林业生态安全的共生耦合测度模型与判据

收稿日期：2014-03-31

作者简介：张智光，博士，教授，博导，主要研究方向为林业与环境经济系统工程。

基金项目：国家自然科学基金项目“基于生态－产业共生关系的林业生态安全测度研究”（编号：71173107）；教育部高等学校博士点基金博导类课题“生态与产业共生视角的林业生态安全测度理论与方法研究”（编号：20113204110005）；国家林业局软科学研究项目“我国林业实施绿色经济的多层次测度体系与管理机制研究”（编号：2013-R07）；江苏省高校哲学社会科学优秀创新团队建设项目“江苏省绿色发展理论与实践研究”。

摘要基于生态与产业共生理论，推导和改进林业生态安全测度的模型、算法和判据，使之成为可操作的实用技术。为了既能保留林业生态安全特征指数的生态经济意义，又能通过其指标体系追溯生态安全问题的原因，构建了森林生态—林业产业复合系统的LotkaVolterra共生模型（林业LV共生模型），以实现指标体系与特征指数的耦合。为此，首先采用包含林业生态安全的压力—状态—影响—响应结构模型（FESPSIR模型）和结构方程模型（SEM）的结构化和定量化方法，建立林业生态安全测度指标体系。同时，根据上述SEM方法，可以得出各指标的权重系数，从而克服传统权重确定方法的主观性。然后，根据权重系数和林业LV共生模型，将指标体系进行逐层耦合，构造出综合特征指数：森林生态与林业产业的共生度指数。在此基础上，通过分析林业生态安全在共生空间的动态演化规律，构建包含共生度和生态受力系数两个维度的林业生态安全级别动态判断矩阵。研究表明，本文提出的林业生态安全测度方法能够显著提高林业生态安全测控技术的效能。第一，由于共生度指数是林业生态安全的前因，因此该测度方法能够实现林业生态安全的“前因性预警”，克服了“就生态论生态”的传统方法的滞后性。第二，通过动态判断矩阵又可以预测林业生态安全的未来走势，因此该测度方法在“前因性预警”的基础上又进一步实现了“后果性预测”。第三，对上述林业生态安全的共生耦合测度过程进行回溯解耦，可以逐层分析出导致林业生态安全问题的各种具体原因，从而为相关部门制定林业生态安全的有效管理措施提供科学依据。

关键词林业生态安全；共生关系；测度；指标体系；特征指数；LotkaVolterra模型

中图分类号F062.2文献标识码A文章编号1002-2104(2014)08-0090-10doi:10.3969/j.issn.1002-2104.2014.08.012

生态安全是土地、森林、湿地、水、大气和生物等多个相互关联的生态子系统健康状况的总和。其中，森林子系统是陆地生态系统的主体，它与其他生态子系统的交集最大。因此，近10年来国内外学者就森林生态安全（forest ecological security）或森林健康（forest health）的评价展开了深入研究［1-3］。但是这类研究属于“就生态论生态”的事后评价，其预警作用较小［4］。实际上，所谓生态安全性不仅是指区域自然环境的生态健康状态能否可持续地支撑社会经济发展的性状，同时也包括了社会经济发展是否会对自然生态造成严重损害的性状。因为如果人类活动对自然生态造成了严重的破坏，生态系统必将无法继续支撑人类的生存与发展。因此，生态安全性实际上是自然生态与社会经济共生关系性状的一种反映。据此，笔者提出“林业生态安全”（forestry ecological security）的概念：林业生态安全是比森林生态安全更广义的概念；它包括3个方面：森林生态与林业产业共生关系的安全、森林生态安全、林业产业的生态安全；三者构成了一个因果顺序：第一方面是后两方面的安全动因，第二方面又是为第三方面提供生态服务的安全保障［4］。因此，运用共生理论对林业生态安全进行测度，要比直接评价森林生态安全具有更好的预警和调控作用。近年来，我国学者率先开展了林业生态安全评价或测度的研究［4-6］。但是，目前考虑生态与产业共生关系的测度方法、评价指标体系及权重设定的结构化方法、指标体系和特征指数的优势互补、林业生态安全性的客观与动态判据等问题还没有取得实质性的研究进展。为此，笔者于2013年提出了基于生态与产业共生关系的林业生态安全测度方法的新构想，指出应当站在森林生态—林业产业复合系统的角度，从两个子系统共生关系的安全性出发，来审视森林生态安全和林业产业生态安全的整体水平［4］。本文将在此基础上对该方法的模型、算法和判据进行进一步推导、改进和完善，使之成为一种可操作的实用技术。

1林业LV共生模型构建

林业生态安全测度的传统方法可分为指标体系法和特征指数法两大类，两者各有利弊。指标体系法的优点是它的各单项指标具有明确的生态经济意义，便于分析导致生态安全问题的原因。其缺点是经过无量纲标准化处理以及加权求和后，所得到的综合指标值将失去生态经济意义，不便于理解和运用。而且，用专家调查和层次分析等方法确定指标权重的主观性较大。倘若用主成分分析或因子分析等方法确定权重，虽然可以克服主观性，但是所得权重只表示底层各指标关于降维后得到的主成分或因子的相对重要性，以及各主成分或因子之间的相对重要性，并不是某层指标关于其上层指标的相对重要性。因此所求得的综合得分当然也不是顶层指标值，失去了指标体系权重的本意。而特征指数法正好相反。其优点是特征指数（如生态足迹或能值等）具有总体的生态经济意义，所得到的评价值便于理解。其缺点是将原单项指标转化成特征指数时，误差较大，且失去了原指标本身的生态经济意义，不便于原因分析。而且，现有的相关特征指数不能确切反映生态与产业的共生状态，需要构建新的特征指数。

为解决以上问题，实现指标体系与特征指数的优势互补，我们试图创建指标体系和特征指数的耦合测度方法。为此，首先需要建立森林生态—林业产业复合系统的动态模型。

20世纪20年代，美国生态学家A. J. Lotka和意大利数学家V. Volterra对逻辑斯蒂模型（Logistic equation）进行拓展，构建了两物种种群的种间共生关系的微分方程动态系统模型（称为LotkaVolterra模型，以下简称LV模型），该模型对现代生态学理论与共生理论的发展产生了重大的影响。LV模型的基本形式如下［7］：

dN1(t)dt=r1N1(t)K1-N1(t)-αN2(t)K1(1-1)

dN2(t)dt=r2N2(t)K2-N2(t)-βN1(t)K2(1-2)

