旷开金^1,2,4, 胡典^3,4, 刘金福^3,4, 薛萌²
1. 福建农林大学, 林学院, 福州 350002;
2. 福建江夏学院, 金融学院, 福州 350108;
3. 福建农林大学, 计算机与信息学院, 福州 350002;
4. 生态与资源统计福建省高校重点实验室, 福州 350002
收稿日期: 2020-10-27; 修回日期: 2021-01-23; 录用日期: 2021-01-23
基金项目: 国家自然科学基金（No.31770678）；福建省中青年教师教育科研项目（No.JT180584）；生态与资源统计福建省高校重点实验室开放课题（No.PTJH1701102）
作者简介: 旷开金(1988-), 男, E-mail: kkj1205@163.com
通讯作者（责任作者）: 刘金福, E-mail: fjljf@126.com

摘要：环境问题与社会经济发展关系机理错综复杂，研究环境承载力状态对实现区域可持续发展具有重要意义.基于资源环境复合系统原理，构建"经济-资源-环境"系统动力学模型，通过生态系统评估的4种情景时间序列动态仿真，探索经济社会发展的优化方案.结果表明：全球协同和技术家园更适合福州市自身发展需求，为保持福州市经济发展的可持续性，应优先选用全球协同发展模式，后期可逐步向技术家园发展模式转变.福州市作为生态文明思想重要实践地，在提高经济发展水平的同时，需更好地保护生态环境，实现经济-资源-环境协同发展.研究结果在一定程度上可为经济社会发展模式提供科学依据.
关键词：环境承载力系统动力学模型仿真模拟福州市
Dynamic simulation of resource and environmental carrying capacity under different ecosystem management scenarios
KUANG Kaijin^1,2,4, HU Dian^3,4, LIU Jinfu^3,4, XUE Meng²
1. College of Forestry, Fujian Agriculture and Forestry University, Fuzhou 350002;
2. College of Finance, Fujian JiangXia University, Fuzhou 350108;
3. College of Computer and Information Sciences, Fujian Agriculture and Forestry University, Fuzhou 350002;
4. Key Laboratory of Fujian Universities for Ecology and Resource Statistics, Fujian Agriculture and Forestry University, Fuzhou 350002
Received 27 October 2020; received in revised from 23 January 2021; accepted 23 January 2021
Abstract: The mechanism of the relationship between environmental problems and social-economic development is very complicated. It is of great significance to study environmental carrying capacity for regional sustainable development. Based on the principle of resource-environment complex system, building the "economy-resource-environment" system dynamics model, and the optimization scheme of economic and social development is explored through the dynamic simulation of four scenarios of ecosystem assessment time series. The research show that Global Orchestration and Techno Garden are more suitable for the development needs of Fuzhou. In order to maintain the sustainability of economic development of Fuzhou, the Global Orchestration development mode should be selected first, and the development mode of Techno Garden can be gradually developed in the later stage. As an important practice of ecological civilization thought, Fuzhou needs to better protect the ecological environment and realize the coordinated development of economy, resources and environment at the same time of economic development. To some extent, the research results can provide scientific basis for the economic and social development model.
Keywords: environmental carrying capacitysystem dynamic modelsimulationFuzhou City
1 引言(Introduction)生态环境状况是具体时间和空间范围内生态系统总体或部分生态环境因子的组合体, 生态环境质量与人类生存和发展密切相关.改革开放以来, 我国创造了近40年经济高速增长的奇迹, 但也造成了资源过度消耗与环境污染加剧(牛方曲等, 2019), 生态环境问题当前已经成为影响可持续发展、经济稳定的重要因素.随着环境问题在社会经济发展中的制约作用不断加剧, 研究环境承载力状态成为实现区域可持续发展的重要前提(杨晋娟, 2016).十八届中央委员会第三次全体会议研究并通过的《中共中央关于全面深化改革若干重大问题的决定》指出, “建立资源环境承载力监测预警机制, 对水土资源、环境容量和海洋资源超载区域实行限制性措施”, 强调了“资源环境承载力评价”及“资源环境承载力监测预警”的重要作用, 促使资源环境承载力研究上升到新高度.在此背景下, 探讨经济-社会-资源环境复合系统承载力特征并作出预警措施, 使系统承载压力在最大承载范围内具有重要理论和应用价值.
“承载力”内涵可追溯到马尔萨斯时代(1766—1834年), 马尔萨斯(1789)认为人口增长受到有限资源制约, 认为人类社会物质增长过程受到环境因子限制.1991年福建省湄洲湾环境规划报告首次提出“环境承载力”概念, 此后国内外****不断丰富环境承载力研究的框架体系、内涵、构成要素并开展了资源环境承载力研究.王秦等(2020)综合文献总结认为资源环境承载力是一定时期社会经济发展水平下, 以良好生态环境与可持续发展为前提, 特定时空范围内资源环境系统承载的人口数量与社会经济发展规模.资源环境承载力状态及动态仿真研究是提出科学决策的基础, 也是近年来统计学、环境学和其它相关学科交叉研究的热点问题, 受到广泛关注(Peng et al., 2016；牛方曲等, 2018).其中一类是资源环境承载力评价(王静等, 2020；徐美等, 2020), 包括资源供需平衡法和综合指数法, 但综合指数法评价结果实质为承载状态, 而非承载力, 研究结果缺乏政策启示(牛方曲, 2020).张红等(2016)构建了适用于评价海岛城市土地综合承载力趋势的修正系统动力学模型, 并以舟山市为例, 仿真测算了海岛城市土地综合承载力及其发展趋势.另一类是基于系统动力学开展资源环境承载力动态仿真研究, 如胡典等(2020)基于系统动力学原理, 构建了整个系统动力学环境承载力仿真模型, 预测了福州市生态环境未来变化趋势.尚天成等(2009)运用系统动力学理论对生态旅游系统承载力进行了分析, 并结合具体实例的因果关系图说明了相关因素变化对各子系统承载力的影响.近年来, 亦有将系统动力学运用于知识图谱和网络舆情的研究, 例如, 苏迎庆等(2020)以1979—2019年中国知网(CNKI)收录的有关“水环境承载力”的382篇中文核心期刊论文为数据源, 借助Citespace V软件, 采用文献计量法对中国水环境承载力研究成果进行了图谱分析, 系统揭示了多年来中国水环境承载力研究演变的内在发生规律.阎海燕等(2021)从舆情事件本身、网民的影响、媒体的参与、政府的参与以及企业危机应对5个方面分析了它们对网络舆情传播的影响, 构建了企业危机事件网络舆情传播系统模型.目前, 不同****从不同角度开展了资源环境承载力研究, 但这些研究更多偏向单一角度承载力研究(胡典等, 2020), 而且对于仿真情景的设置缺乏合理性和实际性, 缺乏相应的政策启示, 导致结果的实际应用价值较小.
为提高政府经济决策、环境决策能力及生态系统管理水平, 促进人类发展, 联合国千年生态评估小组(MA)于2001年正式启动了千年生态系统评估(Millennium Ecosystem Assessment)(李团胜等, 2003), 并描述了千年生态评估的4种情景.我国于2001年6月5日正式启动了“中国生态系统评估计划”, 对主要生态类型和重大生态问题进行评估, 但鲜有基于千年生态系统评估设定情景开展资源环境承载力仿真研究.区域良好生态环境质量是人地关系协调发展的重要前提, 2018年生态环境部发布了2017年《中国生态环境状况公报》, 表明生态环境质量状况仍存在不稳定因素.福建作为全国首个国家生态文明试验区, 福州作为生态文明思想重要实践地, 经济高质量发展和生态环境高水平协同发展对承载力可持续发展具有重要意义.为此, 本研究从政策启示角度出发, 基于千年生态系统评估项目情景设定, 动态仿真资源环境承载力时间演变, 以期为推进福州生态文明建设和绿色发展提供实际参考.
2 数据来源与指标体系构建(Data source and index system construction)2.1 数据来源数据主要来源于《福州市统计年鉴》(2008—2019年)、《福州市国民经济和社会发展统计公报》(2008—2019年)《福建统计年鉴》(2008—2020年)、《福州市水资源公报》(2007—2019年)、《福州市“十三五”主要污染物总量控制规划》及《福建省“十三五”节能减排综合工作方案》等.
2.2 资源环境承载力指标体系构建资源环境承载力是一个与生态-资源-环境-社会经济相关的复杂系统(王秦等, 2020), 资源环境承载力作为连接社会系统、环境系统与经济系统之间的纽带, 是协调人口、资源与环境相互联系又彼此相对独立的矛盾统一体的关键(刘文政等, 2017).为此, 从区域经济发展可持续性和生态保护角度出发, 结合区域现实发展情况及相关参考文献(陈媛媛等, 2018；王秦等, 2020), 构建合理评价体系, 具体见表 1.
表 1(Table 1)

