江苏省生态足迹时间维度变化及其驱动因素分析——基于PLS方法对STIRPAT模型的修正

肖 思 思，黄 贤 金，吴 春 笃，3

（1.江苏大学环境学院，江苏 镇江 212013;2.南京大学地理与海洋科学学院，江苏 南京 210093;3.扬州环境资源职业技术学院，江苏 扬州 225127）

江苏省生态足迹时间维度变化及其驱动因素分析
——基于PLS方法对STIRPAT模型的修正

肖 思 思1，黄 贤 金2，吴 春 笃1，3

（1.江苏大学环境学院，江苏 镇江 212013;2.南京大学地理与海洋科学学院，江苏 南京 210093;3.扬州环境资源职业技术学院，江苏 扬州 225127）

在分析江苏省生态足迹时间维变化规律的基础上，探讨江苏省生态足迹变化的重要驱动因素。1）1990－2007年，江苏省生态足迹以年均5.36%的速度从7 227.75万hm2升至13 817.76万hm2，而生态承载力以年均0.30%的速度从2 850.98万hm2降至2 703.58万hm2，生态足迹对区域生态赤字变化的贡献率达97.81%，成为江苏省生态赤字增加的主要原因;2）STIRPAT模型分析结果显示，人均GDP及其二次项、第一二产业产值占总产值比重及其二项式是江苏省生态足迹变化的重要驱动因素，总人口及城市化率指标却被排除在外，然而VIF值计算结果显示模型中各驱动因素间多重共线性明显;3）采用PLS方法修正STIRPAT模型，消除因素间的多重共线性问题，显示总人口、人均GDP及其二次项、第一二产业产值占总产值比重及其二次项、城市化率及其二次项都是江苏省生态足迹变化的重要驱动因素，且按VIP重要性排序为城市化率＞人均GDP二次项＞一二产业产值占总产值比重＞人均GDP＞城市化率二次项＞总人口＞一二产业产值占总产值比重二次项。两种方法中人均GDP二次项的系数均为正，表明江苏省生态足迹变化不存在环境EKC曲线的假说。该文进一步明确STIRPAT模型在分析环境压力的驱动因素中存在的缺陷，另一方面验证了基于PLS修正的STIRPAT模型的准确性与可行性。

生态足迹;STIRPAT模型;PLS方法;驱动因素;江苏

0 引言

生态足迹法（Ecological Footprint，EF）［1］自提出以来虽备受质疑［2，3］，但因其理论的新颖性、概念的形象性及较强的可操作性，被广泛应用于不同空间尺度可持续发展的定量评价领域［4－7］。自1998年徐中民等［8］将生态足迹法引入我国并进行了区域可持续发展案例研究之后，国内众多学者分别就生态足迹的理论、方法和计算模型进行了大量实证研究［9－13］。对于EF时间维驱动因素的分析，国外多是基于国家层面且多为针对生态足迹模型进行改进的分析［14，15］。国内早期以相关分析［16］、主成分分析［17］为主，侧重于单个或多个驱动因素的分析，而对驱动因素的整体驱动能力和因素重要程度认识不足;现在多以基于IPAT模型［18］及改进后的STRIPAT模型进行的多元非线性回归分析［19，20］为主，虽然将人口、富裕度和技术因子纳入驱动因素的整体分析，却由于无法避免因素间的多重共线性问题而使分析结果存在偏差，迄今为止该问题尚未引起广泛关注。

本文以人－地矛盾极为突出的江苏省为例，在计算江苏省1990－2007年时间维生态足迹变化、明确区域资源环境承载现状的基础上，基于偏最小二乘（PLS）方法对STRIPAT模型的修正，进行江苏省生态足迹的驱动因素研究，在丰富和完善生态足迹理论及现有生态足迹驱动因素分析方法的同时，对于深入分析并探讨减缓江苏省生态足迹、完善其可持续发展的管理对策意义重大，同时也可为其他省市分析生态足迹问题提供借鉴。