式中，N1(t)、N2(t)分别为某区域内物种S1和S2种群的个体数量；K1、K2分别为该区域内物种S1和S2种群所依赖的环境容纳量；r1、r2分别为物种S1和S2种群的增长率；α为该区域内物种S2对S1的竞争系数；β为该区域内物种S1对S2的竞争系数；t为时间。

式（1-1）中的αN2(t)项表示，在物种S1的环境容纳量K1中，每个物种S2个体所占的空间相当于α个物种S1个体所占的空间。当α>0时，物种S2个体数量的增加将造成物种S1种群的剩余环境容纳量的减少，也就是说物种S2的发展对物种S1是有害的；当α<0时，物种S2个体数量的增加将促进物种S1种群的剩余环境容纳量的增加，也就是说物种S2的发展对物种S1是有益的；当α=0时，物种S2个体数量的增加对物种S1种群的剩余环境容纳量无影响。同样，式（1-2）中的βN1(t)项具有相似的含义。可见，系数α和β反映了一个物种对另一物种的竞争抑制效应，故称为竞争系数。

类似地，在森林生态—林业产业复合系统中，产业子系统SI与生态子系统SE所依赖的生存条件都是森林资源，两个子系统具有资源性竞争特性，总体原理上符合式（1）的所描述的系统规律。但是，森林生态与林业产业两个子系统的运动和变化将导致森林资源的增加、减少或趋于稳定，进而影响两者的共生状况［8］。也就是说，在该复合系统中，环境容纳量是一个变量。而且在实际情况下，两个子系统的增长率和竞争系数也都是处于变动状态。为便于将LV模型应用于森林生态—林业产业复合系统，可以将环境容纳量、增长率和竞争系数在第k年附近近似地看作为常数。于是，第k年附近的森林生态—林业产业复合系统动态共生模型（以下简称林业LV共生模型）为：

dI(t)dt=rI(k)I(t)C(k)-I(t)-α(k)E(t)C(k)(2-1)

dE(t)dt=rE(k)E(t)C(k)-E(t)-β(k)I(t)C(k)(2-2)

式中，I(t)为某区域内森林生态—林业产业复合系统中林业产业子系统的产业水平指数；E(t)为该复合系统中森林生态子系统的生态水平指数；C(k)为该复合系统中森林生态与林业产业子系统共同依赖的森林资源的第k年环境容量指数；rI(k)为第k年林业产业水平增长率；rE(k)为第k年森林生态水平增长率；α(k)为第k年森林生态对林业产业的竞争系数；β(k)为第k年林业产业对森林生态的竞争系数；t为第k年附近的时间变量。

式（2）中，产业水平指数I、生态水平指数E、环境容量指数C统称为林业LV共生模型的基本指数。为了对林业生态安全进行测度，下面我们将设法测算式（2）中的3个基本指数和2个竞争系数。

2林业LV共生模型的基本指数测算

2.1林业生态安全的FESPSIR结构模型建立

为了测算林业LV共生模型中的3个基本指数，需要构建测评森林生态—林业产业复合系统的产业水平、生态水平和环境容量的指标体系。而为了更加科学地构建这一指标体系，降低主观随意性，首先要分析该复合系统的结构与机理。为此，我们根据林业生态安全测度问题的特性和要求，对现有的PSR、DSR、DPSIR、DPSEEA等模型［4］进行综合与改进。于是，构建了如图1所示的林业生态安全（forestry ecological security，FES）的压力—状态—影响—响应（pressurestateimpactresponse，PSIR）结构模型（简称为FESPSIR结构模型）。

图1中的FESPSIR结构模型由4个子系统构成：（1）社会经济压力子系统（FESP），反映社会经济对森林产品的需求，以及林业产业发展对森林资源与环境造成破坏的压力；（2）资源与环境状态子系统（FESS），反映在社会经济压力子系统的作用下，森林资源与森林环境的状态；（3）生态影响子系统（FESI），反映在社会经济压力和资源环境状态的作用下，森林生态系统受到的影响；（4）人类响应子系统（FESR），反映人类为降低生态系统所受到的负面影响而作出的积极响应。

在FESPSIR结构模型中，根据社会经济压力子系统FESP的各要素，可以构建用来测算产业水平指数I的评价指标体系。根据生态影响子系统FESI的各要素，可以构建用来测算生态水平指数E的评价指标体系。另外，人类响应的直接效果是改善资源与环境状态，间接效果一方面可以减轻社会经济发展对生态与环境的压力，另一方面可以提供良好的生态恢复条件。可见，FESS与FESR子系统都和环境容量指数C有关，可以合起来作为构建相关指标体系的依据。也就是说，环境容量是协调生态与产业水平的纽带和桥梁，资源与环境状态子系统和人类响应子系统比较发达，环境容量就较大，生态与产业的共生关系就会朝着良性互动的方向发展。这一过程正好符合林业LV共生模型的原理。

2.2基于FESPSIR结构模型的SEM及其指标体系建立

根据图1的FESPSIR结构模型，先通过文献检索收集和整理国内外学者研究FESP、FESS、FESI、FESR等子系统所采用的相关评价指标［5，7，9-12］。再将理论分析、实际调研和专家咨询等方法相结合，进行指标筛选，进而形成林业生态安全的初步评价指标体系。

由于各子系统之间是相互关联的，因此不能孤立地分析各基本指数所对应的指标体系的合理性，并确定权重系数。对于这类问题，结构方程模型（structural equation modeling，SEM）是一种比较科学的系统化和定量化分析手段。它能够客观验证各指标对于所属基本指数的有效性以及生态安全测度结果的可信度，并确定各指标与基本指数之间的相关性。运用SEM方法，我们对上述初步评价指标体系进行整体建模、定量检验和反复修正，最终得出如图2所示的林业生态安全测度的结构方程模型。图2图1FESPSIR结构模型

