多維視角下東北地區城市生態效率時空格局演變及影響因素*

張旖琳，吳相利，程李佳

（哈爾濱師范大學）

0 引言

生態效率的概念由德國學者Schaltegger 于1989年首次提出，其基本思想是以最少的資源投入和環境破壞產生最大的經濟價值［1］.生態效率作為衡量人類經濟發展與自然生態環境協調發展的重要指標，已經成為破解經濟發展與生態環境矛盾的重要研究視角.提升生態效率對實現自然與經濟良性循環互動、有效建設生態文明具有重要意義.東北地區作為中國北方重要的森林濕地生態功能區以及老工業基地，擁有豐富的土地、森林及礦產資源，但前期產業結構單一、過度依賴資源的經濟發展方式導致資源日趨枯竭，環境污染、經濟轉型困難等問題日益加重，致使東北地區面臨經濟增長與生態環境保護的雙重壓力［2］.因此，評估生態效率水平、識別并分析影響生態效率的主要因素已成為區域實現經濟社會與資源環境協調發展的重要研究課題.該文基于功能區類型、依托資源類型、產業升級速率類型等多維視角切入生態效率研究將為基于不同類型區域生態效率提升提供更具針對性的科學依據和發展指導.

國內學者針對生態效率研究主要從研究方法、研究內容、研究空間3個方面展開.生態效率的評價方法包括主觀賦權法和客觀賦權法，主觀賦權法具有一定的偏頗和誤差，客觀賦權法包括數據包絡分析模型、TOPSIS 模型［3］等.數據包絡分析模型是國內生態效率評價最常用的模型之一，包括傳統DEA模型［4］、Super－SBM模型［5］、Malmquist指數［6］等模型；研究內容主要集中在生態效率水平評價［7］、生態效率的時空格局與影響因素分析［8］.研究空間涵蓋了省份［9］、城市群、特殊區域等多空間尺度對生態效率的評價.

既有生態效率研究多為單一視角分析生態效率水平、空間格局及影響因素，多維視角分析生態效率的文獻還少見，現有文獻更側重于分析影響因素對生態效率的平均作用強度，影響因素作用強度的空間異質性研究少見.該文從功能區類型、依托資源類型、產業升級速率類型等多維視角利用Super－SBM模型對2008 ～2019 年東北地區城市生態效率進行測度，并選取2008、2013、2019年3個時間點借助ArcGIS軟件對總體空間格局進行分析，采用空間自相關分析揭示生態效率的關聯特征，利用變異系數對多維視角城市生態效率空間差異進行分析，運用GTWR 模型探究影響因素作用強度，并基于多維視角提出經濟與生態保護協調發展的對策建議.

1 指標體系構建與研究方法

1.1 研究區域

該文研究區域為東北地區，范圍包括黑龍江省、吉林省、遼寧省的34 個地級市（因數據不全研究剔除了區域內的延邊朝鮮族自治州和大興安嶺地區）.東北地區具有得天獨厚的生態本底和豐富的自然資源，從功能區類型、依托資源類型、產業升級速率類型等多維視角研究該區域生態效率有利于深化對自然生態本底保護認識和促進經濟綠色生態化發展.

1.2 指標體系構建與數據來源

該研究以投入產出理論為基礎，參考相關文獻并結合DEA 模型指標選取的一般性原則，以東北地區34 個地級市為研究對象，選取了9 個投入與產出指標，構建東北地區生態效率評價指標體系（見表1）.

投入指標方面，將資本、土地、勞動力要素作為核心要素，選取年末單位從業人員作為勞動投入，城市建設用地面積作為土地投入，城市固定資本存量數據根據永續盤存法［10］計算得到，再選取供水總量和全社會用電量作為水資源和能源投入.

產出指標方面，選取地區生產總值作為期望產出，為消除價格因素影響，根據國內生產總值指數折算為以2008 年為基期的實際值.選取工業“三廢”排放量（工業廢水排放量、工業二氧化硫排放量、工業煙粉塵排放量）綜合反映非期望產出.