1 研究方法和数据

1.1 研究方法

1.1.1 STIRPAT 模型 原始STIRPAT 模型［21］为：

式中：因变量I与自变量P、A、T分别表示环境压力、人口数量、富裕度和技术，本文以生态足迹（EF）表示环境压力;m为模型的系数，b、c和d分别表示P、A、T变化的弹性系数，n为模型随机误差（包括时间误差、区域误差以及因素分解误差等）。

在实际应用中，为了检验驱动因素对生态足迹的影响及考察各因素与生态足迹间是否存在倒“U”型环境库兹涅茨（EKC）曲线，模型（1）调整为：

式中：技术指标T被分解为结构化指标N和现代化指标M，e表示M的弹性系数。

式（2）以lnEF为因变量，同时将自变量lnA分解为lnA和（lnA）2、lnN分解为lnN和（lnN）2、lnM分解为lnM和（lnM）2，c1、c2、d1、d2、e1和e2分别为各项的系数。同时，式（2）中分别对lnA、lnN和lnM求一阶偏导，可得到富裕度、结构化、现代化对生态足迹影响的弹性系数分别为：EEA＝c1＋2c2lnA，EEN＝d1＋2d2lnN，EEM＝e1＋2e2lnM，若c2、d2、e2值为负，就可确定存在EKC曲线及存在生态足迹开始改善的富裕度、结构化及现代化状态点。

1.1.2 PLS方法 PLS方法能够在自变量存在严重相关性的条件下进行回归建模［22，23］。具体步骤如下：首先，将因变量Y及自变量X两组数据进行标准化，并分别记为F0和E0;其次，从F0和E0中提取出第一对PLS主成分t1（t1＝E0w1，‖w1‖＝1）和u1（u1＝F0c1，‖c1‖＝1），并使t1、u1能分别较好地表达X与Y中的数据变异信息，且t1对u1有较大的解释能力;第三，第一对PLS主成分被提取之后，实施因变量Y对t1及自变量X对t1的回归，采用交叉有效性原则检验回归精度［24］，当变量PRESSt取最小时，提取的t为最佳成分数，表明模型回归结果的准确性令人满意，则计算终止，否则，重新进行成分的提取与回归，直至达到满意的精度。

该方法同时采用自变量投影重要性指数VIP（Variable Importance for Projection）判断驱动因子的重要性。一般认为，VIP大于1.00、介于0.80～1.00及小于0.80分别表示该自变量是因变量变化的重要、不确定、不重要驱动因素［25］。公式如下：

PLS方法所建模型中，因变量Y（即lnEF）有唯一解，自变量X为各驱动因素及其对数的二次项，包括lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2;模型中带入的数据与STIRPAT模型相同，研究基于SPSS17.0及PLS插件执行相关计算。

1.2 数据来源与指标选取

土地利用数据来源于江苏省国土资源厅“四查清、四对照”数据，相关统计数据来源于《江苏省统计年鉴（1990－2007）》。相关指标解释如下：环境影响指标lnEF以生态足迹（万hm2）表征;总人口指标lnP以人口数量（万人）表征;富裕度指标反映经济发展及人民生活水平的变化情况，以人均GDP（元/人，为1990年人民币不变价）lnA及其二次项（lnA）2表征;结构化指标反映经济结构的调整状况，以第一二产业产值占总产值比重（%）lnN及其二次项（lnN）2表征;现代化指标反映城市的发展水平，以城市化率（城镇人口占总人口的比重，%）lnM及其二次项（lnM）2表征。

2 江苏省生态足迹时间维度变化分析

本文参考文献［26］进行生态足迹的相关计算。其中，均衡因子采用张恒义等［27］的研究成果，耕地、草地、林地、化石燃料用地、建筑用地及水域的均衡因子分别为2.82、0.11、0.35、0.35、2.82和0. 17;产量因子采用中国平均值［28］，耕地、草地、林地、建筑用地及水域的产量因子分别为1.66、0.19、0.91、1.60和1.00。在生态足迹供给计算时扣除了12%的生物多样性保护面积，计算结果如表1所示。