Fig.1FESPSIR structure model

给出了测量各基本指数（I, E, C）的指标体系（Ii, Ei, Ci；i=1, 2, …）。图中，λ为各指标与基本指数之间的相关系数，μ为内生基本指数（E, C）之间的影响系数，γ为外生基本指数（I）与内生基本指数（E, C）之间的影响系数，e为各指标的测量误差。

按照FESPSIR结构模型的要求，对于产业水平指数I，应当选择既能反映FESP子系统的发展程度，又能反映社会经济对森林资源及其产品的需求，以及林业产业尤其是林产工业对FESS和FESI子系统造成压力的相关指标。经过SEM建模，筛选出以下指标：林业总产值I1，反映林业产业发展的总体水平；林业第二产业比重I2，反映林产工业对森林和水等资源的需求，以及污染物和二氧化碳等排放情况；人均GDP I3，反映一般社会经济发展水平及其对森林等环境的压力；城市化水平I4（用区域内城镇人口占总人口的比例表示），反映人类侵占和干预自然系统的程度。

对于生态水平指数E，得到以下指标：生态林面积比重E1，反映森林生态效益的总体情况；人均绿地面积E2（城市建成区的公共绿地、生产绿地、防护绿地和各单位绿化用地之和，除以建成区的非农业人口），反映被测区域内的城市生态状况；森林灾害面积比重E3，反映森林调节力和灾害发生率等森林生态状况；空气质量指数（air quality index，AQI）E4，反映受到森林生态作用的大气生态状况。

对于环境容量指数C，包含来自资源与环境状态子系统FESS和人类响应子系统FESR的两部分指标。具体包含以下指标：森林覆盖率C1（被测区域内森林面积占土地总面积的比例），反映森林资源的总体丰富程度；森林消长比C2（森林蓄积消耗量与森林蓄积生长量的比），反映森林资源蓄积量的动态变化，而蓄积量与覆盖率相比，能够更好地反映森林结构和木材供给量等状况；人均有林地面积C3，反映森林资源的人均丰富程度，因而能够间接地反映被测区域森林固碳制氧的能力；造林总面积C4，反映人工造林的力度和绿色经济的发展状况；资源回收率C5（可以用某一种林产品的回收率，如废纸回收率表示），反映林业循环经济的发展程度［13］；污染治理率C6，反映人们的环境保护意识与应对环境危机的举措。

2.3基于林业生态安全指标体系的基本指数计算

2.3.1指标值的无量纲标准化处理

图2中，森林灾害面积比重E3、城市空气质量指数E4、森林消长比C2为负向指标，其余均为正向指标。正向和负向指标的无量纲标准化处理方法分别如下：

Xi(t)=0

［xi(t)-Bi］/［Oi-Bi］,

1,xi(t)≤Bi

Bi＜xi(t)＜Oi

xi(t)≥Oi（3）

Xi(t)=0

［Bi-xi(t)］/［Bi-Oi］,

1,xi(t)≥Bi

Oi＜xi(t)＜Bi

xi(t)≤Oi（4）

式中，X代表产业水平指数I、生态水平指数E、环境容量图2基于FESPSIR模型的SEM结构

Fig.2SEM structure based on FESPSIR model指数C三个基本指数之一；Xi(t)为基本指数X的第i个指标在t时间（对于环境容量指数C来说，t=k）的无量纲标准化评价值（0 ≤ Xi(t) ≤ 1）；xi(t)为指标Xi在t时间的实际值；Oi为指标Xi的优限值（目标值）；Bi为指标Xi的劣限值。

2.3.2权重系数计算

根据结构方程模型的原理，某一基本指数与所属指标之间的相关系数λ反映了这些指标对于该基本指数的相对重要性。因此，我们可以据此计算出某一基本指数所属各指标的权重系数：

wXi=λXi/∑iλXi（5）

式中，wXi为基本指数X的第i个指标的权重系数；λXi是由SEM方法得到的基本指数X与第i个指标之间的相关系数。

2.3.3基本指数计算

得到了各指标的无量纲标准化值以及权重系数后，便可以计算出各基本指数的测度值X(t)（对于环境容量指数C来说，t=k）：

X(t)=∑iwXiXi(t),∑iwXi=1（6）

式（6）表示指标体系通过权重耦合，得到了基本指数。下面还将研究如何对基本指数进行耦合，构造出具有生态经济意义的林业生态安全综合特征指数。为此，首先要通过已经求得的3个基本指数值，计算出林业LV共生模型中的另外两个重要参数——竞争系数α(k)和β(k)，它们也是林业生态安全测度的两个关键的特征指数。

3林业LV共生模型的竞争系数估算

在传统LV模型中，环境容纳量、竞争系数和子系统增长率均为常量，即模型参数。关于LV模型，多数学者都在研究对于不同的参数取值，系统的特性有何变化，例如系统的稳定性和平衡点等［14］。也有一些学者探讨了如何通过系统辨识方法求取这些参数的估计值［15］。还有的学者试图利用系统稳定条件下的平衡点来求取竞争系数α和β值［7］。即假设当t→∞时，系统达到稳定状态，I(t)和E(t)达到平衡点I*和E*。于是，dI(t)/dt=0，dE(t)/dt=0，因此由式（2）可以解得：

α=(C-I*)/E*,β=(C-E*)/I*（7）

但是，平衡点I*和E*以及环境容纳量C的数值是难以求取的，更何况这样求得的α、β是常数。其实，式（7）用途通常是根据常量α、β和C值求取平衡点I*和E*。而对于森林生态—林业产业复合系统，生态与产业水平指数以及环境容量指数等一般总处于变动状态，所以用系统辨识方法和式（7）来计算竞争系数α(t)和β(t)都是不可行的。如果将式（7）变更为［7］：

α(t)=［C(t)-I(t)］/E(t),β(t)=［C(t)-E(t)］/I(t)（8）

则理论上不合理，必然导致较大的估算误差。

为解决这一问题，我们对式（2）进行离散化处理，离散化时间变量仍取年份k。于是有：

I(k+1)-I(k)=I(k)-I(k-1)I(k-1)I(k)