表 1 福州市资源环境承载力评价指标体系 Table 1 Evaluation index system of resource and environmental carrying capacity in Fuzhou

表 1 福州市资源环境承载力评价指标体系 Table 1 Evaluation index system of resource and environmental carrying capacity in Fuzhou 系统A 子系统B 指标层Ci 指标内容 资源环境承载力评价指标体系 经济承载力 人均生产总值(元) C1 地区国内生产总值/常住人口 二、三产业增加值所占比例C2 二、三产业增加值/总增加值 农村居民人均可支配收入(元·人-1) C3 农村家庭全年总收入-获得收入发生的费用 城镇居民人均可支配收入(元·人-1) C4 城镇家庭全年总收入-获得收入发生的费用 城镇人口所占比例C5 地区城镇常住人口/常住人口 城镇登记失业率C6 城镇登记失业人员/城镇单位就业人员 资源承载力 人口密度(人·km-2) C7 地区常住人口/地区面积 人均用水量(m3·人-1) C8 用水量/用水人口 电力消费量(亿kW·h) C9 地区耗电总量 人均粮食产量(t·人-1) C10 粮食产量/地区常住人口 农村居民消费支出(元·人-1) C11 农村居民购买力, 代表消费资源能力水平 城镇居民消费支出(元·人-1) C12 城镇居民购买力, 代表消费资源能力水平 环境承载力 林地面积(hm2) C13 林地、灌木林、疏林地、未成林造林地等 工业固体废物综合利用率C14 工业固体废物综合利用量/工业固体废物 SO2排放量(t) C15 工业排放的二氧化硫量 绿化覆盖率C16 城市绿地面积/城市建成区面积 空气质量优良率C17 城市空气质量优良天数比率 生活垃圾无害化处理C18 生活垃圾无害化年处理率

表 2(Table 2)

表 2 福州市资源环境承载力系统动力学模型历史检验 Table 2 Historical test of the system dynamics model of Fuzhou′s resource and environmental carrying capacity