表1分析结果显示，1990－2007年江苏省生态足迹以年均5.36%的速度从7 227.75万hm2升至13 817.76万hm2。同期化石能源用地生态足迹由28.53%持续增至50.65%，占生态足迹总增长量的74.91%，说明化石能源用地已成为江苏省生态足迹走势的决定因素，有研究表明，城市化、工业化尤其是工业结构的调整是影响能源需求的关键;水域用地生态足迹由10.70%增至17.35%，占生态足迹总增长量的24.64%，耕地生态足迹由55.81%降至28.41%，占生态足迹总增长比重的－1.64%，说明水域用地已成为江苏省生态足迹走势的第二大决定因素，生活水平的提高已使得该区域人口的消费结构由传统的农产品消费向水产品消费转变;同时，经济活动对林地、草地、建筑用地的生态需求较小，对整个生态足迹的影响几乎可以忽略。

表1分析结果显示，与生态足迹变化趋势相比，江苏省生态承载力变化趋势较为平缓，以年均0.30%的速度从1990年的2 850.98万hm2降至2007年的2 703.58万hm2。随着江苏省人口增长、城市化进程加剧，耕地向建筑用地转换，耕地生态承载力下降量占江苏省生态承载力总下降量的189.70%，建筑用地的增加占－93.4%，说明耕地和建筑用地已成为影响江苏省总生态承载力走势的决定因素，而其它三类用地的供给总和微乎其微。

表1 1990－2007年江苏省不同类型生态足迹与生态承载力Table 1 Computation results of different types of EF and EC in Jiangsu Province during 1990－2007

总体而言，1990－2007年江苏省生态足迹变化对生态赤字变化的贡献率（97.81%）远大于生态承载力的贡献率（2.19%），生态赤字呈现出与生态足迹相同的变化趋势，以年均9.06%的速度从1990年的4 376.77万 hm2升至2007年的11 114.18万hm2（图1），说明江苏省对自然资源的消费量已经超越自然生态系统的承载力范围，总体上处于不可持续状态。随着江苏省经济结构的进一步调整、城市化进程的加剧以及人口增长、人民生活水平的不断提高，江苏省化石能源用地及水域用地生态足迹将进一步增加，耕地生态承载力将进一步下降，可以预见江苏省可持续发展的形势将更为严峻。因此，揭示江苏省生态足迹与各驱动因素之间的内在关系，对于实施江苏省可持续发展意义重大。

图1 1990－2007年江苏省总的EF、EC及EDFig.1 The total EF，EC and ED in Jiangsu during 1990－2007

3 生态足迹变化的驱动因素分析

3.1 基于STIRPAT模型的分析

江苏省生态足迹变化的潜在驱动因素主要包括总人口、富裕度、结构化及现代化水平，这与贾俊松等［29］的研究成果一致。因此，本文选取生态足迹、总人口、富裕度、结构化水平及现代化水平，根据式（2）构建江苏省生态足迹变化的STIRPAT模型（表2）。

