基于均方差决策法的淮北市生态承载力评价

任彩凤, 程艳妹, 郑欣, 周立志

基于均方差决策法的淮北市生态承载力评价

任彩凤, 程艳妹, 郑欣, 周立志*

安徽大学资源与环境工程学院, 安徽大学矿山环境修复与湿地生态安全协同创新中心, 合肥 230601

生态弹性力、承载媒体支撑力、承载对象压力是生态承载力的三个重要要素, 分析这些要素的变化特征是评价区域可持续发展状态的有效手段。从生态承载力的三个要素着手, 构建淮北市生态承载力评价指标体系, 采用均方差决策法确定评价指标权重, 利用多元逐步回归分析进行因子筛选, 定性分析2010—2016年间淮北市生态承载力变化状况。结果表明: 淮北市在2010—2016年间, 生态弹性力具有明显的上升趋势, 指数由2010年的0.2570升高至2016年的0.9126, 2012年以后一直处于中级到较高级的自我维持和调节状态; 承载媒体支撑力整体稳步上升, 指数由0.2592上升到0.7212, 表明淮北市生态系统的支撑能力在2012年以后一直处于中级到高级的水平; 承载对象压力指数的变化趋势与承载对象压力的变化趋势相反, 表明承载对象的压力呈先增加后减少而后又迅速增加的趋势; 生态承载力具有波动上升趋势, 2012年后一直处于中到高的承载状态, 表明淮北市生态承载能力有良好的发展趋势, 但依赖煤炭开采的发展模式导致的资源耗费、环境污染等问题仍然制约着“自然—经济—社会”复合生态系统的协调发展, 向生态型城市转型势在必行。

生态承载力; 均方差决策法; 生态弹性力; 承载媒体支撑力; 承载对象压力

0 前言

区域生态系统是一个由自然、社会和经济系统构成的复合生态系统, 其可持续发展受到人们的广泛关注。生态承载力概念在20世纪二十年代被简单地引入生态学研究领域[1–6], 随着人类对自然资源和环境的破坏, 针对资源或环境的单要素承载力研究逐渐兴起[7–8], 随着经济发展, 针对单一要素承载力研究的局限性越来越突出[9]。综合性的生态承载力概念, 即在确保资源合理开发利用和生态环境良性循环, 以及区域间保持一定物质交流规模的情况下, 区域生态系统能够承载的人口社会规模及其相应经济方式总量的能力[10], 逐渐受到重视。生态承载力的内涵包括三方面内容: (1)生态系统的自我维持和调节能力, 即生态系统的弹性力; (2)区域内资源与环境的可持续供给和容纳能力以及社会进步与经济发展带给承载媒体的支撑作用; (3)资源损耗、环境污染以及人口和经济增长带给系统的压力[10]。区域生态系统包括资源、环境、社会和经济子系统, 复合生态系统的可持续发展要求人类活动不能超出生态系统的承载范围[11], 人类社会与资源、环境之间的协调发展是实现区域可持续发展的基础[12], 生态承载力是评价区域发展是否处于可持续发展范围的有效手段。

资源型城市是以本地区自然资源开采、加工为主导产业的城市类型[13–14], 其发展具有单一性和周期性。当资源开发进入后期或末期时发展处于枯竭状态, 形成了资源枯竭型城市[15]。掠夺式的开采模式导致资源枯竭型城市普遍面临生态环境破坏、产业发展乏力、贫困人口增多等问题, 给生态环境带来巨大压力, 制约区域经济社会的发展。