表 2 福州市资源环境承载力系统动力学模型历史检验 Table 2 Historical test of the system dynamics model of Fuzhou′s resource and environmental carrying capacity 年份 参数 总人口/万人 GDP/亿元 绿地面积/hm2 农作物种植面积/hm2 总用水量/亿m3 能源消耗量/万t 电力消费量/亿kWh 废水排放量/万t SO2排放量/t COD排放量/t 工业固体废物产生量/万t 2008 实际值 683 2284.16 7307.0 260431 33.21 1592.43 213.00 29648.00 92837.0 131669.6 868.294 仿真值 682 2355.00 7761.6 260431 35.78 1592.44 222.50 34459.40 81465.5 94270.8 868.294 相对误差 -0.15% 3.10% 6.22% 0 7.74% 0 4.46% 16.23% -12.25% -28.40% 0 2012 实际值 727 4218.29 10075 260727 37.69 2198.10 305.13 36837.15 77536.0 106784.0 728.40 仿真值 702 4210.93 10075 260727 41.98 2198.11 304.69 39066.10 77981.0 98282.8 728.40 相对误差 -3.44% -0.17% 0 0 11.39% 0 -0.14% 6.05% 0.57% -7.96% 0 2017 实际值 766 7085.52 12955 240760 31.32 3106.04 423.85 43887.87 36467.0 72337.0 623.58 仿真值 743 7085.00 12955 240760 28.58 2828.06 432.04 43801.90 35863.9 79292.5 623.58 相对误差 -3.00% 0 0 0 -8.76% -8.95% 1.93% -0.20% -1.65% 9.62% 0

3 研究方法(Research methods)3.1 系统动力学理论系统动力学(System Dynamics, SD)是一种借助计算机对特定情境下系统行为模式进行仿真模拟的方法(王其藩, 1995；姜妮等, 2018), 可处理高阶次、非线性、多重反馈、复杂时变的系统问题(张礼兵等, 2021).目前有较多系统力学分析软件, 其中常用的是可视化建模工具Vensim, 可通过Vensim建立模型, 用箭头连接建立系统变量之间因果关系(李旭, 2008).
3.2 系统动力学建模步骤对于复杂的现实问题, 系统动力学主要根据以下6个步骤去分析解决问题, 包括: ①系统综合性分析；②系统边界明确；③因果关系分析；④系统流图的绘制；⑤模型的测试与政策设计；⑥综合结果分析, 通过参数调控进行方案比较与优化决策(熊鹰等, 2013).
4 资源环境承载力系统动力学模型(System dynamics model of resource and environment carrying capacity)4.1 流图相关变量分类系统动力学模型主要包括存量和流量两种类型(李嘉晓等, 2013), 假设动力学模型为水箱, 存量发挥水箱作用, 流量发挥水流作用, 通过合理调控水流速度确定水容量.确定各项变量类型后构建流程图, 系统力学模型主要包括状态变量、速率变量、辅助变量、常量、表函数等.
4.2 资源环境承载力流图构建资源环境承载力系统指标主要包括人口、经济、资源和环境4个因素, 将资源环境承载力系统分为人口子系统、资源子系统、经济子系统、环境子系统.图 1为4个子系统关系总流图.
图 1(Fig. 1)

图 1 福州市资源环境承载力总流图 Fig. 1Flux map of resources and environment carrying capacity system in Fuzhou

4.3 系统动力学模型检验对系统动力学模型的检验包括直观检验、运行检验、历史检验和稳健性检验4个方面(金浩等, 2018).模型时间边界为2007—2030年, 模拟步长为1 a, 历史检验时间分别为2008、2012、2017年, 仿真时间为2017—2030年.
4.3.1 历史值检验历史值检验通过起始年份数据仿真预测未来时刻指标值, 将真实历史数据进行对比, 检验模型误差, 客观评价系统能力(胡典等, 2020).一般认为系统动力学仿真误差小于10%即可通过检验(Xu et al., 2013), 公式表示为式(1).

(1)

式中, D_t为t时刻误差值, X_t′为t时刻模型预测值, X_t为t时刻实际值.
4.3.2 稳健性检验稳健性检验用于测试系统动力学模型稳定程度和灵敏程度, 理想的系统动力学模型不因参数微小变动而发生较大变化(胡典等, 2020).本文设置3种步长(0.5、1、2), 通过改变模型参数取值或改变步长测试模型稳健性, 结果表明, 3种步长下模拟结果差异较小, 说明模型具有较好的稳健性(图 2).
图 2(Fig. 2)

图 2 系统动力学模型稳健性检验 Fig. 2Robustness test of system dynamics model

4.3.3 灵敏度分析系统动力学模型某个参数及部分结构变化时, 模型其他指标值也会发生相应变化.灵敏度分析通过调试、修改模型参数和模型结构, 通过指标值的影响程度表征模型灵敏度.资源环境承载力模型中, 经济、人口变化对整个系统产生影响, 因此, 选取第二产业增长率、人口增长率两个参数对系统变量进行敏感性检验.采用蒙特卡洛随机均匀分布, 分别模拟200次, 随机噪声种子为1234, 模拟结果分别见图 3和图 4.由图可知, 第二产值增长率因子与人口增长率因子对生活污水、总人口和工业COD、GDP的数值敏感程度不高, 较为稳定.
图 3(Fig. 3)

图 3 第二产值增长率对变量敏感性分析 Fig. 3Analysis of the sensitivity of the growth rate of the second output value to variables

图 4(Fig. 4)

