基于超效率DEA的工业生态效率: 以中部六省2003—2013年数据为例
经济地理, 2016, 36(6):116-121, 58.

[本文引用: 3]

[ Guo

, Xu

Shiqian

. Industrial eco-efficiency with the integration super efficiency DEA: The central six provinces 2003-2013 data as an example
Economic Geography, 2016, 36(6):116-121, 58.] DOI: 10.15957/j.cnki.jjdl.2016.06.015.

[本文引用: 3]

[23]

Tone

. A slacks-based measure of efficiency in data envelopment analysis
European Journal of Operational Research, 2001, 130(3) 498-509. DOI: 10.1016/S0377-2217(99)00407-5.

URL [本文引用: 3]

[24]

王胜鹏, 乔花芳, 冯娟, 等. 黄河流域旅游生态效率时空演化及其与旅游经济互动响应
经济地理, 2020, 40(5):81-89.

[本文引用: 1]

[ Wang

Shengpeng

, Qiao

Huafang

, Feng

Juan

, et al. The spatio-temporal evolution of tourism eco-efficiency in the Yellow River Basin and its interactive response with tourism economy development level
Economic Geography, 2020, 40(5):81-89.] DOI: 10.15957/j.cnki.jjdl.2020.05.009.

[本文引用: 1]

[25]

Wursthom

, Poganielz Schebek

. Economic-environmental monitoring indicators for European countries: A disaggregated sector based approach for monitoring eco-efficiency
Ecological Economics, 2011, 70(3):487-496. Doi. org/10.1016/j.ecolecon.2010.09.033.

URL [本文引用: 1]

[26]

Rashidi

, Shabani

, Farzipoor Saen

. Using data envelopment analysis for estimating energy saving and undesirable output abatement: A case study in the Organization for Economic Co-Operation and Development (OECD) countries
Journal of Cleaner Production, 2015, 105(15):241-252. DOI: 10.1016/j.jclepro.2014.07.083.

URL [本文引用: 1]

[27]

成金华, 孙琼, 郭明晶, 等. 中国生态效率的区域差异及动态演化研究
中国人口·资源与环境, 2014, 24(1):47-54.

[本文引用: 1]

[ Cheng

Jinhua

, Sun

Qiong

, Guo

Mingjing

, et al. Research on regional disparity and dynamic evolution of eco-efficiency in China
China Population, Resources and Environment, 2014, 24(1):47-54.] DOI: 10.3969/j.issn.1002-2104.2014.01.008.

[本文引用: 1]

[28]

苑清敏, 申婷婷, 邱静. 中国三大城市群环境效率差异及其影响因素
城市问题, 2015, (7):10-18.

[本文引用: 1]

[ Yuan

Qingmin

, Shen

Tingting

, Qiu

Jing

. Environmental efficiency difference and influential factors of China's three urban agglomerations
Urban Issues, 2015, (7):10-18.] DOI: 10.13239/j.bjsshkxy.cswt.150702.

[本文引用: 1]

[29]

李加林, 田鹏, 邵姝遥, 等. 中国东海区大陆岸线变迁及其开发利用强度分析
自然资源学报, 2019, 34(9):1886-1901.

[本文引用: 1]

[ Li

Jialin

, Tian

Peng

, Shao

Shuyao

, et al. The change of continental coastline and its development and utilization intensity in the East China Sea
Journal of Natural Resources, 2019, 34(9):1886-1901.] DOI: 10.31497/zrzyxb.20190907.

[本文引用: 1]

[30]

Charnes

, Cooper W

, Rhodes

. Measuring the efficiency of decision-making units
European Journal of Operation Research, 1978, 2(6):429-444. DOI: 10.1016/0377-2217(78)90138-8.

URL [本文引用: 1]

[31]

任宇飞, 方创琳. 京津冀城市群县域尺度生态效率评价及空间格局分析
地理科学进展, 2017, 36(1):87-98.

DOI:10.18306/dlkxjz.2017.01.009 [本文引用: 1]

京津冀城市群地区是国家经济发展的战略核心区之一,其经济发展与资源环境关系是近年来地理研究的重点领域。本文以京津冀城市群县域为单元,利用PM2.5、NO<sub>2</sub>遥感反演等数据,设计资源投入—经济效益—环境影响复合生态效率评价指标体系,构建县域单元生态效率评价模型,并利用非期望产出SBM模型对生态效率进行了评价,运用空间自相关分析方法对生态效率的空间效应与空间关联模式进行了检验与分析。结果显示：①资源投入、经济效益与环境影响格局存在明显时空分异,高值区主要分布在京津唐三市及周边部分县区;②2006、2010、2014年3个时期京津冀城市群县域单元生态效率均值分别为0.324、0.305、0.347,总体水平较低,并呈现先下降后改善态势,区位、自然本底条件是导致生态效率空间差异的主要原因。③全局Moran's I指数分别为0.2539、0.3007、0.3088,表明县域单元生态效率存在空间正向集聚趋势;④县域单元生态效率正向集聚程度越来越显著,邻域单元生态效率差距则有所缩减。