淮北市是典型的煤炭资源枯竭型城市, 生态环境的破坏影响资源、环境、社会和经济协调发展的前景[14,16], 生态弹性力、支撑力和压力决定了生态承载力, 是解决淮北市发展与生态环境关系的落脚点。前人对淮北市“自然—经济—社会”复合系统的研究多采用生态足迹法, 对承载力进行时间序列的定量分析[17–19], 具有生态偏向性和估算遗漏性[20–21]。本研究从生态承载力的三个要素着手, 通过构建淮北市生态承载力评价指标体系, 从资源、环境、社会、经济四方面定性分析生态承载力, 弥补了生态足迹模型中缺失的人类活动对社会和经济的影响。采用均方差决策法对淮北市2010—2016年各评价指标进行权重赋值, 结合均方差决策法和多元逐步回归分析模型筛选生态承载力影响因子[14,22–27], 综合评价各因子的影响程度, 完善生态足迹模型中人类活动对社会和经济的影响分析, 为淮北市可持续发展提供对策[28]。

1 研究区概况

淮北市位于安徽省北部, 因煤建市[18], 地处东经116°23′—117°02′北纬33°16′—34°14′之间, 总面积2741 km2, 辖3个市辖区(杜集区、相山区、烈山区)、一个县(濉溪县), 其中濉溪县面积1987.5 km2, 市区面积753.5 km2。淮北市是中国的能源基地[18], 境内已发现矿产56种, 已探明储量的有16种, 其中煤炭资源最为丰富。截至2015年底, 全市土地总面积274138.81 ha, 其中耕地约占61.27%, 耕地资源较少, 土地开发利用程度较高。淮北市因煤炭开采每年塌陷土地约667—800 ha, 据不完全统计, 全市已累计塌陷土地约20666.7 ha, 其中80%为土质良好的耕地。《淮北统计年鉴2017》数据显示, 2016年底全市户籍人口216.5万人, 城镇化率达到50.1%, 人均耕地面积为774.3 m2, 人口自然增长率为8.39‰, 生产总值为799.0亿元。人口的快速增长, 耕地面积的持续减少、煤炭资源的过度开采, 破坏生态平衡、加剧环境污染, 使自然—经济—社会的可持续发展面临严重挑战。

2 研究方法

2.1 构建评价指标体系

淮北市的可持续发展依托于复合生态系统内资源、环境、社会、经济四个子系统之间的协调、同步发展, 因此根据生态承载力的定义和内涵, 基于压力—状态—响应模型, 本研究将生态承载力作为目标层, 将生态系统的自我维持、自我调节的弹性力、复合生态系统中资源与环境的可持续供给与容纳能力以及社会和经济发展提供的支撑力及资源消耗、环境污染以及人口对复合生态系统带来的压力作为评价指标体系的准则层。根据淮北市实际发展状况设计评价指标体系的因素层: 生态弹性力, 反应特定生态系统的缓冲与调节能力, 不受人类社会影响, 是生态系统自身状态决定的[12,29], 选取气候、水文和地物覆被作为因素层; 承载媒体的支撑力, 是生态承载力状况最直观的反应, 选取资源供给、环境治理、经济发展和社会进步作为因素层; 承载对象的压力, 反映发展质量和发展中存在的问题, 选取资源消耗、社会压力和环境污染作为因素层。根据区域特征, 筛选具有淮北市自身发展特点的32个因子作为指标层(表1)。

表1 淮北市生态承载力评价指标体系

2.2 数据来源

本研究数据主要来源于《安徽省统计年鉴》(2011—2017年)、《淮北统计年鉴》(2011—2017年)、《淮北市国民经济和社会发展统计公报》(2011—2017年)、《安徽省水资源公报》(2011—2017年)。其中一些数据是通过所得统计数据计算得来, 包括人均耕地面积、人均标煤产量、人均水资源量、工业SO2去除率、科教支出占全部支出比重、城乡居民人均生活用电量、2014年的单位生产总值能耗。

2.3 评价指标标准化处理

多指标综合评价研究中, 由于各指标单位不同、量纲不统一, 指标间缺乏可比性, 因此要对原始数据进行处理, 使各指标在同一数量级上进行比较研究。本研究采用极差标准化法, 将指标分为属性值越大越好的正趋向指标、越小越有利的负趋向指标及属性值逼近于最优值为好的中性指标, 将正、负及中性指标转化为均为正值的标准化指标[30]。具体方法如下[31–32]:

式中:Y为指标的标准化值,X为指标值,P为指标最优值, maxX和minX分别为指标的最大值和最小值, 且0≤Y≤1。

2.4 评价指标间的相关性检验

利用SPSS 22.0软件计算所选取的32个评价指标间的相关性显著水平, 若>0.05, 说明两者相关关系不显著, 可认为指标间是相互独立的, 可以进行多元逐步回归分析; 若<0.05, 说明两者存在显著的相关关系, 此时采用字母标记法对有相关性的各指标进行分析取舍[33–37]。结合相关性检验结果, 最终确定淮北市生态承载力评价指标体系(表3)。

2.5 评价指标权重赋值

本研究采用均方差决策法确定各指标权重。均方差决策法是一种客观赋权法, 根据各评价指标属性值的相对离散程度来确定权重大小[38], 能有效避免人为因素引起的决策偏差以及主观赋权法中的随机性[39], 使评价结果更科学。具体步骤如下[31]:

按照上述步骤, 逐一计算得到指标层、因素层、准则层和目标层权重, 最终得到综合权重结果(表3)。准则层权重大小和指标层综合权重大小可分别直接反应各准则和各指标对生态承载力的影响程度, 权重大小与对生态承载力的影响程度呈正比例关系, 权重越大, 影响程度越大。

2.6 生态承载力三个要素的影响因子筛选

通过均方差决策法计算得到的准则层权重和指标综合权重可以直观地反映各准则和各指标对生态承载力的影响大小[29], 为了进一步发掘淮北市生态承载力潜力, 扩大淮北市可持续发展的空间[14], 以各准则层评价指数为因变量, 各指标标准化结果为自变量, 利用SPSS 22.0软件对生态弹性力、承载媒体支撑力和承载对象压力分别进行多元回归分析, 筛选出对其发展影响较大的因子[14,22–26], 进行综合评价。

2.7 建立评价等级标准

评价标准根据指数大小进项分级, 参照有关研究成果, 确定评价等级以0.2为基本刻度单位, 指数越大等级越高[21,31,40], 共分5级(表2)。

3 结果

3.1 淮北市生态承载力评价指标体系

运用SPSS 22.0进行相关性分析, 得到评价指标两两之间的显著性水平(值), 结果显示: 城市污水处理率与工业SO2去除率、科教支出占全部支出比重、第三产业占GDP比重、采矿业从业人员比重存在显著的相关关系,值分别为0.039、0.047、0.048、0.031; 单位生产总值电耗与工业SO2去除率、采矿业从业人员比重的相关性较高,值分别为0.043、0.034; 户籍人口总数与采矿业从业人员比重显著相关,值为0.042; 其余各指标两两之间的显著性水平均满足>0.05, 可认为这些指标间是相互独立的。采用字母标记法分析具有相关性的各指标, 舍弃城市污水处理率、单位生产总值电耗和户籍人口总数这3个指标, 最终选取具有统计学意义的29个指标, 确定淮北市生态承载力评价指标体系。

表2 淮北市生态承载力综合评价等级表

均方差决策法计算生态承载力评价指标体系各层权重及综合权重, 结果如表3所示。

准则层权重大小顺序如下: 承载媒体的支撑力(0.4266)>承载对象的压力(0.3761)>生态弹性力(0.1973), 表明承载媒体的支撑力对生态承载力的影响程度最大, 承载对象的压力的影响程度次之, 生态弹性力对其影响程度最小。从指标层分析, 综合权重结果分类如表4所示。