C(k)-I(k)-α(k)E(k)C(k)(9-1)

E(k+1)-E(k)=E(k)-E(k-1)E(k-1)E(k)

C(k)-E(k)-β(k)I(k)C(k)(9-2)

由此可以解得：

α(k)=［φI(k)C(k)-I(k)］/E(k),

β(k)=［φE(k)C(k)-E(k)］/I(k)（10）

其中，φI(k)和φE(k)分别为林业产业与森林生态子系统的稳定性系数，反映子系统达到稳定状态的程度：

φI(k)=1-rI(k+1)/rI(k),

φE(k)=1-rE(k+1)/rE(k)（11）

对式（10）和式（11）进一步分析，可以发现2种特殊情况。

第一种情况，如果当t ≥ k后，森林生态—林业产业复合系统达到稳定状态，即此后I和E的变化率为0，那么：

I（k+1）-I(k)=0,I(k)-I(k-1)≠0;

E（k+1）-E(k)=0,E(k)-E(k-1)≠0

代入式（11）可得，φI(k)=φE(k)=1。此时，式（10）可简化为式（8），可见式（8）只是式（10）在系统达到稳定状态时的特例。

第二种情况，如果在t = k前后，生态与产业子系统的变化率维持不变，即在t = k和t = k＋1时林业产业水平增长率rI和森林生态水平增长率rE不变。代入式（11）可得：φI(k) =φE(k) = 0。于是，式（10）可简化为：

α(k)=-I(k)/E(k),β(k)=-E(k)/I(k)（12）

此时，α(k)<0，β(k)<0。说明在t = k时，生态与产业子系统是互利共生的。

4林业生态安全综合特征指数的构造

4.1由竞争系数向共生受力系数转换

根据前述LV模型中竞争系数的含义，以及笔者于2013年提出的生态与产业共生模式谱系［16］，可以建立森林生态—林业产业复合系统的竞争系数α(k)和β(k)与共生模式的对应关系（图3）。在图3中，“(A, B)”表示生态与产业共生模式的相互作用性质，第一个维度A表示产业子系统受到生态子系统共生作用的受力情况，第二个维度B表示生态子系统受到产业子系统共生作用的受力情况。A、B为“＋”、“－”或“0”三种情况之一，分别表示该子系统的受力为正、负和零。

由图3可见，共生作用的受力方向与竞争系数的符号正好相反。由此，我们可以定义森林生态—林业产业复合系统的共生受力系数：

SI(k)=-α(k)=-［φI(k)C(k)-I(k)］/E(k),

SE(k)=-β(k)=-［φE(k)C(k)-E(k)］/I(k)（13）

式中，SI(k)为林业产业受到森林生态共生作用的受力系数，简称产业共生受力系数，或产业受力系数；SE(k)为森林生态受到林业产业共生作用的受力系数，简称生态共生受力系数，或生态受力系数。

4.2由共生受力系数构造共生度指数

由图3可知，根据共生受力系数的正负号可以判断出森林生态与林业产业子系统共生关系的模式，但是还是无法从数量上判断某种模式下共生关系的优劣程度。为了便于定量测度林业生态安全，我们利用共生受力系数构造出森林生态—林业产业复合系统的共生度指数S(k)，作为林业生态安全的综合特征指数：

S(k)=SI(k)+SE(k)S2I(k)+S2E（k）,SI(k)和SE(k)不同时为0（14）

根据算术平均值与几何平均值不等式，

|SI(k)+SE(k)|/2≤S2I(k)+S2E（k）/2,等号只当SI(k)=SE(k)时成立（15）

可知，|S(k)|=|SI(k)+SE(k)|S2I(k)+S2E（k）≤2;SI(k)和SE(k)不同时为0，等号只当SI(k)=SE(k)时成立(16)

共生度指数S(k)具有明确的生态经济意义，反映了森林生态与林业产业子系统的共生关系的优劣程度。根据式（16），S(k)的值域为［-2,2］，数值越大越共生状态越好，趋于互利共生（又称为绿色共生［17］）状态；越小则越共生状态越差，趋于互害（竞争）状态。

5基于共生空间的林业生态安全判据

5.1共生度指数与生态安全的关系分析

共生度指数S是影响林业生态安全性的重要因素，但两者并不存在简单的对应关系。为了进一步认识共生度指数与林业生态安全性之间的相互关系，我们在由共生受力系数SI和SE所构成的二维坐标系中，描绘图3所示的共生关系图谱以及共生度指数S的等值线（图4）。根据笔者先前提出的林业生态安全的内涵与特性［4］以及生态—产业共生空间的椭圆演化模型［16］，可以在二维共生空间中将林业生态安全性分为6个区域：亚健康区（生态强利）、风险区（生态弱利，即产业受限、受阻）、高风险区（互害，即竞争）、危险区（生态强害，即产业寄生、捕食）、康复区（生态弱害）、健康区（互利共生）。图4中，共生度指数S =0的等值线为生态安全底线，这条底线的左下方图3森林生态—林业产业复合系统共生模式与竞争系数的关系

Fig.3Relationship between symbiosis modes and competition coefficients in

forest ecologyindustry compound system

图4林业生态安全性的二维共生空间动态结构

Fig.4FES dynamic structure in twodimensional

symbiotic space

区域的共生度指数S<0，而在其右上方区域S>0。根据环境库兹涅茨理论和人类文明的演进规律，生态安全性的也具有渐进变化的规律。在亚健康区，虽然生态受力为正，但这是由于产业受力为负而导致的生态安全的良好状况，这是一种非稳定的生态安全性。随着产业的发展，生态安全性将下降至风险区，然后从风险区下降至高风险区和危险区。如果人类社会充分重视并积极推进生态环境保护，就可能从危险区越过底线进入康复区，生态安全状况将出现好转。此后，随着环境经济的进一步协调发展，生态安全有可能达到互利共生的稳定健康状态。其中，共生度指数S =1的等值线为生态安全阈值线，它是生态安全康复区进入健康区的门槛。