图 4 人口增长率对变量敏感性分析 Fig. 4Analysis of the sensitivity of population growth rate to variables

4.4 系统动力学不同情景方案4.4.1 MA生态系统评估4种情景为探究未来生态系统和人类福祉发展的可能变化, MA提出4种不同全球情景, 探究2种不同世界发展道路和2种不同生态系统管理途径(赵士洞等, 2007).不同发展道路指全球化发展问题和区域化发展问题, 不同生态系统管理途径指被动式和主动式管理模式(张永民等, 2008).被动式管理指人类在发展经济的同时, 不考虑各项生态系统要素盲目发展；主动式管理指发展经济同时高度关注生态环境系统, 保持经济发展和生态系统发展平衡, 尽可能在发展经济的同时不破坏现有生态环境(王吉平, 2016).
4.4.2 资源环境承载力情景设置基于联合国千年生态评估小组观点, MA构建了全球协同(Global Orchestration)、实力秩序(Order from Strength)、适应组合(Adapting Mosaic)与技术家园(Techno Garden)4种情景.根据不同的发展情景设置人口增长率和经济发展水平及资源使用效率组合(高雅, 2018), 具体见表 3.
表 3(Table 3)

表 3 资源环境承载力模拟情景设置 Table 3 Setting up simulation scenarios of resource and environmental carrying capacity

表 3 资源环境承载力模拟情景设置 Table 3 Setting up simulation scenarios of resource and environmental carrying capacity 情景 经济增速 人口增速 资源使用下降 污染物排放下降 技术家园 增长较快 増长较慢 减少最快 减少最快 适应组合 先慢后快 增长较快 减少较慢 减少较慢 全球协同 增长最快 增长最慢 减少较快 减少较快 实力秩序 增长最慢 增长最快 减少最慢 减少最慢

根据表 3模拟情景设置, 为更全面仿真模拟资源环境承载力变化, 选取人口增长率(R_P)、第一产业值增长率(R₁)、第二产业值增长率(R₂)、第三产业值增长率(R₃)、第一产业单位GDP用水(U₁)、第二产业单位GDP用水(U₂)、能源消耗增长率(R_E)、粮食种植面积比例(P)、单位GDP工业二氧化硫排放量(E₁)、单位GDP工业COD排放量(E₂)、单位GDP农业COD排放量(E₃)、单位GDP工业固废产生量排放量(E₄)等12个参数, 具体取值见表 5.
表 5(Table 5)

表 5 情景设置参数取值 Table 5 Scenario setting of parameter value

表 5 情景设置参数取值 Table 5 Scenario setting of parameter value 参数 人口 经济 资源 环境 RP R1 R2 R3 U1/(m3·元-1) U2/(m3·元-1) RE P E1/(t·亿元-1) E2/(t·亿元-1) E3/(t·亿元-1) E4/(万t·亿元-1) 技术家园 1.0% 5.8% 9.9% 14.9% 0.021 0.003 0.8% 0.06% 0.0772 0.0772 0.0726 0.094 适应组合 1.2% 4.3% 8.4% 13.90% 0.022 0.003 1.1% 0.05% 0.0972 0.0972 0.1326 0.114 全球协同 0.9% 6.8% 10.9% 15.90% 0.021 0.0027 0.9% 0.06% 0.0872 0.0872 0.1023 0.104 实力秩序 1.3% 3.8% 8.0% 13.00% 0.021 0.003 1.5% 0.05% 0.1072 0.1072 0.1626 0.124 注: RP: 人口增长率, R1: 第一产业值增长率, R2: 第二产业值增长率, R3: 第三产业值增长率, U1: 第一产业单位GDP用水, U2: 第二产业单位GDP用水, RE: 能源消耗增长率, P: 粮食种植面积比例, E1: 单位GDP工业二氧化硫排放量, E2: 单位GDP工业COD排放量, E3: 单位GDP农业COD排放量, E4: 单位GDP工业固废产生量排放量.

5 系统动力学仿真结果与分析(Simulation results and analysis of system dynamics)5.1 人口与经济发展趋势模拟结果与分析进行4种不同情景系统动力学仿真模拟, 结果见表 6和图 5~7.根据模拟仿真结果可知, 2018—2030年, 全球协同情景下人口数量总量少于其他3种情景, 但GDP发展水平高于其他3种情景；实力秩序情景下, 人口数量增长较快, 但经济发展水平偏低.根据《福州市国民经济和社会发展第十三个五年规划纲要》制定的计划到2020年地区生产总值达9000亿元, 根据《福建统计年鉴》(2020年)数据, 2019年福州地区生产总值达到9392.30亿元, 仿真模拟结果均已达到规划要求并与实际较为接近.根据模拟仿真结果, 不同情景下2021—2030年人口数量排序为: 实力秩序>适应组合>技术家园>全球协同, 2021—2030年经济发展GDP水平排序为: 全球协同>技术家园>适应组合>实力秩序.
表 6(Table 6)

表 6 不同情景下人口数量和GDP发展预测 Table 6 Population size and GDP development forecast under different scenarios