表3 淮北市生态承载力评价指标体系及权重

表4 综合权重归类结果

表3综合权重结果可直观地反映出各指标对生态承载力的影响程度, 人均耕地面积和空气质量达到及好于二级天数比例对生态承载力的影响处于较高水平, 其中人均耕地面积的综合权重为0.0476, 影响程度最大; 生态承载力的3个要素包含的10个指标的综合权重在0.035—0.041之间, 对生态承载力的影响程度处于中间水平, 其中综合权重大于0.0380的有建成区绿化覆盖率、工业固废产生量这两个指标; 生态承载力3个要素包含的17个指标的综合权重在0.029—0.035之间, 对生态承载力的影响程度处于相对较低水平。

3.2 三个要素的影响因子筛选

运用SPSS 22.0软件进行多元逐步回归分析, 分别得到三个要素的拟合模型, 复相关系数、偏回归系数及其t检验结果如下。

生态弹性力分析得到两个拟合模型, 模型2的拟合度较高, 其中自变量地下水资源、森林覆盖率通过因子检验, 所对应的值分别为0.002、0.039, 均小于0.05, 表明它们的回归检验均具有很高的显著性。自变量的偏回归系数分别为0.632、0.236, 其数值表征对生态弹性力的影响大小, 即地下水资源对生态弹性力的影响最大, 森林覆盖率次之。

对承载媒体的支撑力分析结果显示: 只有农村人均可支配收入通过模型检验, 被选入模型1中, 模型拟合度较好。自变量对应的值为0.001, 小于0.05, 影响显著, 表征对承载媒体的支撑力影响最大的是农村人均可支配收入。

表5 模型摘要

注: a. 预测值: (常数), 地下水资源; b. 预测值: (常数), 地下水资源, 森林覆盖率; c. 预测值: (常数), 农村人均可支配收入; d. 预测值: (常数), 危险废物产生量。

表6 系数

对承载对象的压力进行分析时仅提取出危险废物产生量这一个有效的自变量, 得到一个结果显著的回归模型。自变量对应的值为0.002, 小于0.05, 影响显著, 表征对承载对象的压力影响最大的是危险废物产生量。

3.3 生态承载力及其变化趋势

以时间为横坐标, 生态承载力、生态弹性力、承载媒体的支撑力、承载对象压力以及因素层各参数的权重指数为纵坐标, 得到淮北市生态承载力变化趋势图(图1、图2、图3、图4)。

生态弹性力指数在2010—2016年间呈波动上升趋势, 由2010年的0.2570上升至2016年的0.9126, 在2015年指数有所下降。其中在2010—2011年指数处于低级到较低级水平, 2012年指数进入中级水平, 随后持续上升, 到2014年达到0.7872的高级水平, 但在2015年下降至0.5303的中级水平, 之后迅速回升, 在2016年达到0.9126的较高水平(图1)。

图1 淮北市生态弹性力方面变化趋势图

Figure 1 The change trend of ecological resilience inHuaibei City

图2 淮北市承载媒体支撑力方面变化趋势图

Figure 2 The change trend ofsupporting capacity of carrying media in Huaibei City

图3 淮北市承载对象压力方面变化趋势图

Figure 3 The change trend ofpressure of carrying object in Huaibei City

Figure 4 The change trend of ecological carringcapacity in Huaibei City

承载媒体的支撑力指数整体呈平缓上升趋势, 在2010—2011年处于较低级水平, 2012—2013年指数处于中级水平, 之后持续上升, 在2014—2016年间一直处于高级水平, 并在2016年达到最大值0.7212(图2)。

承载对象的压力是负趋向指标, 指数越小表明承载对象的压力越大, 生态系统的承载能力就越小。承载对象的压力指数由2010年的0.7202下降到2016年的0.3620, 但在时间序列上波动较大, 呈减少增加再减少的趋势, 表明承载对象的压力在2010—2016年间呈先增加再减小再增加的趋势, 2016年的压力达到最大(图3)。