5.2林业生态安全判断矩阵构建

由于林业生态安全所涉及森林生态—林业产业复合系统的高度复杂性，我们无法在一个维度上用单一的特征指数来简单表述生态安全的状态和趋势。由图4可见，林业生态安全性可以且需要根据两个特征指数进行综合判断。第一个特征指数是生态受力系数SE。SE=0的直线（即横坐标）把图4的共生空间分为2个区域：横坐标的上半部分（第一和第二象限）为生态获利区域；横坐标的下半部分（第三和第四象限）为生态受害区域。第二个特征指数是共生度指数S。S=0的直线（即生态安全底线）也把共生空间分为2个区域：S=0直线右上方是生态安全的脱险区；S=0直线左下方是生态安全的涉险区。进一步地，根据图4中的信息，我们可以更加清晰地绘制出各生态安全性区域与这两个特征指数的关系曲线（图5）。由图5可见，共生度指数S曲线在横坐标轴上超前于生态受力系数SE曲线，这是因为共生度是导致生态受力的原因。

根据以上分析，我们可以得到图6所示的林业生态安

图5共生度指数和生态受力系数曲线

Fig.5Curves of symbiotic degree index and force

coefficient on ecosystem

图6林业生态安全级别的双特征动态判断矩阵

Fig.6Bicharacteristic dynamic judgment

matrix for FES rating

全级别的双特征动态判断矩阵。在图6中，生态受力的正向区域是生态子系统获利区，包括生态安全稳定区（生态与产业互利共生）和非稳定区（生态单利）。前者的生态安全级别为健康级，后者包含亚健康级（蓝色预警）和风险级（黄色预警）。生态受力的负向区域是生态子系统受害区，包括生态安全下降区和生态安全转折区。前者的生态安全级别包含高风险级（橙色预警）和危险级（红色预警），后者为康复级。其中，生态安全康复级又可细分为3个级别：0 ≤S<1/3为低康复级（橙色预警），1/3 ≤S<2/3为中康复级（黄色预警），2/3≤S<1为高康复级（蓝色预警）。至于相邻生态安全性区域的交界处的归属，一律按图4或图6的逆时针方向归入下一个级别。

综上所述，林业生态安全性可以划分为6个区域和8个安全级别：亚健康区/级、风险区/级、高风险区/级、危险区/级、康复区（含低康复级、中康复级、高康复级）、健康区/级。以及4个预警级别：蓝色预警级（含亚健康级或高康复级）、黄色预警级（含风险级或中康复级）、橙色预警级（含高风险级或低康复级）、红色预警级（危险级）。

6结语：本文方法的特点与优势

本文之所以采用“测度”一词，是为了区别单纯的“评价”。测度，顾名思义就是测而度之。这里“测”指测评，包含监测、核算和评价等过程；“度”指确定程度，即对“测”的结果进行分析、判断和定性，并确定预警级别和未来趋势等。在具体测度技术上，本文方法具有以下几个突出的特点和优势。

6.1指标体系与特征指数的耦合与解耦：优势互补

本文推导出了从指标体系到特征指数，直至林业生态安全测度判据的完整耦合过程（见图7）：根据SEM可以得到各指标的权重系数，从而实现从单项指标到基本指数的权重耦合；根据林业LV共生模型，可以实现从基本指数到竞争系数，再从共生受力系数到共生度综合特征指数的共生耦合；根据林业生态安全性的共生空间演化规律，可以实现从综合特征指数和生态受力系数到林业生态安全级别的双特征动态判断矩阵的演化耦合。然后，根据图7，又可以反过来进行林业生态安全性的逆向回溯解耦，从而逐层分析影响生态安全的原因。通过上述耦合与解耦过程，一方面能够得到具有明确生态经济意义的特征指数，便于管理者和公众理解和运用林业生态安全的测度结果；另一方面又能够追溯到各单项指标的原始数值，便于从产生生态安全问题的主要原因入手，制定具体有效的管理措施。

6.2结构化和定量化建模技术：降低主观随意性

本文方法为林业生态安全测度提供了一种更加科学的结构化和定量化手段。首先，FESPSIR结构模型为SEM及其指标体系的构建提供了理论依据和逻辑框架。其次，通过SEM方法，可以对指标体系进行检验和完善，并客观定量地确定指标权重，最大限度地降低了主观随意性。再次，根据共生度指数，可以科学地确定林业生态安全的阈值和底线，并对林业生态安全转折区进行更加细化的级别划分。

6.3双特征动态判断矩阵：前因性预警＋后果性预测

图6所示的林业生态安全判断矩阵改进了笔者先前提出的林业生态安全度的双特征判断矩阵［4］。与原方法图7林业生态安全测度指标体系与特征指数的耦合路线

Fig.7Coupling routes between indicators system and characteristic indexes for FES measuring相比，本文的新方法具有以下优点。

（1）用已知的生态受力系数取代生态—产业成熟度，简化了林业生态安全测度算法。

（2）原判断方法认为生态—产业成熟度高时，其生态安全性优于成熟度低的情况，这只是一种主观假设，缺乏科学依据。而新方法用共生度S对生态安全状态进行定量，并用生态受力系数SE的正负号对同一共生度下的生态安全状态进行定性，使得判定方法更加科学和简便。

（3）原方法通过对林业生态安全的前因——生态与产业共生度的测度，实现了生态安全的“前因性预警”，避免了“就生态论生态”的传统方法的滞后性。本文新方法在此基础上，通过研究林业生态安全在共生空间的动态演化规律，构建了林业生态安全级别动态判断矩阵，从而能够预测生态安全性的未来走势。也就是说，新测度方法在前因性预警的基础上又进一步实现了“后果性预测”。