表 6 不同情景下人口数量和GDP发展预测 Table 6 Population size and GDP development forecast under different scenarios 年份 技术家园 适应组合 全球协同 实力秩序 人口数量/万人 GDP/亿元 人口数量/万人 GDP/亿元 人口数量/万人 GDP/亿元 人口数量/万人 GDP/亿元 2018 752 8375.01 753 8344.79 752 8405.54 753 8317.01 2019 760 9462.81 762 9338.25 759 9589.74 763 9224.83 2020 767 10700.3 771 10458.1 766 10949.3 773 10239.9 2021 775 12108.8 780 11721.3 772 12511.2 783 11375.5 2022 783 13713.2 790 13147.0 779 14306.6 793 12646.8 2023 791 15541.6 799 14757.0 787 16371.7 804 14070.8 2024 799 17626.6 809 16576.1 794 18748.5 814 15666.6 2025 807 20005.5 819 18632.7 801 21485.4 825 17455.9 2026 815 22721.2 829 20959.0 808 24639.0 835 19463.3 2027 823 25823.1 839 23591.6 815 28274.4 846 21716.5 2028 831 29367.9 849 26572.6 823 32467.7 857 24246.8 2029 840 33420.8 859 29949.4 830 37306.8 869 27089.6 2030 848 38057.0 869 33776.7 838 42894.1 880 30285.0

图 5(Fig. 5)

图 5 人口数量(a)及GDP(b)变化趋势模拟 Fig. 5Simulation of population (a) and GDP(b)trends

图 6(Fig. 6)

图 6 总用水量(a)、粮食种植面积(b)及能源消耗(c)变化趋势模拟 Fig. 6Simulation of water consumption(a), grain planting area change(b) and energy consumption(c) trend

图 7(Fig. 7)

图 7 化学需氧量(COD)(a)、SO2(b)及工业固体废物(c)排放量模拟 Fig. 7Simulation of chemical oxygen demand (COD) (a), SO2 (b) and industrial solid waste(c) emission

5.2 资源承载力模拟结果与分析5.2.1 水资源模拟结果与分析合理的水资源利用约束方案, 对于城市健康可持续发展至关重要.通过调整第一产业单位GDP用水、第二产业单位GDP用水, 仿真模拟总用水量的发展趋势.由表 7和图 6a可知, 不同情景下总用水量均呈递增趋势, 其中, 2018—2027年全球协同情景下年用水量增速最快, 其次为适应组合情景, 如按照适应组合情景发展, 2028年后总用水量超出全球协同发展情景用水量.而实力秩序和技术家园发展情景下总用水量较为接近, 但2023年后实力秩序发展情景用水量超出技术家园情景发展模式用水量.水是生命之源, 根据《福州市水资源公报》(2018—2019年), 2018年用水总量为33.48亿m³, 2019年用水总量为20.69亿m³, 通过仿真模拟4种情景下总用水量需求, 可实现水资源容量预警, 更好地实现水资源集约高效利用.
表 7(Table 7)

表 7 不同情景下总用水量、粮食种植面积、能源消耗预测 Table 7 Forecast of total water consumption, grain planting area and energy consumption under different scenarios

表 7 不同情景下总用水量、粮食种植面积、能源消耗预测 Table 7 Forecast of total water consumption, grain planting area and energy consumption under different scenarios 年份 技术家园 适应组合 总用水量/亿m3 粮食种植面积/hm2 能源消耗/万t标准煤 总用水量/亿m3 粮食种植面积/hm2 能源消耗/万t标准煤 2018 30.567 93942.667 2457.60 30.4874 93942.667 2582.44 2019 31.535 89210.667 2477.74 31.3373 82950.667 2610.97 2020 32.477 87937.334 2498.22 32.2704 81766.667 2639.81 2021 33.382 86682.667 2519.05 33.2882 80599.333 2668.96 2022 34.239 85445.333 2540.24 34.3918 79449.333 2698.44 2023 35.033 84225.333 2561.78 35.5821 78315.333 2728.25 2024 35.748 83023.333 2583.70 36.8590 77197.333 2758.38 2025 36.365 81838.667 2605.98 38.1762 76095.333 2788.85 2026 36.864 80670.667 2628.65 39.4477 75009.333 2819.66 2027 37.218 79518.667 2651.70 40.6538 73938.667 2850.80 2028 37.399 78384.000 2675.15 41.7711 72883.333 2882.29 2029 37.375 77265.333 2698.99 42.7719 71843.333 2914.12 2030 37.711 76162.667 2723.24 44.1353 70818.000 2946.31 年份 全球协同 实力秩序 总用水量/亿m3 粮食种植面积/hm2 能源消耗/万t标准煤 总用水量/亿m3 粮食种植面积/hm2 能源消耗/万t标准煤 2018 30.6491 93942.667 2463.43 30.5202 93942.667 2513.36 2019 31.8831 86080.667 2486.09 31.4538 79820.000 2551.27 2020 33.1202 84852.000 2509.15 32.3783 78680.667 2589.75 2021 34.3512 83640.667 2532.60 33.2889 77558.000 2628.82 2022 35.5650 82447.333 2556.45 34.1804 76450.667 2668.47 2023 36.7484 81270.000 2580.70 35.0466 75360.000 2708.73 2024 37.8853 80110.667 2605.38 35.8808 74284.000 2749.59 2025 38.9569 78966.667 2630.47 36.6752 73224.000 2791.06 2026 39.9406 77840.000 2656.00 37.4210 72178.667 2833.16 2027 40.8101 76728.667 2681.97 38.1084 71148.667 2875.90 2028 41.5341 75634.000 2708.38 38.7263 70133.333 2919.28 2029 42.0763 74554.000 2735.25 39.2621 69132.000 2963.32 2030 43.0173 73490.000 2762.58 40.0579 68145.333 3008.02