表2 STIRPAT模型分析Table 2 Analyzing results of EF drivers by original STIRPAT model

模型1～8的拟合度介于97.3%～98.6%，说明回归方程的拟合度均较好。模型1是以lnEF为因变量、lnA和（lnA）2为自变量的STIRPAT方程，可以解释几乎所有的生态影响（调整R2＝0.973，D-W 统 计 量 ＝1.087，Sig.＜0.001），且lnA和（lnA）2对lnEF存在极显著影响（Sig.＜0.001）;模型2在模型1的基础上添加自变量lnP，lnP对lnEF影响不显著（Sig.＞0.05）;模型3在模型1的基础上添加自变量lnN，该模型对因变量的解释能力比模型1有所提升（调整R2＞0.973），且lnN对lnEF存在显著影响（Sig.＜0.01）;模型4在模型1的基础上添加自变量（lnN）2，该模型对因变量的解释能力比模型1有所提升（调整R2＞0.973），且（lnN）2对lnEF存在显著影响（Sig.＜0.01）;模型5在模型3、4的基础上考虑了lnN和（lnN）2对lnEF的累积影响，但累积影响不显著（Sig.＞0.05）;模型6和模型7在模型1的基础上分别添加了自变量lnM和（lnM）2，但二者对lnEF影响均不显著（Sig.＞0.05）;模型8是因变量lnEF及自变量lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2综合作用的结果。由此可见，对lnEF存在极显著及显著影响的自变量主要包括lnA、（lnA）2、lnN和（lnN）2，它们是生态足迹变化的重要驱动因素，而lnP、lnM和（lnM）2对lnEF影响不显著。与此同时，lnA的弹性系数介于－0.733～－1.136，（lnA）2的弹性系数介于0.057～0.087，表明1%的lnA、（lnA）2的变化将分别引起－0.733%～1.136%和0.057%～0.087%的lnEF变化，可见，lnA对lnEF存在负向影响，且由于（lnA）2的系数为正，说明江苏省的生态足迹与人均GDP间不存在环境EKC的假说;lnN的弹性系数发生了从正（1.118）到负（－4.452）的变化，但其绝对值大于lnA的弹性系数，说明lnN对lnEF的影响大于lnA对lnEF的影响，但影响的性质不能确定，且由于（lnN）2的弹性系数为负，表明江苏省的生态足迹与第一二产业产值占总产值比重间存在环境EKC的假说。

从模型8可见，在95%置信区间，自变量无法通过t检验;方程拟合度调整R2为0.984，方程整体F检验很显著（155.00，D-W 统计量＝1.958，Sig.＜0.001），因此有理由怀疑自变量lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和 （lnM）2之间存在 多重共 线性。进一步计算各自变量的方差膨胀因子（VIF）值，结果如表3所示。普遍认为VIF＞10意味着变量间存在着非常严重的共线性问题［22］。表3显示，只有第一二产业产值占总产值比重及其二次项的VIF值为8.51和7.81（＜10），其余5个自变量VIF值均远远大于10，尤其是模型8中自变量间的多重共线性更为严重，因此不适合运用最小二乘法进行无偏估计，表明采用上述STIRPAT模型方法进行生态足迹驱动因素分析所得结果的准确性受到质疑。

表3 VIF值Table 3 VIF value

3.2 基于PLS修正的STIRPAT模型分析

鉴于PLS方法可用于解决自变量间的多重共线性问题，以下采用PLS方法对自变量间多重共线性最为严重的模型8进行修正，结果如表4所示。当t＝1，即当提取1个主成分时，调整R2＝0.856，说明提取1个主成分能达到对因变量85.6%的解释;当t＝2时，调整R2＝0.963，说明提取2个主成分能达到对因变量96.3%的解释……直至t＝5时，调整R2＝0.979，即提取5个主成分能达到对因变量97.9%的解释，此时调整R2介于0.856～0.979，意味着基于PLS的STIRPAT模型具有对因变量很好的解释能力;且当t＝5时，调整R2达最大值，PRESSt有最小值0.1467，此时提取的成分个数t＝5即为最佳成分数，因此，t＝5时建立的基于PLS的STIRPAT模型具有对因变量最好的解释能力。同时，当t＝5时，lnP的弹性系数为1.218，说明1%的lnP变化将引起1.218%的lnEF变化，此时，lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2的弹性系数分别为0.102、0.020、1.754、1.149、0.779 和 0.412，说 明 1% 的lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2的变化将相 应 引 起 0.102%、0.020%、1.754%、1.149%、0.779%和0.412%的lnEF变化;各因素弹性系数均为正，意味着随着总人口、人均GDP、一二产业产值占总产值比重及城市化率的增加，江苏省生态足迹趋于上升。由于未标准化回归方程回归系数的大小不能反映自变量对因变量的影响［30］，因此，采用t＝5时VIP值对各因变量对生态足迹影响的重要性进一步分析（图2）。