生态承载力指数整体呈现波动上升趋势, 由2010年0.4321的中级水平上升至2016年0.6239的高级水平。其中在2011年下降至0.3825的较低水平, 随后持续上升, 于2014年达到高级水平, 2015年指数下降至中级水平, 到2016年回升至高级水平(图4)。

4 讨论

4.1 生态弹性力

淮北市生态弹性力指数在2010—2014年呈显著上升趋势, 2015年指数迅速下降, 随后迅速回升, 于2016年达到最大值。导致2015年生态弹性力指数下降的主要原因是影响气候的年平均气温、年降水量指标值和影响水文的地表水资源、地下水资源指标值在2015年显著下降, 森林覆盖率和林业用地面积持续的增加, 是2015的生态弹性力指数没有急剧下降的原因。2016年丰富的雨水天气使年降水量、地表水资源和地下水资源得到补充, 使生态弹性力指数迅速回升。地下水资源对生态弹性力的影响最大, 森林覆盖率次之, 这与济南市、唐山市、鄂尔多斯市、北京市以及榆神矿区的研究结果相似[12,29,41–43]。水资源供需问题是制约生态弹性力的重要因素[29,42–43]。丰富的森林资源是维持高生态弹性力的必要条件[12,29]。淮北市生态弹性力在2012年摆脱低到较低水平, 2012—2016年间均处于中等以上水平, 尤其是2016年达到较高水平, 表明淮北市生态系统的稳定性和抗干扰能力逐年增强, 与同为资源型城市的唐山市以及平朔安太堡露天矿区的生态系统具有明显脆弱性的结果不同[29,44], 这是由于淮北市积极争创全国文明城市、深入推行生态文明建设, 且取得显著成效。

4.2 承载媒体支撑力

淮北市承载媒体支撑力指数在2015年略有下降, 主要原因是环境治理指数的下降, 影响环境治理的各因素中工业SO2去除率、空气质量达到及好于二级的天数比例在2015年明显下降, 环境治理力度不足, 与榆神矿区的研究结果相似[42]。2010—2011年淮北市承载媒体的支撑力指数处于较低的水平, 2012—2016年支撑力指数不断上升, 摆脱了较低水平, 于2016年达到高级水平。经济方面, 2010—2016年第三产业占GDP的比重由26.6%增长到36.0%, 并且伴随人均GDP的持续增长[45], 表明淮北市重视调整经济增长方式和产业结构, 与北京市经济发展结果相似[12]、符合资源型城市经济转型战略需求[46]; 社会方面, 农村人均可支配收入对承载媒体支撑力的贡献最大, 持续增加的农村人均可支配收入[45]、较高的科教支出比重带动社会进步综合指数的上升, 这种现象与唐山市、北京市的相似[12,29];资源环境方面, 资源供给能力和环境治理力度有上升趋势但波动剧烈, 淮北市应摒弃“掠夺式”的开采方式, 合理开发自然资源, 加大环境保护力度, 协调好“自然—经济—社会”的发展步伐。总体来说, 淮北市承载媒体的支撑力呈上升趋势, 为淮北市生态系统的发展提供良好的支撑作用, 但是环境治理水平不高, 对自然资源缺少合理的保护, 对高素质人才培养力度不够, 这与唐山市的研究结果相似[29]。

4.3 承载对象的压力

压力指标属于负趋向指标, 压力指数的变化趋势与承载对象的压力的变化趋势相反[29]。研究期间对压力影响程度最大的指标是危险废物产生量, 压力变化趋势、影响因素分别与唐山市、榆神矿区和北京市状况大体相似[12,29,42]。承载对象的压力有明显的波动, 2010—2012年, 环境污染严重、社会压力持续增加导致承载对象的压力有所增加; 2013—2014年压力显著降低, 主要原因是社会压力的减少, 其中人口自然增长率由2013年的7.38‰降至6.85‰, 城镇登记失业率由4.13%降为4.01%, 采矿业从业人员比重由13.94%降到13.76%; 2015—2016年压力又快速增加。淮北市以煤炭开采为主的产业模式使工业废气、废水、固废产生量以及危险废物产生量迅速增加, 耗费资源的同时破坏了生态环境, 给生态系统带来了很大的压力; 人口自然增长率、城镇登记失业率的增加, 表明人口、就业难等问题给生态系统带来很大的压力; 第二产业占GDP比重始终居高不下, 采矿业从业人员比重始终处在11.98%以上, 这种发展模式给资源、环境和社会带来较大压力。淮北市承载对象压力整体呈增加的趋势, 2016年压力最大, 很大程度的降低了生态系统的承载能力, 控制人口数量、调整产业结构是促进淮北市经济发展、改善环境质量的关键。