[ Ren

Yufei

, Fang

Chuanglin

. Spatial pattern and evaluation of eco-efficiency in counties of the Beijing-Tianjin-Hebei Urban Agglomeration
Progress in Geographical Sciences, 2017, 36(1):87-98.] DOI: 10.18306/dlkxjz.2017.01.009.

[本文引用: 1]

[32]

Malmquist

. Index numbers and indifference surfaces
Trabajos De Estadistica, 1953, 4(2):209-242. DOI: 10.1007/BF03006863.

URL [本文引用: 1]

[33]

李林泽, 李建松, 蒋子龙. 基于SBM-DEA模型的中部地区资源环境效率格局演化及成因机理分析
长江流域资源与环境, 2017, 26(11):1761-1773.

[本文引用: 1]

[ Li

Linze

, Li

Jiansong

, Jiang

Zilong

. Pattern of evolution and formation mechanism analysis of resources and environmental efficiency of cities in central China based on SBM-DEA model
Resources and Environment in the Yangtze Basin, 2017, 26(11):1761-1773.] DOI: 10.11870/cjlyzyyhj201711005.

[本文引用: 1]

[34]

常新锋, 管鑫. 新型城镇化进程中长三角城市群生态效率的时空演变及影响因素
经济地理, 2020, 40(3):185-195.

[本文引用: 1]

[ Chang

Xinfeng

, Guan

Xin

. Spatial and temporal evolution of eco-efficiency and its influencing factors in the Yangtze River Delta urban agglomeration in the process of new urbanization
Economic Geography, 2020, 40(3):185-195.] DOI: 10.15957/j.cnki.jjdl.2020.03.021.

[本文引用: 1]

[35]

韩吉媛, 周红蕾, 俞雅乖. 浙江省生态效率区域差异及影响因素分析: 基于超效率DEA模型
科技与管理, 2019, 21(3):23-29.

[本文引用: 2]

[ Han

Jiyuan

, Zhou

Honglei

, Yu

Yaguai

. Regional disparities in ecological efficiency of Zhejiang province and determining factors: Based on super-efficient model
Technology and Management, 2019, 21(3):23-29.] DOI: 10.16315/j.stm.2019.03.010.

[本文引用: 2]

[36]

王海军, 张彬, 刘耀林, 等. 基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析
地理学报, 2018, 73(6):1076-1092.

DOI:10.11821/dlxb201806007 [本文引用: 1]

城镇用地扩展格局及驱动力研究对城市群发展规划与决策具有重要意义。以京津冀地区为例,基于城镇用地扩展强度指数、城镇用地扩展差异指数、分形维数、土地城镇化率和重心转移模型,多维解析了城市群城镇用地扩展格局特征,并耦合重心转移模型和时空地理加权回归（GTWR）模型构建重心-GTWR模型,在对空间格局进行长时间序列多维度指标分析的基础上,运用该模型依序对其特征进行驱动力解读,进而总结凝练京津冀区域发展的主导模式与城市核心驱动力。主要结论为：① 1990-2015年,京津冀城市群城镇用地扩展强度呈现“下降—上升—下降”的趋势,高峰时期在2005-2010年,在2005年之前高速发展城市集中在北京、天津、保定和廊坊,2005年之后集中在邢台和邯郸;② 城市群城镇用地重心虽呈现出发散态势,但城市之间的局部相互作用力逐渐增强,城镇用地扩展驱动力表现出空间溢出特征;③ 京津冀城市群空间发展模式由以北京和天津为中心的双核发展模式向多核发展模式转变,并出现北部资源运输核心、中部经济发展核心和南部投资发展核心三大功能核心组团,城市群趋向于多核功能协同发展模式;④ 重心-GTWR模型结合了时空非平稳性和城市空间相互作用,将城市群城镇用地扩展作为一个时空变化系统进行分析,经验证,该模型在城镇用地扩展格局驱动力分析研究中具有可行性。

[ Wang

Haijun

, Zhang

Bin

, Liu

Yaolin

, et al. Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomeration
Acta Geographica Sinica, 2018, 73(6):1076-1092.] DOI: 10.11821/dlxb201806007.

[本文引用: 1]