表4 基于PLS的STIRPAT模型Table 4 STIRPAT model based on PLS method

图2 VIP值Fig.2 VIP value

lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和 （lnM）2的VIP值均大于1.0，表明总人口、人均GDP及其二次项、一二产业产值占总产值比重及其二次项、城市化率及其二次项都是江苏省生态足迹变化的重要驱动因素，且各因素对江苏省生态足迹变化影响按VIP值 重 要 性 排 序 为：lnM（2.464）＞ （lnA）2（2.077）＞lnN（1.757）＞lnA（1.507）＞（lnM）2（1.394）＞lnP（1.266）＞（lnN）2（1.194）。

以下进行基于PLS的STIRPAT模型有效性与准确性分析。表5为逐步提取5个成分时对模型中自变量和因变量的累计解释情况，当t＝1，2，…，5时，分 别 实 现 了 对 自 变 量 （X）96.2%、98.8%、99.8%、99.9%和100.0%的累计解释能力及对因变量（Y）85.6%、96.3%、96.5%、97.7% 和 97.9%的累计解释能力，调整R2介于0.856～0.979，表示各模型效果均较好;尤其当t＝5时，调整R2有最大值0.979，此时主成分能最好地解释自变量和因变量，模型效果最显著，生态足迹与其驱动要素间建立的PLS线性回归模型最为合理。图3为t1/u1散点图，其中u1是提取一个主成分t1后Y的第一个成分。以往研究［22，23］表明，所提取主成分t1与u1相关性越接近线性，用PLS方法进行回归建模就越合理。从图3可见，t1与u1之间存在近似线性相关，说明X和Y之间有显著的相关性，因而本文采用PLS方法对STIRPAT模型进行改进的回归模型具有合理性。图4为提取5个成分时真实值与拟合值的对比，由拟合直线的R2＝0.985可知真实值与拟合值呈完美的线性关系，这意味着采用PLS修正后的STIRPAT模型建立生态足迹与其驱动要素间的线性回归模型较合理。

从表5、图3和图4的分析结果可以看出，采用PLS修正后的STIRPAT模型进行江苏省生态足迹变化的驱动因素分析，其结果具有准确性和合理性。江苏省生态足迹的重要驱动因素最终表现为总人口、人均GDP及其二次项、一二产业产值占总产值比重及其二次项、城市化率及其二次项，且江苏省不存在驱动因素与生态足迹间的环境EKC假说。

表5 PLS分析结果中方差比例的解释Table 5 Cumulative variance explanation of the result by PLS analysis

4 结论与建议

江苏省生态足迹从1990年的7 227.75万hm2升至2007年的13 817.76万hm2，而生态承载力同期从2 850.98万hm2降至2 703.58万hm2，江苏省生态足迹对区域生态赤字变化的贡献率达97.81%，从而成为江苏省生态赤字增加的主要原因。江苏省生态足迹上升的决定因素为化石能源用地及水域用地生态足迹的持续增加，生态承载力下降的决定因素为耕地生态足迹的下降和建设用地生态足迹的增加，潜在的驱动因素主要表现为人口的增加、人民生活水平的提高及经济结构不合理和城市化的发展。