5.2.2 耕地资源模拟结果与分析确保粮食作物面积在耕地红线的约束下, 通过调整农作物面积变化率模拟4个情景下耕地资源情况, 得到粮食种植播种面积变化趋势.由表 7和图 6b可知, 不同发展情景下粮食播种面积均呈下降趋势, 但技术家园发展情景下粮食作物面积最大, 模拟情景表明2030年为76162.667 hm², 其次为全球协同情景和适应组合情景.在实力秩序情景下, 人口发展速度最快, 耕地资源消耗多, 实力秩序发展情景下粮食播种面积最小, 模拟情景显示2030年为68145.333 hm².根据《福州市国民经济和社会发展统计公报》(2016—2020年), 2016年粮食种植面积99706.667 hm², 2020年粮食种植面积为86253.333 hm², 5年内减少13453.334 hm², 相比于其他发展情景, 技术家园情境模拟下粮食播种面积能维持较稳定水平.
5.2.3 能耗资源模拟结果与分析能源消耗总量和经济发展紧密关联, 近年来福州市万元地区生产总值能耗逐步下降.根据《福州市国民经济和社会发展统计公报》(2018—2019年), 2019年万元地区生产总值能耗较上一年下降2.03%, 2018年万元地区生产总值能耗较上一年下降1.02%.基于各参数变化率预测区域GDP能源消耗总量变化.由表 7和图 6c可知, 在实力秩序发展情景下, 经济发展最慢, 能源消耗预测曲线斜率最大, 能耗消耗增幅最快, 并在2025年后能源消耗总量超出适应组合发展情景；在适应组合发展情景下, 经济发展先慢后快, 前期能源消耗总量较实力秩序高, 后期经济发展加快, 能源消耗量增多；在全球协同发展情景下, 经济增长最快, 能源消耗变化率相对较低, 整体能源消耗总量较少；在技术家园发展情景下, 经济增长较快, 但能源消耗增幅最慢, 能源消耗总量最低.按照《福建省“十三五”各地区能耗总量和强度“双控”目标》, 2015年能源消耗总量为2245万t标准煤, “十三五”期间能耗增量控制目标为350万t标准煤标准, 模拟结果表明全球协同、技术家园和实力秩序情景可实现“十三五”规划能源消耗控制目标.
5.3 环境承载力模拟结果与分析5.3.1 水环境模拟结果与分析根据《福建统计年鉴》(2016—2020年)数据, 2015—2018年福州市废水排放总量呈递增趋势, 由2015年的40164.84万t增加到2018年的51881.98万t.近年来福州市环境质量得到明显改善, 2019年全市污水处理率预计达93.6%, COD排放量呈递减趋势, 由2015年的102695 t下降到2018年的77035 t.根据设定的4种发展情景, 由表 8和图 7a可知, 实力秩序和适应组合发展情景下, COD排放量较多, 2018—2024年实力秩序发展情景下COD排放量高于适应组合发展情景, 而之后适应组合情景下的COD排放量高于实力秩序发展情景, 技术家园发展情景下COD排放量最少.根据福建省人民政府关于印发福建省“十三五”节能减排综合工作方案的通知(闽政〔2017〕29号), 2015年COD排放总量10.27万t, 2020年福州市COD减排比例为4.3%, 2020年COD排放总量控制在9.828万t内.根据4种情景发展仿真结果, 可知4种发展模式符合未来发展需求.
表 8(Table 8)

表 8 不同情景下COD排放量、SO2排放量、工业固体废物排放量预测 Table 8 Forecast of COD emissions, SO2 emissions and industrial solid waste emissions under different scenarios

表 8 不同情景下COD排放量、SO2排放量、工业固体废物排放量预测 Table 8 Forecast of COD emissions, SO2 emissions and industrial solid waste emissions under different scenarios 年份 排放量(技术家园) 排放量(适应组合) 排放量(全球协同) 排放量(实力秩序) COD/t SO2/t 工业固体废物/万t COD/t SO2/t 工业固体废物/万t COD/t SO2/t 工业固体废物/万t COD/t SO2/t 工业固体废物/万t 2018 58664.8 27596.6 283.504 62240.5 34072.6 379.374 60467.0 31054.9 349.794 62593.5 37400.4 412.652 2019 58544.9 28406.7 301.544 62318.7 34997.0 399.348 60481.6 32512.1 377.024 62737.4 38540.1 434.661 2020 58337.4 29110.3 320.299 62361.7 36009.0 421.985 60420.9 33922.2 405.928 62806.2 39625.2 457.494 2021 58037.8 29676.8 339.724 62368.0 37102.6 447.587 60280.9 35255.7 436.536 62796.6 40639.0 481.137 2022 57641.2 30070.7 359.760 62336.4 38268.1 476.499 60057.4 36476.9 468.862 62704.9 41562.5 505.571 2023 57142.1 30250.5 380.327 62265.8 39491.4 509.118 59745.4 37543.2 502.900 62527.4 42373.8 530.763 2024 56535.0 30168.1 401.322 62155.3 40751.9 545.898 59339.7 38403.7 538.624 62260.4 43048.2 556.672 2025 55813.4 29767.6 422.618 61986.3 41949.4 586.322 58798.7 38997.9 575.977 61899.8 43557.6 583.247 2026 54970.9 28984.7 444.053 61725.6 42915.7 628.887 58143.6 39254.2 614.869 61441.5 43870.1 610.421 2027 54000.1 27745.0 465.433 61367.3 43583.0 673.561 57366.0 39088.2 655.167 60880.9 43949.9 638.111 2028 52893.1 25962.8 486.518 60904.9 43870.8 720.271 56456.4 38400.8 696.69 60213.5 43756.6 666.219 2029 51641.4 23539.8 507.023 60331.5 43684.4 768.906 55404.4 37075.7 739.196 59434.4 43244.4 694.624 2030 50617.5 20363.1 526.606 60030.5 42912.4 819.300 54575.3 34976.9 782.373 58934.8 42362.1 723.186