6.4本文测度方法的应用价值：提高测控有效性

本文方法的前因性预警和后果性预测作用使林业生态安全测控技术得到了实质性提升，极大地提高了该方法的应用价值。从图4和图6可见，对于同样的生态健康状态和预警级别，本文方法可以根据它们在生态与产业的共生关系上的差异，区分出它们在生态安全演化过程中的不同阶段（如高风险和低康复），从而预测它们未来的不同演化趋势，以便采取针对性更强的控制措施。例如，如果某地区生态安全级别属于高风险级，说明生态和产业处于相互竞争和互害的严重状态，并朝着危险级发展。因此，必须采取有力措施降低生态损害，尽量缩短或避免生态强害的危险级过程，尽快进入生态弱害的康复级。如果生态安全处于危险级，说明该地区林业生态安全很可能进入不可逆转的严峻状态。这时的关键问题是要尽一切努力终止生态安全的继续恶化，并积极实现生态安全状态的转折，使之尽快步入康复级，否则后果将不堪设想。如果生态安全处于低康复级，说明该地区已进入了生态安全的转折区，此时需要大力发展循环经济和绿色经济，使林业系统朝着生态与产业互利共生的方向发展。可见，本文所提出的基于共生理论的林业生态安全动态测度方法能够提供更加全面的生态安全的状态、预警和预测信息，因而对林业生态安全的监测与控制具有更加显著的实际应用价值，而传统的一维评价方法是无法做到这一点的。

本文给出的测度方法已在我国林业生态安全测度的实际应用中取得了良好的效果。限于篇幅，关于结构方程模型的具体构建、我国不同区域和不同时期林业生态安全测度等实证研究成果，我们将分期陆续发表。

（编辑：李琪）

参考文献(References)

［1］Woodall C W, Morin R S, Steinman J R, et al. Comparing Evaluations of Forest Health Based on Aerial Surveys and Field Inventories: Oak Forests in the Northern United States ［J］. Ecological Indicators, 2010, 10(3): 713-718.

［2］Ireneusz O, Tomasz O, Dorota, H. Evaluation of Health Status of Forest Ecosystems in Sudetes after Ecological Disaster with Special Regard to Revitalization of Forest Soils and Its Influence on Regeneration ［J］. Opera Corcontica, 2004, 41: 421-433.

［3］米锋，潘文婧，朱宁，等. 模糊综合评价法在森林生态安全预警中的应用 ［J］. 东北林业大学学报，2013，41(6)：66-71，75. ［Mi Feng, Pan Wenjing, Zhu Ning, et al. Application of Fuzzy Comprehensive Evaluation in Forest Ecological Security Warning ［J］. Journal of Northeast Forestry University, 2013, 41(6): 66-71, 75.］

［4］张智光. 基于生态—产业共生关系的林业生态安全测度方法构想 ［J］. 生态学报，2013，33(4)：1326-1336. ［Zhang Zhiguang. Methodology for Measuring Forestry Ecological Security Based on EcologyIndustry Symbiosis: A Research Framework ［J］. Acta Ecologica Sinica, 2013, 33(4): 1326-1336.］

［5］魏彬，杨校生，吴明，等. 海岛林业生态安全评价 ［J］. 南京林业大学学报：自然科学版，2010，34(4)：161-164. ［Wei Bin, Yang Xiaosheng, Wu Ming, et al. Evaluation of Forest Ecological Security for Island ［J］. Journal of Nanjing Forestry University：Natural Sciences Edition, 2010, 34(4): 161-164.］

［6］张频，张邦文，蔡海生，等. 江西省林业生态安全物元分析评价 ［J］. 江西农业大学学报，2013，35(4)：791-797. ［Zhang Pin, Zhang Bangwen, Cai Haisheng, et al. Evaluation of Forestry Ecological Security Based on Matter Element Analysis ［J］. Acta Agriculturae Universitatis Jiangxiensis, 2013, 35(4): 791-797.］

［7］谢煜，张智光. 林业生态与产业共生协调度理论与评价模型研究 ［M］. 北京：中国林业出版社，2012. ［Xie Yu, Zhang Zhiguang. Harmonious Symbiosis Theory and Evaluation Model for Forestry Ecology and Forestry Industry System ［M］. Beijing: China Forestry Publishing House, 2012.］

［8］张智光. 绿色供应链视角下的林纸一体化共生机制 ［J］. 林业科学，2011，47(2)：111-117. ［Zhang Zhiguang. Symbiosis Mechanism of ForestryPaper Integration from the Perspective of Green Supply Chain ［J］. Scientia Silvae Sinicae, 2011, 47(2): 111-117.］

［9］Wolfslehner B, Vacik H. Evaluating Sustainable Forest Management Strategies with the Analytic Network Process in a Pressurestateresponse Framework ［J］. Journal of Environmental Management, 2008, 88(1): 1-10.

［10］张智光. 绿色中国(第一卷)：理论、战略与应用 ［M］. 北京：中国环境科学出版社，2010. ［Zhang Zhiguang. Green China (Vol.Ⅰ): Theory, Strategy and Application ［M］. Beijing: China Environmental Science Press, 2010.］

［11］张智光. 绿色中国(第二卷)：绿色共生型供应链模式 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅱ): Mode of Green Symbiosis Supply Chain ［M］. Beijing: China Environmental Science Press, 2011.］

［12］张智光. 绿色中国(第三卷)：绿色共生模式的运作 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅲ): Operation of Green Symbiosis Mode ［M］. Beijing: China Environmental Science Press, 2011.］

［13］张智光. 林纸循环经济系统的资源、生态和价值链拓展模型 ［J］. 中国人口·资源与环境，2012，22(12)：46-53. ［Zhang Zhiguang. System Models of ForestryPaper Circular Economy Expanded in Resources Chain，EcoChain and Value Chain ［J］. China Population, Resources and Environment, 2012, 22(12): 46-53.］

［14］Faria T. Stability and Extinction for LotkaVolterra Systems with Infinite Delay ［J］. Journal of Dynamics & Differential Equations, 2010, 22(2): 299-324.