采用STIRPAT模型分析江苏省生态足迹变化的重要驱动因素，结果显示人均GDP及其二次项以及第一二产业产值占总产值比重三因素是江苏省生态足迹变化的重要驱动因素，而对生态足迹有明显影响的总人口、城市化率指标却被排除在外，有别于贾俊松［31］、鲁凤［24］等学者的研究结果，从而使得分析结果令人质疑;VIF值的计算结果进一步验证了STIRPAT模型中各驱动因素间多重共线性的存在，从而明确了STIRPAT模型用于生态足迹驱动因素分析时存在的缺陷。采用PLS方法对STIRPAT模型进行修正，结果经准确性验证后最终表现为总人口、人均GDP及其二次项、第一二产业产值占总产值比重及其二次项、城市化率及其二次项都是江苏省生态足迹变化的重要驱动因素，且按VIP重要性排序为城市化率＞人均GDP二次项＞一二产业产值占总产值比重＞人均GDP＞城市化率二次项＞总人口＞一二产业产值占总产值比重二次项。

结合模型系数及VIP值大小对江苏省生态足迹变化的重要驱动因素进行分析。首先，城市化率及其二次项分别是最重要及第五重要驱动因素，模型系数为正，表明江苏省城市化率增加将导致生态足迹上升。1990—2007年江苏省城市人口由1 458.94万人增至4 056.23万人，占总人口的比重也由21.56%增至53.20%，同时，耕地由544.24万hm2减至476.38万hm2，建设用地则由145.25万hm2增至230.23万hm2，必然导致江苏省生态足迹的增加及生态承载力的下降。然而，江苏省城市化进程的加剧在所难免，因此建议政府一方面必须采取相应的对策严控耕地向建设用地流转、提高耕地和建设用地的利用效率，另一方面设定人口的准入标准，缩小城乡人民生活水平差距，从而控制农村人口向城市的快速迁移。第二，人均GDP二次项及人均GDP分别是第二和第四重要驱动因素，而一二产业产值占总产值比重及其二次项分别是第三和第七重要驱动因素，模型系数为正，可见，江苏省人均GDP的增加有助于生态足迹的上升，一二产业产值占总产值比重的下降有助于生态足迹的下降。然而，目前江苏省主要任务仍然是社会经济的快速发展，即在抑制生态足迹增长的同时又不能过度影响经济发展，因此，有必要调整经济增长方式，如加快产业结构转型，促进高污染高耗能产业型经济向无污染、低消耗、对生态环境危害较小的高新产业和环保产业过渡等。第三，人口增长是第六重要驱动因素，虽然在本研究中人口因素对生态足迹影响的重要性较弱，但人口因素始终是影响生态足迹变化的重要驱动因素，这与前人的分析结果一致［31］。可以预见，由于人口基数过大，尽管未来仍将贯彻计划生育政策，但江苏省人口总量仍将持续增加，短期内区域人口数量的增加仍将对区域生态环境产生负面影响。此外，尽管1979年以来江苏省贯彻计划生育政策，抑制了人口的快速增长，但也引发了一系列社会问题，诸如出生性别比例失调、老龄化问题等。因此，建议当局在继续贯彻计划生育政策的同时，应该从问题的背后深入探讨，制定更为有效的措施（如控制流动人口数量的增加等），用于解决人口数量增长引发的生态足迹问题。

［1］REES W E.Ecological footprint and appropriated carrying capacity：What urban economics leaves out［J］.Environment and Urbanization，1992，4：121－130.

［2］AYRES R U.Commentary on the utility of the ecological footprint concept［J］.Ecological Economics，2000，3（3）：347－349.

［3］VAN DEN BERGH J，VERBRUGGEN H.Spatial sustainability，trade and indicators：An evaluation of the＇ecological footprint＇［J］.Ecological Economics，1999.29（1）：61－72.

［4］CHAPAGAIN A K，HOEKSTRA A Y，SAVENIJE H H G，et al.The water footprint of cotton consumption：An assessment of the impact of worldwide consumption of cotton products on the water resources in the cotton producing countries［J］.Ecological Economics，2006，60（1）：186－203.

［5］KISSINGER M，GOTTLIEB D.Place oriented ecological footprint analysis——the case of Israel＇s grain supply［J］.Ecological Economics，2010，69（8）：1639－1645.