該文研究數據主要來源于《中國城市統計年鑒》、《中國城市建設統計年鑒》、相關省份統計年鑒、EPS數據庫以及各地市國民經濟社會發展統計公報.

1.3 研究方法

1.3.1 Super－SBM模型

該文采用Tone改進的Super－SBM模型進行測算，能夠對效率值大于1的決策單元進行有效劃分，從而更好評價東北地區的生態效率［11］.具體公式為：

式中，ρ*為城市的生態效率值；x 表示資本、土地、勞動力、水資源、能源投入，y表示期望產出和非期望產出；m、s 分別表示投入和產出指標個數；k為生產時期；i、r分別表示投入、產出的決策單元分別表示投入和產出對應的松弛變量；λj為權重向量.

1.3.2 產業升級速率模型

該文采用產業結構的年均變動值測算城市的產業升級速率，并將其作為產業升級視角的等級標準依據進一步深化城市生態效率研究［12］.公式為：

式中，qi0為基期產業i的占比；qit為報告期產業i的占比；m為產業部門數；n為間隔年數.

1.3.3 變異系數分析法

該文采用變異系數反映東北地區城市生態效率的差異程度［13］，公式為：

式中，Cv為變異系數；x－為生態效率均值；n 為城市總數；xi為各城市生態效率水平.

1.3.4 時空地理加權回歸模型

該文采用GTWR模型分析不同時空維度各城市影響因子的回歸系數以找出各城市生態效率的主要影響因子［14］.公式為：

式中，Yi為城市i的生態效率值，n為城市個數，k為城市i的解釋變量個數；（ui，vi，ti）為城市i的時空坐標；βk（ui，vi，ti）表示城市i的第k 個解釋變量的回歸系數；εi為殘差.

2 東北地區城市生態效率時間演變特征

2.1 總體時序特征

總體上看（見表2），東北地區生態效率呈小幅上升態勢，由2008年的0.5666增長至0.6047，增長了6.73%.從省域尺度上看，研究期間吉林省、黑龍江省生態效率均值相對于區域均值（0.6322）高出7.96%和8%，遼寧省則低于區域均值10.63%.黑龍江省生態效率均值0.6828，與吉林省相差不大但高于遼寧省，且2019 年較2008年增長20.5%，上升幅度最大.遼寧省始終處于區域均值之下，但總體呈上升態勢，升幅為7.55%.前期資源要素驅動、經濟發展滯緩、環境保護與建設相對投入不夠等致使遼寧省成為東北地區生態效率最低的省份.

從市域尺度上看，2008 ～2019 年東北地區城市生態效率均值大于1的城市有6 個，生態效率均值小于1的城市有28個，是效率值大于1城市的4.6倍，表明研究期間東北地區城市生態效率仍處于低水平.生態效率均值最高的為綏化市，其數值高于區域均值79.82%.2008、2013、2019年城市間生態效率最大差值分別為0.9786、0.9665、0.8840，差值雖呈縮小態勢但差距仍然較大.區域內有12 個城市生態效率有所下降應引起重視，吉林省更是半數以上城市都呈下降態勢，增強環保意識及加大力度控制環境污染以減少經濟發展產生的非期望產出提高生態效率還要付出多方面的努力.