4.4 生态承载力

淮北市生态承载力指数在研究期间呈波动上升的趋势, 在2015年有所下降, 3要素中承载媒体支撑力对生态承载力影响程度最大, 承载对象压力影响程度次之, 生态弹性力对淮北市生态承载力影响最小, 这一结果与唐山市相同[29]。结合综合权重计算结果, 从指标层分析, 生态弹性力要素中年降水量对生态承载力的影响程度处于中间水平, 仅地下水资源和森林覆盖率通过因子筛选, 表明地下水资源、森林覆盖率在生态承载力整体的发展中未发挥很好的作用。承载媒体支撑力要素中的人均耕地面积、空气质量达到及好于二级的天数比例对生态承载力的影响程度处于较高水平, 表明支撑力对生态承载力大小有着决定作用, 与唐山市的研究结果一致[29]。承载对象的压力要素中危险废物产生量通过因子筛选的同时对生态承载力的影响处于中间水平, 表明以煤炭资源开发为主的单一发展模式导致的环境污染问题限制淮北市生态承载力的提高, 这一状况与北京市、榆神矿区的可持续发展限制因素相似[12,41]。近年来, 淮北市深入推进生态文明城市建设, 积极创建全国文明城市, 使复合生态系统的资源、环境、社会、经济四方面协调一致、同步发展, 取得显著成效, 淮北市近年来的生态承载能力有所提高, 发展趋势较为良好。

5 结论

淮北市2010—2016年间生态承载力整体呈波动上升趋势, 生态承载能力有所提高, 发展趋势良好; 生态承载力的3个要素中生态弹性力虽然对生态承载力的影响程度最小, 但在2012年以后处于中等及以上水平, 表明淮北市生态系统的稳定性和抗干扰能力有所增强; 承载媒体的支撑力是影响生态承载力大小的最主要要素, 研究期间呈上升趋势, 表明支撑力对淮北市生态系统的协调发展起决定作用; 承载对象的压力对生态承载力的贡献率仅次于承载媒体的支撑力, 且相差不大, 在研究期间整体呈增加趋势, 于2016年达到最大, 表明资源耗费、环境污染和社会压力持续给淮北市复合生态系统的协调发展注入强阻力。在淮北市生态承载力众多影响因子中, 决定生态承载力大小的正趋向因子主要有人均耕地面积、空气质量达到及好于二级的天数比例、建成区绿化覆盖率; 负趋向因子主要为工业固废产生量。此外3个要素中还包含8个对生态承载力的影响程度处于中间水平的因子。长期以煤炭开采为主导的产业结构给生态系统的资源、环境、社会、经济等方面带来一系列问题, 限制了淮北市可持续发展的步伐。为了实现未来发展的可持续性, 淮北市必须提高水资源利用率、实施绿化提升工程、改善自然景观, 提高生态弹性力, 以此增强生态系统的调节和恢复能力; 控制人口数量、加大教育投资、开发新能源、合理规划用地、调整产业结构, 以期通过加强文化建设、提升资源利用率和经济效益来增加生态系统的支撑能力并降低人类社会生产生活所带来的压力。

[1] CHAPMAN E J, BYRON C J. The flexible application of carrying capacity in ecology[J]. Global Ecology & Conservation, 2018, 13: e00365.