［6］MAR ITN-CEJAS R R，RAMIREZ SANCHEZ P P.Ecological footprint analysis of road transport related to tourism activity：The case for Lanzarote Island［J］.Tourism Management，2010，31（1）：98－103.

［7］PATTERSON T M，NICCOLUCCI V，MARCHETTINI N.A-daptive environmental management of tourism in the Province of Siena，Italy using the ecological footprint［J］.Environmental Management，2008，86（2）：407－418.

［8］徐中民，张志强，程国栋.甘肃省1998年生态足迹计算与分析［J］.地理学报，2000，55（5）：607－616.

［9］谢高地，鲁春霞，成升魁，等.中国的生态空间占用研究［J］.资源科学，2001，23（6）：29－35.

［10］孙鹏，王青，刘建兴，等.沈阳市交通生态足迹的时间序列分析［J］.资源科学，2008，30（6）：864－869.

［11］谭庆，汪正祥，雷耘，等.湖北省近20年生态足迹演变［J］.生态学杂志，2008，27（6）：974－977.

［12］张芳怡，濮励杰，张健.基于能值分析理论的生态足迹模型及应用——以江苏省为例［J］.自然资源学报，2006，21（4）：653－660.

［13］张衍广，林振山，李茂玲，等.基于EMD的中国生态足迹与生态承载力的动力学预测［J］.生态学报，2008，28（10）：5027－5032.

［14］WACKERNAGEL M，MONFREDA C，ERB K H，et al.Ecological footprint time series of Austria，the Philippines，and South Korea for 1961－1999：Comparing the conventional approach to an Actual land area′approach［J］.Land Use Policy，2004，21（3）：261－269.

［15］郭玲霞，黄朝禧.“两型社会”城市生态足迹时间维变化及驱动研究——以武汉市为例［J］.农业现代化研究，2011，32（2）：217－221.

［16］杨勇，任志远.铜川市1994－2003年人均生态足迹变化及社会经济动因分析［J］.干旱地区农业研究，2007，25（3）：213－218.

［17］方建德，杨扬，叶堤，等.重庆市生态足迹时间序列动态特征及其驱动因子分析［J］.生态环境学报，2009，18（4）：1337－1341.

［18］张恒义，刘卫东，林育欣，等.基于改进生态足迹模型的浙江省域生态足迹分析［J］.生态学报，2009，29（5）：2738－2748.

［19］李琦，孙根年，韩亚芬.中国能源足迹的区域差异及影响因素分析［J］.统计与决策，2010（19）：111－113.

［20］卢娜，曲福田，冯淑怡，等.基于STIRPAT模型的能源消费碳足迹变化及影响因素——以江苏省苏锡常地区为例［J］.自然资源学报，2011，26（5）：814－824.

［21］YORK R，ROSA E A，DIETZ T.STIRPAT，IPAT and ImPACT：Analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economic，2003，46（3）：351－365.

［22］王惠文.偏最小二乘回归方法及其应用［M］.北京：国防工业出版社，1999.

［23］王惠文，吴载斌，孟洁.偏最小二乘回归的线性与非线性方法［M］.北京：国防工业出版社，2006.

［24］鲁凤，徐建华，王占永，等.生态足迹影响因子定量分析及其动态预测比较研究——以新疆为例［J］.地理与地理信息科学，2010，26（6）：70－74.

［25］WOLD S.PLS for multivariate linear modeling，QSAR：Chemometric methods in molecular design［A］.WATERBEEMD H V D，WEINHEIM.Methods and Principles in Medicinal Chemistry［C］.Germany：Verlag-Chemie，1994.

［26］WANG M Q，LIU J S，WANG J D，et al.Ecological footprint and major driving forces in West Jilin Province，Northeast China［J］.Chinese Geographical Science，2010，20（5）：434－441.

［27］张恒义，刘卫东.王世忠，等.“省公顷”生态足迹模型中均衡因子及产量因子的计算——以浙江省为例［J］.自然资源学报，2009，24（1）：82－92.