地區年份2008 2013 2019 12a均值 差值 地區年份2008 2013 2019 12a均值 差值沈陽市1.0335 1.0522 0.6261 0.8787－0.4074 通化市 0.3807 0.5022 0.3734 0.4100－0.0073大連市1.0979 1.0603 1.0805 1.0570－0.0174 白山市 0.3062 0.6177 0.6587 0.4998 0.3525鞍山市0.3512 1.0036 1.0140 0.7420 0.6628 松原市 1.1116 1.0930 1.1157 1.1078 0.0041撫順市0.2266 0.3994 0.3321 0.3603 0.1055 白城市 0.3646 1.0043 0.4020 0.5156 0.0374本溪市0.2413 0.4206 0.4101 0.3942 0.1688－ 0.0812丹東市0.3727 0.5119 0.4059 0.4621 0.0332 哈爾濱市1.0444 1.0575 1.0686 1.0313 0.0242錦州市0.3704 0.6640 0.3877 0.5834 0.0173 齊齊哈爾市0.4335 1.2002 0.4776 0.8003 0.0441營口市0.2826 0.6021 0.3677 0.5277 0.0851 雞西市 0.3543 0.4089 0.4883 0.4170 0.1340阜新市0.1873 0.2337 0.2317 0.2234 0.0444 鶴崗市 0.3139 0.2506 0.2524 0.2750－0.0615遼陽市0.2484 0.4598 0.4680 0.4604 0.2196 雙鴨山市0.3285 0.4283 0.3496 0.3623 0.0211盤錦市1.0196 0.5555 0.4619 0.6554－0.5576 大慶市 1.0943 1.1246 1.1026 1.0990 0.0083鐵嶺市0.3648 1.0326 0.3285 0.5435－0.0363 伊春市 0.2805 0.3078 0.2919 0.2700 0.0113朝陽市0.2806 1.0339 0.3207 0.5733 0.0400 佳木斯市0.3765 1.0145 1.0263 0.9692 0.6498葫蘆島市0.2846 0.5423 0.4063 0.4484 0.1217 七臺河市0.2777 0.3091 0.4286 0.3344 0.1509吉林省0.7202 0.7254 0.6390 0.6825牡丹江市0.3595 0.5602 1.0230 0.5873 0.6634長春市1.0388 1.0098 0.6803 0.9317－0.3586 黑河市 1.1115 0.5340 1.0155 0.7906－0.0960吉林市1.0037 0.5853 0.4419 0.5314－0.5619 綏化市 1.1660 1.1043 1.0830 1.1368－0.0830四平市1.1236 1.0118 1.0196 1.0009－0.1040遼寧省0.4544 0.6837 0.4887 0.5650 0.0343 0.1222遼源市0.4325 0.6186 0.4209 0.5161－0.0117 最大差值0.9786 0.9665 0.8840 0.9550 1.2253黑龍江省0.5951 0.6917 0.7173 0.6828

依據表2中生態效率值分析3個時間點不同水平、3個時間段不同變化幅度的城市數量變化.將東北地區的生態效率值（ρ*）劃分為4 個等級：ρ* ＞1為高效率，0.5 ＜ρ* ≤1 為較高效率，0.3 ＜ρ*≤0.5為較低效率，0 ＜ρ*≤0.3為低效率；對生態效率變化率數值（x）以0.5 為間隔將其相等間隔劃分，見表3.

從生態效率水平上看（見表3），低效率、較低效率、較高效率、高效率的城市數量分別由2008年9、14、0、11演化為2019年3、18、3、10.總體呈向高效率提升的趨勢，但低效率和較低效率地區占比高達60%，未來需要產業結構升級化，使產業變“清”與“輕”以減少環境污染，推進區域可持續發展.從生態效率變化率上看，研究期間低速正增長及低速負增長的城市數量占比高達70%，表明城市生態效率的變化幅度較小.分階段看，前一個階段正增長的城市數量為25 個，為后一階段的2倍，其中高速正增長的城市數量為8個；后一個階段負增長的城市數量為21個，為前一個階段的2.3倍，且主要集中于低速負增長.

生態效率水平等級2008 2013 2019 生態效率變化率等級2008 ～2013 2013 ～2019 2008 ～2019（0 ＜ρ*≤0.3）9 2 3 中速負增長（－ 1 ＜x ≤－ 0.5）1 4 2低效率（0.3 ＜ρ*≤0.5）14 7 18 低速負增長（－ 0.5 ＜x ≤0）8 17 10較低效率（0.5 ＜ρ*≤1）0 11 3 低速正增長（0 ＜x ≤0.5）11 11 15較高效率（ρ* ＞1）11 14 10 中速正增長（0.5 ＜x ≤1）6 2 3高效率高速正增長（x ＞1）8 0 4

2.2 多維視角時序特征

2.2.1 分維視角類型劃分

以東北地區生態本底和資源類型優勢以及產業結構的突出特征為依據，該文共篩選出3 個與城市生態效率密切關聯的視角進行多維視角的展開研究，分別為功能區類型、依托資源類型、產業升級速率類型視角（見表4）.