5.3.2 大气环境模拟结果与分析环境空气质量与污染物排放密切相关, 根据《2019年福州市国民经济和社会发展统计公报》数据, 2019年全市城区环境空气达标率为98.6%, 空气质量综合指数为3.0.SO₂是废气排放的重要组成部分, SO₂排放量与第二产业产值和单位GDP工业SO₂排放量有关, 根据情景假设, 设定单位GDP工业SO₂排放量, 模拟福州市SO₂排放量变化.由表 8和图 7b可知, 2018—2027年实力秩序发展情景下SO₂排放量高于其他3种发展情景, 且SO₂排放量平稳增长.适应组合发展情景下, SO₂排放量快速增长在2028年达到顶峰, 并在2030年SO₂排放量高于其他3种发展情景；全球协同发展情景下, 单位GDP工业SO₂排放量较低, 经济增长速度最快, 污染物排放较快, SO₂排放量呈现出先上升再下降的趋势；相较而言, 技术家园发展情景下污染物排放减少最快, SO₂排放量在2024年前呈现递增趋势, 但由于技术改进, SO₂排放量呈下降趋势并保持低排放水平.根据《福建统计年鉴》(2019—2020年)数据显示, 福州市2017年SO₂排放量为36467 t, 2018年SO₂排放量为34770 t, 根据《福建省“十三五”节能减排综合工作方案》, 2020年福州市SO₂排放总量控制计划年目标值为少于4.631万t.根据仿真结果可知, 4种发展情景均符合要求, 但应优先选择适应组合发展情景.
5.3.3 固体废弃物环境模拟结果与分析积极推进固体废物污染防治和预警措施, 对于加强生态环境保护和生态文明建设具有重要意义.基于单位GDP工业固体废物产生量情景设置, 模拟工业固体废物产生量趋势.由表 8和图 7c可知, 实力秩序发展情景、适应组合发展情景、全球协同发展情景下, 工业固体废物产生量均呈现快速递增趋势, 其中, 适应组合发展情景下预测曲线陡峭, 表明工业固体废物产生量增幅最快；而技术家园发展情景下, 工业固体废物产生量相对缓慢, 但处于递增趋势.适应组合发展情景下, 单位工业GDP工业固体废物产生量较高, 污染物减少较慢, 2030年工业固体废物产生量最大；实力秩序情景下, 2018—2024年工业固体废物产生量最高, 但由于设置经济发展速度增长最慢, 后期工业固体废物产生量放缓.根据《福建统计年鉴》(2019—2020年), 福州市2017年工业固体废物产生量为623.58万t, 2018年工业固体废物产生量为695.27万t.4种情景模拟结果表明, 技术家园发展情景下, 工业固体废物产生量较为缓慢.
6 讨论(Discussion)基于系统动力学理论, 分析不同生态系统管理情景下福州市资源环境承载力演变趋势, 研究结果表明: ①全球协同情景下, 2030年预测人口总数较少, 但区域经济发展水平较高, 粮食种植面积呈下降趋势, 2020年能源消耗、SO₂排放量控制在规定范围内, 此种情景下, 保证区域在发展经济的同时, 更好地保护生态环境, 实现环境友好协调发展目标；②实力秩序情景下, 人口数量较其他发展情景多, 但经济发展较为缓慢, COD排放量、SO₂排放量、工业固体废物排放量均处于较高水平, 此种发展模式对生态系统问题采取被动式管理, 经济发展与生态环境保护失调, 发展经济的同时对生态环境造成破坏, 属于非理想发展模式；③适应组合发展情景下, 人口数量较多, 但整体经济发展水平偏低, 在发展经济的同时对生态环境造成一定损害, 此种发展模式下, 2030年工业固体废物排放量预计达819.3万t, 接近警戒水平；④技术家园发展情景下, 人口数量较少, 经济保持较高速度发展, 能源消耗总量最低, COD排放量等处于较低水平, 此种发展模式下, 可实现经济与生态环境协调发展.基于“十四五”规划背景, 优先使用全球协同和技术家园发展模式, 为保持经济持续高水平发展, 可选择全球协同发展模式, 后期逐步向技术家园发展模式转变, 实现人口经济环境资源协调发展.
7 结论(Conclusions)生态系统变化对人类福祉产生各种影响, 生态系统与人类可持续发展需维持区域资源环境承载力在最大承载范围内.本文运用系统动力学方法, 基于千年生态评估小组(MA) 4种情景模拟福州市资源环境承载力发展趋势, 结果表明, 4种情景发展下全球协同和技术家园情景适合发展需求.根据福州市国民经济和社会发展第十四个五年规划和二O三五年远景目标建议, “十四五”时期资源利用效率显著提高, 单位生产总值能耗下降, 主要污染物排放总量得到有效控制, 城乡生态环境和人居环境持续改善, 研究结果在一定程度上可为经济社会发展模式提供科学的依据.下一步研究可从县域角度或水资源承载力角度仿真预测资源环境承载力变化趋势, 挖掘与县域自身发展相适应社会经济发展模式, 为经济社会可持续发展提供具体可行发展方案.另外需考虑政策不确定性影响, 动态仿真政策不确定性下资源环境承载力变化趋势和相应预警应对策略.