［15］李兴莉，申虎兰，冯玉广. Logistic和LotkaVolterra模型参数的灰色估计方法研究 ［J］. 大学数学，2004，20(6)：82-87. ［Li XingLi, Shen HuLan, Feng YuGuang. Study on the Parameter Gray Estimation of Logistic and LotkaVolterra Model ［J］. College Mathematics, 2004, 20(6): 82-87.］

［16］张智光. 人类文明与生态安全：共生空间的演化理论 ［J］. 中国人口·资源与环境，2013，23(7)：1-8. ［Zhang Zhiguang. Evolutionary Theory of Human Civilization and Ecological Security in Symbiotic Space ［J］. China Population, Resources and Environment, 2013, 23(7): 1-8.］

［17］张智光. 实现产业与生态互利共生的林业绿色供应链模式研究 ［J］. 南京林业大学学报：自然科学版，2012，36(2)：3-10. ［Zhang Zhiguang. Research on the Mode of Forestry Green Supply Chain for Mutualism between Industry and Ecology. Journal of Nanjing Forestry University：Natural Sciences Edition, 2012, 6(2): 3-10.］

Measuring Model and Criterion of Forestry Ecological Security by

Symbiotic Coupling Method

ZHANG Zhiguang1,2

（1. College of Economics and Management, Nanjing Forestry University, Nanjing Jiangsu 210037, China;

2. System Engineering Institute for Environment and Development, Nanjing Forestry University, Nanjing Jiangsu 210037, China）

AbstractMeasuring model, algorithm and criterion of forestry ecological security (FES) are derived and improved based on ecologyindustry symbiosis theory, in order to develop an operable and practical technology of FES measuring. Not only for remaining the ecological economy significance of FES characteristic index, but also for tracing FES problem back to its reasons through indicators system, LotkaVolterra symbiosis model of forest ecologyindustry compound system (forestry LV symbiosis model) is established to couple indicators system to characteristic indexes. First of all for this purpose, the indicators system of FES measuring is set up by a structured and quantified method that includes FES pressurestateimpactresponse structure model (FESPSIR model) and structural equation modeling (SEM). At the same time，the weight coefficients of the indicators are calculated by the above SEM to overcome the subjectivity in traditional weighting ways. Then according to the weight coefficients and the forestry LV symbiosis model, a composite characteristic indexforest ecologyindustry symbiotic degree is constructed by coupling lowerhierarchy indicators to higherhierarchy characteristic indexes. On that basis, the dynamic judgment matrix for FES rating is built, which has two dimensions of symbiotic degree and force coefficient on ecosystem, by analyzing dynamic evolvement rule of FES in symbiotic space. The research shows that the efficiency of FES measuring and controlling technology can be enhanced greatly based on the method developed in this thesis. Firstly, the method has ‘causative prewarning function for FES, because the symbiotic degree index is the cause of FES, so that the hysteresis of traditional methods, in which FES cause factors arent considered, is overcome. Secondly, ‘causative prewarning and ‘consequent forecasting function are realized by this method, because the future trend of FES can be forecasted by the dynamic judgment matrix. Thirdly, possible detailed reasons of FES problem can be traced back through a decoupling process in the opposite direction of the above mentioned symbiotic coupling measuring, in order to provide scientific basis for relevant government departments to adopt effective measures on FES management.

Key wordsforestry ecological security; symbiosis; measure; indicators system; characteristic index; LotkaVolterra model

［10］张智光. 绿色中国(第一卷)：理论、战略与应用 ［M］. 北京：中国环境科学出版社，2010. ［Zhang Zhiguang. Green China (Vol.Ⅰ): Theory, Strategy and Application ［M］. Beijing: China Environmental Science Press, 2010.］

［11］张智光. 绿色中国(第二卷)：绿色共生型供应链模式 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅱ): Mode of Green Symbiosis Supply Chain ［M］. Beijing: China Environmental Science Press, 2011.］

［12］张智光. 绿色中国(第三卷)：绿色共生模式的运作 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅲ): Operation of Green Symbiosis Mode ［M］. Beijing: China Environmental Science Press, 2011.］

［13］张智光. 林纸循环经济系统的资源、生态和价值链拓展模型 ［J］. 中国人口·资源与环境，2012，22(12)：46-53. ［Zhang Zhiguang. System Models of ForestryPaper Circular Economy Expanded in Resources Chain，EcoChain and Value Chain ［J］. China Population, Resources and Environment, 2012, 22(12): 46-53.］

［14］Faria T. Stability and Extinction for LotkaVolterra Systems with Infinite Delay ［J］. Journal of Dynamics & Differential Equations, 2010, 22(2): 299-324.

［15］李兴莉，申虎兰，冯玉广. Logistic和LotkaVolterra模型参数的灰色估计方法研究 ［J］. 大学数学，2004，20(6)：82-87. ［Li XingLi, Shen HuLan, Feng YuGuang. Study on the Parameter Gray Estimation of Logistic and LotkaVolterra Model ［J］. College Mathematics, 2004, 20(6): 82-87.］

［16］张智光. 人类文明与生态安全：共生空间的演化理论 ［J］. 中国人口·资源与环境，2013，23(7)：1-8. ［Zhang Zhiguang. Evolutionary Theory of Human Civilization and Ecological Security in Symbiotic Space ［J］. China Population, Resources and Environment, 2013, 23(7): 1-8.］

［17］张智光. 实现产业与生态互利共生的林业绿色供应链模式研究 ［J］. 南京林业大学学报：自然科学版，2012，36(2)：3-10. ［Zhang Zhiguang. Research on the Mode of Forestry Green Supply Chain for Mutualism between Industry and Ecology. Journal of Nanjing Forestry University：Natural Sciences Edition, 2012, 6(2): 3-10.］

Measuring Model and Criterion of Forestry Ecological Security by

Symbiotic Coupling Method

ZHANG Zhiguang1,2

（1. College of Economics and Management, Nanjing Forestry University, Nanjing Jiangsu 210037, China;

2. System Engineering Institute for Environment and Development, Nanjing Forestry University, Nanjing Jiangsu 210037, China）