視角 類型 所屬城市森林生態功能區黑河市、伊春市、哈爾濱市、牡丹江市、白山市、本溪市、丹東市、撫順市濕地生態功能區佳木斯市、雞西市功能區類型非生態功能區鶴崗市、七臺河市、雙鴨山市、齊齊哈爾市、綏化市、大慶市、長春市、四平市、吉林市、遼源市、松原市、通化市、白城市、沈陽市、大連市、鞍山市、錦州市、遼陽市、鐵嶺市、營口市、朝陽市、阜新市、盤錦市、葫蘆島市煤炭類 雞西市、鶴崗市、雙鴨山市、七臺河市、遼源市、撫順市、阜新市石油類 大慶市、松原市、盤錦市森工類 伊春市、牡丹江市、黑河市、吉林市、白山市依托資源類型金屬類 通化市、本溪市、鞍山市、葫蘆島市非資源型 哈爾濱市、齊齊哈爾市、佳木斯市、綏化市、長春市、四平市、白城市、沈陽市、大連市、丹東市、錦州市、遼陽市、營口市、鐵嶺市、朝陽市產業升級速率類型低速率 黑河市、雞西市、齊齊哈爾市、綏化市、牡丹江市、鶴崗市、佳木斯市、長春市、吉林市、撫順市、葫蘆島市、鞍山市、大連市、營口市、阜新市中等速率 伊春市、七臺河市、哈爾濱市、雙鴨山市、通化市、白城市、四平市、鐵嶺市、錦州市、朝陽市、本溪市、遼陽市、沈陽市、盤錦市、丹東市高速率 大慶市、遼源市、白山市、松原市

2.2.2 分維時序特征分析（1）功能區類型視角

總體上看（如圖1a 所示），三類功能區生態效率水平由2008年非生態功能區大于森林生態功能區大于濕地生態功能區轉變為2019 年濕地生態功能區大于森林生態功能區大于非生態功能區，且最大差值呈縮小態勢.濕地生態功能區生態效率上升幅度最大，升幅為107.24%，歸因于2019年位于濕地生態功能區的佳木斯市生態效率顯著上升，較2008年增長1.73倍，使得該功能區總體水平明顯提高.佳木斯市積極推進節能減排，工業三廢治理效果顯著，大力發展循環經濟，提高資源利用率，進而提高期望產出，生態效率實現倍增.非生態功能區生態效率呈波動下降趨勢，2019年較2008年下降5.14%，功能區內低效率和較低效率城市數量占比超過60%，需提高經濟發展適應能力、加大環境保護力度、降低非期望產出以提升經濟與生態環境的協調水平.

圖1 2008 ～2019年多維視角城市生態效率

（2）依托資源類型視角

總體上看（如圖1b所示），5類資源型城市生態效率水平由2008 年石油類大于非資源型大于森工類大于煤炭類大于金屬類轉變為2019 年石油類大于森工類大于非資源型大于金屬類大于煤炭類，且最大差值呈縮小態勢.研究期間石油類和非資源型城市生態效率位于區域均值之上，金屬類和煤炭類城市生態效率則低于區域均值.石油類城市生態效率處于最高水平但呈下降趨勢，降幅為16.9%.這類城市雖依賴優勢資源提高經濟效益，形成“高投入，高產出”的發展模式，但大量能源消耗以及資源型產業帶來的經濟紅利逐漸消失使生態效率有所下降，對生態可持續發展產生一定影響.煤炭類城市處于最低水平，且降幅為5.74%，鶴崗市生態效率下降明顯，降幅為19.59%.非資源型城市生態效率則呈微弱上升態勢，2019年生態效率為0.6495，較2008年上升1.5%，且低效率城市數量由2008 年的3 個驟減至2019年的0個.