［28］WACKERNAGEL M，ONISTO L，BELLO P，et al.National natural capital accounting with the ecological footprint concept［J］.Ecological Economics，1999，29：375－390.DOI：10.1016/S0921－80－09（98）90063－5.

［29］JIA J S，DENG H B，DUAN J，et al.Analysis of the major driver of the ecological footprint using the STIRPAT model and the PLS method——a case study in Henan Province，China［J］.Ecological Economics，2009，68：2818－2824.

［30］罗璐琴，周敬宣，李湘梅.生态足迹动态预测模型构建与分析——以武汉市为例［J］.长江流域资源与环境，2008，17（3）：440－445.

［31］贾俊松.河南生态足迹驱动因素的Hi－PLS分析及其发展对策［J］.生态学报，2011，31（8）：2188－2195.

A Study on Ecological Footprint Time Series and Its Drivers of Jiangsu Province：Using the STIRPAT Model and the PLS Method

XIAO Si－si1，HUANG Xian－jin2，WU Chun－du1，3
（1.SchoolofEnvironment，JiangsuUniversity，Zhenjiang212013;2.SchoolofGeographicandOceanographicSciences，NanjingUniversity，Nanjing210093;3.YangzhouVocationalCollegeofEnvironmentandResources，Yangzhou225127，China）

Taking Jiangsu Province of China as an example，the change trend of ecological footprint（EF）time series was computed and analyzed and the important drivers of lnEFin Jiangsu Province were researched.The results showed that the EF in Jiangsu Province increased from 72.2775 million hm2to 138.1776 million hm2with the annual growth rate of 5.36%，but its ecological carrying capacity（EC）was rather low and was in a state of slow decline from 28.5098 million hm2to 27.0358 million hm2with the annual decrease rate of 0.30%，indicating that EF amounted to 97.81%to the contributive rate of ecological deficit（ED）.Therefore，the major drivers of the EF′s change were analyzed.According to the simulations with STIRPAT model，the major drivers of Jiangsu′s lnEFwere GDP per capita（lnA），quadratic term of GDP per capita（（lnA）2），percent of GDP excluded in the service sector（lnN），and quadratic term of percent of GDP excluded in the service sector（（lnN）2），but not human population（lnP），percent of urban population （lnM），quadratic term of percent of urban population（（lnM）2）.Nevertheless，these drivers themselves had strong collinearity byVIFvalue，which might produce some uncertain impact to the final results.In order to avoid the impact of collinearity，the method of partial least squares（PLS）was used to rectify the former STIRPAT model.The results showed that the major drivers of lnEFwere lnP，lnA，（lnA）2，lnN，（lnN）2，lnMand（lnM）2.Compared with the results by the STIRPAT model，which showed that lnP，（lnN）2，lnMand （lnM）2are the most dominant drivers and the effect of them on EF could almost be ignored.So，the results by PLS method were considered as more reasonable and acceptable.In addition，the results acquired by both methods showed that the curvilinear relationship between economic development and EF or the classical EKC hypothesis didn＇t exist in Jiangsu Province.This paper，on one hand，further ensured the shortcoming of STIRPAT model used to analyze the major drivers on EF，on the other hand，confirmed the accuracy and feasibility of PLS method verified the STIRPAT model.

ecological footprint（EF）;STIRPAT model;PLS method;drivers;Jiangsu Province

X22

A

1672－0504（2012）03－0076－07

2011－10- 30;

2011－12－31

国土资源部公益性行业科研专项经费项目“土地利用规划的碳排放效应与调控研究”（200811033）;江苏省国土资源厅“江苏省环太湖地区国土资源承载力及调控措施研究”项目;江苏大学高级专业人才科研启动基金项目（08JDG042）;江苏大学学生科研立项（10A085）

肖思思（1979－），女，博士，讲师，主要从事自然资源与环境可持续发展方面的研究。E－mail：xiao780＠163.com