[2] 王家骥, 姚小红, 李京荣, 等. 黑河流域生态承载力估测[J]. 环境科学研究, 2000, 13(2): 44–48.

[3] 沈渭寿. 区域生态承载力与生态安全研究[M]. 北京: 中国环境科学出版社, 2010.

[4] PARK R E, BURGESS E W. Introduction to the Science of Sociology[M]. The University of Chicago Press, 1970.

[5] RENECKER L A, CHETKIEWICZ C L. Conflicts between reindeer herding and an expanding caribou herd in Alaska[J]. Rangifer, 2002, 22(4): 33–37.

[6] NELSON M P, CALLICOTT J B. The Wilderness Debate Rages on: Continuing the Great New Wilderness Debate[M]. University of Georgia Press, 2008.

[7] SEIDL I, TISDELL C A. Carrying capacity reconsidered: from Malthus’ population theory to cultural carrying capacity[J]. Ecological Economics, 1999, 31(3): 395–408.

[8] 牛文元. 持续发展导论[M]. 北京: 科学出版社, 1994.

[9] 曹智, 闵庆文, 刘某承, 等. 基于生态系统服务的生态承载力: 概念、内涵与评估模型及应用[J]. 自然资源学报, 2015, 30(1): 1–11.

[10] 王开运. 生态承载力复合模型系统与应用[M]. 北京: 科学出版社, 2007.

[11] 向芸芸, 蒙吉军. 生态承载力研究和应用进展[J]. 生态学杂志, 2012, 31(11): 2958–2965.

[12] 王云霞. 北京市生态承载力与可持续发展研究[D]. 北京: 中国矿业大学, 2010.

[13] 王树义, 郭少青. 资源枯竭型城市可持续发展对策研究[J].中国软科学, 2012(1): 1–13.

[14] 王甜. 焦作市可持续发展潜力研究[D]. 开封: 河南大学, 2015.

[15] 陶晓燕. 资源枯竭型城市生态安全评价及趋势分析—以焦作市为例[J]. 干旱区资源与环境, 2014, 28(2): 53–59.

[16] 程琳, 李锋, 邓华锋. 淮北市经济与生态环境的动态协调发展研究[J]. 城市环境与城市生态, 2010(4): 6–8.

[17] 唐帆, 董洪光, 耿家营. 淮北市生态足迹分析与管控对策[J]. 宿州学院学报, 2016(2): 35–39.

[18] 董洪光, 高乐红, 耿家营, 等. 淮北市生态足迹动态演变分析[J]. 安徽理工大学学报(社会科学版), 2016, 18(3): 34–40.

[19] 唐帆. 淮北市生态足迹现状分析及治理对策研究[D]. 淮南: 安徽理工大学, 2016.

[20] 普连仙, 吴学灿. 生态足迹模型的缺陷及改进研究进展[J].环境科学导刊, 2010, 29(1): 15–19.

[21] 惠丽. 常山县可持续发展研究[D]. 南京: 南京林业大学, 2009.

[22] 袁庆, 袁魁昌, 李清华, 等. 糖尿病病人住院费用的多元逐步回归分析[J]. 中国卫生统计, 2008, 25(4): 360–362.

[23] 李贵红, 张泓, 崔永君, 等. 基于多元逐步回归分析的煤储层含气量预测模型—以沁水盆地为例[J]. 煤田地质与勘探, 2005, 33(3): 22–25.

[24] 游士兵, 严研. 逐步回归分析法及其应用[J]. 统计与决策, 2017(14): 31-35.

[25] 刘海龙, 马小龙, 袁欣, 等. 基于多元回归分析的铬污染地下水风险评价方法[J]. 吉林大学学报(地), 2016, 46(6): 1823–1829.