参考文献

陈媛媛, 朱记伟, 周蓓, 等. 2018. 基于系统动力学的西安市复合生态系统情景分析[J]. 水资源与水工程学报, 29(6): 31-40.

高雅. 2018. 基于系统动力学模型的闽三角城市群资源环境承载力研究[D]. 厦门: 厦门大学

胡典, 旷开金, 刘金福. 2020. 福州市环境承载力变化动态仿真研究[J]. 福建师范大学学报(自然科学版), 36(3): 90-98.

姜妮, 陈仲晗, 赵庄明, 等. 2018. 基于SD的海岸带污染负荷预测及污染经济损失研究-以江门市为例[J]. 海洋环境科学, 37(5): 720-727.

金浩, 李瑞晶. 2018. 农村金融生态减贫的系统动力学仿真-以河北省为例[J]. 系统科学学报, 26(4): 106-111.

李嘉晓, 陈轻. 2013. 系统动力学方法在县域经济发展动力分析中的应用-以山东省龙口市为例[J]. 宝鸡文理学院学报(社会科学版), 33(4): 72-77.

李团胜, 程水英. 2003. 千年生态系统评估及我国的对策[J]. 水土保持通报, 23(1): 7-11. DOI:10.3969/j.issn.1000-288X.2003.01.002

李旭. 2008. Vensim使用手册[M]. 上海: 复旦大学管理学院, 1-2.

刘文政, 朱瑾. 2017. 资源环境承载力研究进展: 基于地理学综合研究的视角[J]. 中国人口·资源与环境, 27(6): 75-86.

牛方曲, 封志明, 刘慧. 2018. 资源环境承载力评价方法回顾与展望[J]. 资源科学, 40(4): 655-663.

牛方曲, 孙东琪. 2019. 资源环境承载力与中国经济发展可持续性模拟[J]. 地理学报, 74(2): 2604-2613.

牛方曲, 杨欣雨, 孙东琪. 2020. 不同发展模式下资源环境承载力评价-以海南省为例[J]. 热带地理, 40(6): 1109-1116.

Peng J, Du Y Y, Liu Y X, et al. 2016. How to assess urban development potential in mountain areas? An approach of ecological carrying capacity in the view of coupled human and natural systems[J]. Ecological Indicators, 60: 1017-1030. DOI:10.1016/j.ecolind.2015.09.008

尚天成, 孙玥, 李翔鹏, 等. 2009. 系统动力学的生态旅游系统承载力[J]. 天津大学学报(社会科学版), 11(3): 277-280. DOI:10.3969/j.issn.1008-4339.2009.03.020

苏迎庆, 刘庚, 牛俊杰, 等. 2020. 近40年来中国水环境承载力研究知识图谱分析[J]. 江西农业学报, 32(7): 77-84.

王吉苹, 吝涛, 薛雄志, 等. 2016. 基于系统动力学预测厦门水资源利用和城市化发展[J]. 生态科学, 35(6): 9-108.

王静, 袁昕怡, 陈晔, 等. 2020. 面向可持续城市生态系统管理的资源环境承载力评价方法与实践应用-以烟台市为例[J]. 自然资源学报, 35(10): 2371-2384.

王其藩. 1995. 高级系统动力学[M]. 北京: 清华大学出版社, 5-6.

王秦, 张艳, 杨永芳, 等. 2020. 雄安新区资源环境承载力评价指标体系研究[J]. 环境科学与技术, 43(5): 203-212.

Xu Z, Coors V. 2012. Combining system dynamics model, GIS and 3D visualization in sustainability assessment of urban residential development[J]. Building& Environment, 47(1): 272-287.

熊鹰, 李静芝, 蒋丁玲. 2013. 基于仿真模拟的长株潭城市群水资源供需系统决策优化[J]. 地理学报, 68(9): 1225-1239.

徐美, 刘春腊. 2020. 湖南省资源环境承载力预警评价与警情趋势分析[J]. 经济地理, 40(1): 187-196.

阎海燕, 詹凌云, 陈明明, 等. 2021. 基于系统动力学的企业危机事件网络舆情传播与应对研究[J]. 系统科学学报, 29(1): 92-97.

杨晋娟. 2016. 基于系统动力学的吐鲁番旅游环境承载力模型研究[J]. 农村经济与科技, 27(5): 83-86+49. DOI:10.3969/j.issn.1007-7103.2016.05.033

张红, 李林峻, 张洋, 等. 2016. 基于修正系统动力学模型的海岛城市土地综合承载力及其趋势评价-以舟山市为例[J]. 生态经济, 32(7): 178-181+177. DOI:10.3969/j.issn.1671-4407.2016.07.037

张礼兵, 胡亚南, 金菊良, 等. 2021. 基于系统动力学的巢湖流域水资源承载力动态预测与调控[J]. 湖泊科学, 33(1): 242-254.

张永民, 赵士洞, 郭荣朝. 2008. 全球湿地的状况、未来情景与可持续管理对策[J]. 地球科学进展, 23(4): 415-420. DOI:10.3321/j.issn:1001-8166.2008.04.011

赵士洞, 张永民, 赖鹏飞. 2007. 千年生态系统评估报告集(一)[M]. 北京: 中国环境科学出版社.