（3）產業升級速率類型視角

該文采用產業升級速率模型（式2）測算各城市產業升級速率，再利用自然斷裂點法將區域內城市劃分為高速率、中等速率、低速率3 類，進一步揭示產業升級狀況對生態效率的影響.總體上看（如圖1c所示），3類產業升級速率城市生態效率水平始終為高速率大于低速率大于中等速率，且最大差值呈增大態勢.高速率類城市生態效率位于區域均值之上，中等速率類城市生態效率則低于區域均值.高速率類城市生態效率始終處于最高水平且升幅為12%.中國重要的石油石化生產基地大慶市提高石油資源精深加工能力以推動油城產業轉型、提高經濟效益、減少污染排放實現生態效率高水平發展.中等速率類城市生態效率處于最低值，且降幅為5%，該類型內較低效率與低效率城市數量占比高達80%，提高中等速率城市的轉型速度以減少非期望產出實現產業綠色化發展任重道遠.

3 東北地區城市生態效率空間格局演變

3.1 城市生態效率空間格局分析

為了直觀體現區域內城市生態效率的空間差異，依據生態效率水平的劃分標準，進行生態效率空間格局分析（如圖2 所示）.總體上看，東北地區生態效率高值區與低值區空間差異較為顯著，高值區主要集中在北部黑龍江省和吉林省，低值區則主要集中在南部遼寧省.哈爾濱市、大慶市、綏化市、松原市、大連市始終處于高效率水平，成為東北地區的生態效率高地.佳木斯市、牡丹江市、白山市升幅較大，生態效率由較低效率躍升至高效率.佳木斯市完善和提升服務業的功能和水平，旅游業的繁榮發展提高經濟效益，減少工業產生的污染排放，生態效率大幅上升.白山市、牡丹江市自停伐后，推動林場優勢產業發展，利用得天獨厚的礦泉和木材資源形成綠色化產業格局，兼顧環境保護的同時增加經濟效益以提升生態效率.

圖2 區域城市生態效率空間分異

3.2 分維視角城市空間差異分析

采用公式（3）計算生態效率的總體變異系數以及不同類型城市的變異系數并分析其空間差異.總體變異系數呈下降趨勢，2019 年較2008年降低19.86%，區域生態效率空間差異呈收斂態勢，各城市趨向均衡發展.

從功能區類型視角上看，生態效率變異系數由2008年森林生態功能區大于非生態功能區大于濕地生態功能區轉變為2019年非生態功能區大于森林生態功能區大于濕地生態功能區，總體呈收斂態勢.森林生態功能區變異系數降幅最大，研究期間降低了30.12%；從依托資源類型視角上看，生態效率變異系數由2008 年森工類大于非資源型大于煤炭類大于金屬類大于石油類轉變為2019年金屬類大于非資源型大于森工類大于石油類大于煤炭類，總體呈收斂態勢.森工類城市變異系數降幅最大為27.88%；從產業升級速率類型視角上看，生態效率變異系數始終為低速率大于中等速率大于高速率，3 種類型城市變異系數均呈先下降后上升的收斂態勢且總體降幅分別為23.24%、26.24%、28.27%.

4 東北地區城市生態效率影響因素分析

為了進一步分析各個因素對區域內城市生態效率的影響程度，采用GTWR 模型，將2008、2013、2019 年生態效率值作為因變量，人均GDP、第二產業增加值占比、環境規制指數、城鎮化率、科技支出占財政支出比重、外商投資企業產值／工業總產值作為解釋變量，表征經濟發展水平、產業結構、環境規制、城鎮化水平、科技水平、對外開放水平對于生態效率的影響.

4.1 總體作用分析

該文借助ArcGIS的GTWR 插件，運用公式（4）計算影響因素對不同城市的回歸系數，并計算其中位數與平均值（見表5）.