AbstractMeasuring model, algorithm and criterion of forestry ecological security (FES) are derived and improved based on ecologyindustry symbiosis theory, in order to develop an operable and practical technology of FES measuring. Not only for remaining the ecological economy significance of FES characteristic index, but also for tracing FES problem back to its reasons through indicators system, LotkaVolterra symbiosis model of forest ecologyindustry compound system (forestry LV symbiosis model) is established to couple indicators system to characteristic indexes. First of all for this purpose, the indicators system of FES measuring is set up by a structured and quantified method that includes FES pressurestateimpactresponse structure model (FESPSIR model) and structural equation modeling (SEM). At the same time，the weight coefficients of the indicators are calculated by the above SEM to overcome the subjectivity in traditional weighting ways. Then according to the weight coefficients and the forestry LV symbiosis model, a composite characteristic indexforest ecologyindustry symbiotic degree is constructed by coupling lowerhierarchy indicators to higherhierarchy characteristic indexes. On that basis, the dynamic judgment matrix for FES rating is built, which has two dimensions of symbiotic degree and force coefficient on ecosystem, by analyzing dynamic evolvement rule of FES in symbiotic space. The research shows that the efficiency of FES measuring and controlling technology can be enhanced greatly based on the method developed in this thesis. Firstly, the method has ‘causative prewarning function for FES, because the symbiotic degree index is the cause of FES, so that the hysteresis of traditional methods, in which FES cause factors arent considered, is overcome. Secondly, ‘causative prewarning and ‘consequent forecasting function are realized by this method, because the future trend of FES can be forecasted by the dynamic judgment matrix. Thirdly, possible detailed reasons of FES problem can be traced back through a decoupling process in the opposite direction of the above mentioned symbiotic coupling measuring, in order to provide scientific basis for relevant government departments to adopt effective measures on FES management.

Key wordsforestry ecological security; symbiosis; measure; indicators system; characteristic index; LotkaVolterra model

［10］张智光. 绿色中国(第一卷)：理论、战略与应用 ［M］. 北京：中国环境科学出版社，2010. ［Zhang Zhiguang. Green China (Vol.Ⅰ): Theory, Strategy and Application ［M］. Beijing: China Environmental Science Press, 2010.］

［11］张智光. 绿色中国(第二卷)：绿色共生型供应链模式 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅱ): Mode of Green Symbiosis Supply Chain ［M］. Beijing: China Environmental Science Press, 2011.］

［12］张智光. 绿色中国(第三卷)：绿色共生模式的运作 ［M］. 北京：中国环境科学出版社，2011. ［Zhang Zhiguang. Green China (Vol.Ⅲ): Operation of Green Symbiosis Mode ［M］. Beijing: China Environmental Science Press, 2011.］

［13］张智光. 林纸循环经济系统的资源、生态和价值链拓展模型 ［J］. 中国人口·资源与环境，2012，22(12)：46-53. ［Zhang Zhiguang. System Models of ForestryPaper Circular Economy Expanded in Resources Chain，EcoChain and Value Chain ［J］. China Population, Resources and Environment, 2012, 22(12): 46-53.］

［14］Faria T. Stability and Extinction for LotkaVolterra Systems with Infinite Delay ［J］. Journal of Dynamics & Differential Equations, 2010, 22(2): 299-324.

［15］李兴莉，申虎兰，冯玉广. Logistic和LotkaVolterra模型参数的灰色估计方法研究 ［J］. 大学数学，2004，20(6)：82-87. ［Li XingLi, Shen HuLan, Feng YuGuang. Study on the Parameter Gray Estimation of Logistic and LotkaVolterra Model ［J］. College Mathematics, 2004, 20(6): 82-87.］

［16］张智光. 人类文明与生态安全：共生空间的演化理论 ［J］. 中国人口·资源与环境，2013，23(7)：1-8. ［Zhang Zhiguang. Evolutionary Theory of Human Civilization and Ecological Security in Symbiotic Space ［J］. China Population, Resources and Environment, 2013, 23(7): 1-8.］

［17］张智光. 实现产业与生态互利共生的林业绿色供应链模式研究 ［J］. 南京林业大学学报：自然科学版，2012，36(2)：3-10. ［Zhang Zhiguang. Research on the Mode of Forestry Green Supply Chain for Mutualism between Industry and Ecology. Journal of Nanjing Forestry University：Natural Sciences Edition, 2012, 6(2): 3-10.］

Measuring Model and Criterion of Forestry Ecological Security by

Symbiotic Coupling Method

ZHANG Zhiguang1,2

（1. College of Economics and Management, Nanjing Forestry University, Nanjing Jiangsu 210037, China;

2. System Engineering Institute for Environment and Development, Nanjing Forestry University, Nanjing Jiangsu 210037, China）

AbstractMeasuring model, algorithm and criterion of forestry ecological security (FES) are derived and improved based on ecologyindustry symbiosis theory, in order to develop an operable and practical technology of FES measuring. Not only for remaining the ecological economy significance of FES characteristic index, but also for tracing FES problem back to its reasons through indicators system, LotkaVolterra symbiosis model of forest ecologyindustry compound system (forestry LV symbiosis model) is established to couple indicators system to characteristic indexes. First of all for this purpose, the indicators system of FES measuring is set up by a structured and quantified method that includes FES pressurestateimpactresponse structure model (FESPSIR model) and structural equation modeling (SEM). At the same time，the weight coefficients of the indicators are calculated by the above SEM to overcome the subjectivity in traditional weighting ways. Then according to the weight coefficients and the forestry LV symbiosis model, a composite characteristic indexforest ecologyindustry symbiotic degree is constructed by coupling lowerhierarchy indicators to higherhierarchy characteristic indexes. On that basis, the dynamic judgment matrix for FES rating is built, which has two dimensions of symbiotic degree and force coefficient on ecosystem, by analyzing dynamic evolvement rule of FES in symbiotic space. The research shows that the efficiency of FES measuring and controlling technology can be enhanced greatly based on the method developed in this thesis. Firstly, the method has ‘causative prewarning function for FES, because the symbiotic degree index is the cause of FES, so that the hysteresis of traditional methods, in which FES cause factors arent considered, is overcome. Secondly, ‘causative prewarning and ‘consequent forecasting function are realized by this method, because the future trend of FES can be forecasted by the dynamic judgment matrix. Thirdly, possible detailed reasons of FES problem can be traced back through a decoupling process in the opposite direction of the above mentioned symbiotic coupling measuring, in order to provide scientific basis for relevant government departments to adopt effective measures on FES management.

Key wordsforestry ecological security; symbiosis; measure; indicators system; characteristic index; LotkaVolterra model