平均值變量名稱 中位數2008 2013 2019 總體人均GDP 0.3014 0.2978 0.25048 0.4701 0.3201第二產業增加值占比－0.5694－1.0208－0.4806－0.5378－0.6118環境規制指數－0.0586 0.0123－0.1237－0.1395－0.0990城鎮化率－0.2365－0.1873－0.3082－0.2296－0.2620科技支出占財政支出比重 0.0432 0.0241 0.0424 0.0218 0.0336外商投資企業產值／工業總產值 0.1734 0.1636 0.4879 0.1605 0.3220

從總體上看（見表5），生態效率的影響因素作用強度依次為第二產業增加值占比大于外商投資企業產值／工業總產值大于人均GDP 大于城鎮化率大于環境規制指數大于科技支出占財政支出比重.第二產業增加值占比是影響生態效率的負向主導因素，3 個時間點影響強度呈負向減弱態勢，降幅為47.32%；外商投資企業產值／工業總產值對生態效率呈正向影響，且影響強度排名第2，外商投資規模擴大提供就業機會和清潔生產技術，通過技術溢出效應帶動鄰近企業綠色化發展以改善生態環境并提高經濟效益，加速生態效率提升；人均GDP 對生態效率呈正向影響，且作用強度排名第3 并呈顯著增強態勢，增幅為57.86%.人均GDP 提高帶來環境治理投入增加、高素質勞動力、高要求環境質量以促進生態效率提升.

4.2 分維視角作用分析

為了進一步分析影響因素對不同視角不同類型城市的平均作用強度，將3 個時間點3 類功能區、5類依托資源型城市、3 類產業升級速率城市的影響因素回歸系數進行平均，得到各類型城市不同影響因素作用強度.

從功能區類型視角上看，森林生態功能區和非生態功能區的主導因素為第二產業增加值占比，且森林生態功能區影響強度較高于非生態功能區，影響強度均值為0.7745；濕地生態功能區的主導因素則為城鎮化率.從依托資源類型視角上看，煤炭類城市的主導因素為外商投資企業產值／工業總產值，影響強度均值為0.7950；其余資源類型城市的主導因素為第二產業增加值占比，影響強度均值在0.5229 ～0.7666 之間，石油類城市影響程度相對較低.從產業升級速率類型視角上看，低速率、中等速率、高速率類城市的主導因素均為第二產業增加值占比，平均影響強度分別為0.6179、0.7101、0.7978.

5 結論與建議

（1）研究期間生態效率總體呈小幅波動上升態勢；3 類功能區生態效率水平由2008 年非生態功能區大于森林生態功能區大于濕地生態功能區轉變為2019年濕地生態功能區大于森林生態功能區大于非生態功能區；5 類資源型城市生態效率水平由2008年石油類大于非資源型大于森工類大于煤炭類大于金屬類轉變為2019 年石油類大于森工類大于非資源型大于金屬類大于煤炭類；3類產業升級速率城市生態效率水平始終為高速率大于低速率大于中等速率.

（2）研究期間生態效率高值區主要集中在北部黑龍江省和吉林省，低值區則集中在南部遼寧省.3個視角城市生態效率空間差異總體呈收斂態勢.

（3）生態效率的影響因素作用強度依次為第二產業增加值占比大于外商投資企業產值／工業總產值大于人均GDP 大于城鎮化率大于環境規制指數大于科技支出占財政支出比重.森林生態功能區和非生態功能區的主導因素為第二產業增加值占比，濕地生態功能區的主導因素為城鎮化率；煤炭類城市的主導因素為外商投資企業產值／工業總產值，其余資源類型城市的主導因素均為第二產業增加值占比；產業升級速率的低速率、中等速率、高速率類城市的主導因素均為第二產業增加值占比.

鑒于東北地區城市生態效率水平較低，需對不同視角內城市制定針對性政策.第1，對于功能區類型視角的城市，嚴守生態保護紅線，促進生態資源資本化.第2，對于依托資源類型視角的城市，發展循環經濟，緩解經濟下行與生態環境的壓力.第3，對于產業升級速率類型視角的城市，加快產業結構調整，推進經濟與生態環境協調發展.