[26] 咸云浩, 张恒德, 谢永华, 等. 多元逐步回归与卡尔曼滤波法在霾预报中应用[J]. 系统仿真学报, 2018(4): 1482– 1489.

[27] PAUDEL G S, THAPA G B. Impact of social, institutional and ecological factors on land management practices in mountain watersheds of Nepal[J]. Applied Geography, 2004, 24(1): 35–55.

[28] 郑兆顺. 基于多元回归模型和逐步分析法的濮阳市CPI影响因素分析[J]. 濮阳职业技术学院学报, 2017, 30(1): 80–84.

[29] 金悦, 陆兆华, 檀菲菲, 等. 典型资源型城市生态承载力评价—以唐山市为例[J]. 生态学报, 2015, 35(14): 4852– 4859.

[30] 李杰, 何云玲, 刘雪莲. 基于均方差决策法的区域资源环境承载力研究—以陆良县为例[J]. 云南地理环境研究, 2016, 28(5): 54–60.

[31] 刘春艳, 冯艳玲. 基于均方差决策分析法的吉林市土地资源承载力动态评价[J]. 农村经济与科技, 2012, 23(10): 12–15.

[32] 蒋耀. 基于综合评价理论的区域可持续发展研究[D]. 上海: 上海交通大学, 2008.

[33] 张力. SPSS 13.0在生物统计中的应用[M]. 厦门: 厦门大学出版社, 2006.

[34] 胡松伟. 变深度发射性能可靠性影响因素多元逐步回归分析[J]. 兵工学报, 2017, 38(5): 986–994.

[35] 李洪成, 姜宏华. SPSS数据分析教程[M]. 北京: 人民邮电出版社, 2012.

[36] 唐守正. 多元统计分析方法[M]. 北京: 中国林业出版社, 1986.

[37] 彭明春, 马纪. 生物统计学[M]. 武汉: 华中科技大学出版社, 2015.

[38] 李晓倩. 土地资源评价指标权重赋值方法的比较研究[D]. 兰州: 甘肃农业大学, 2012.

[39] 宋之杰, 高晓红. 一种多指标综合评价中确定指标权重的方法[J]. 燕山大学学报, 2002, 26(1): 20–22.

[40] 崔兆杰, 谢连科, 刘雷, 等. 生态市可持续发展指标体系的建立和评价方法研究[J]. 科学技术与工程, 2006, 6(13): 1863–1868.

[41] 赵强, 李秀梅, 谢嘉欣. 济南市生态弹性力评价研究[J]. 生态科学, 2015, 34(2): 156–160.

[42] 程水英, 柴瑜, 冯华伟, 等. 生态脆弱矿区生态承载力定量评价研究[J]. 能源环境保护, 2008, 22(4): 54–58.

[43] 周春生. 煤炭资源型城市生态环境可持续发展研究—以鄂尔多斯为例[J]. 经济论坛, 2012(11): 136–138.

[44] 崔旭, 葛元英, 白中科. 黄土区大型露天煤矿区生态承载力评价研究—以平朔安太堡露天煤矿为例[J]. 中国生态农业学报, 2010, 18(2): 422–427.

[45] 赵晨. 淮北市城乡居民收入与人均GDP的回归分析[J]. 金融经济, 2017(14): 104–106.

[46] 董锁成, 李泽红, 李斌, 等. 中国资源型城市经济转型问题与战略探索[J]. 中国人口·资源与环境, 2007, 17(5): 12–17.

Evaluation of ecological carrying capacity in Huaibei City based on the mean square deviation decision method

REN Caifeng, CEHNG Yanmei, ZHENG Xin, ZHOU Lizhi*

Collaborative Innovation Center for Mine Environmental Remediation and Wetland Ecological Security, School of Resource and Environment Engineering, Anhui University, Hefei 230601, China

Ecological resilience, supporting capacity of carrying media and pressure of carrying object are three important elements of ecological carrying capacity, and analyzing the characteristics of these elements is an effective means to evaluate the status of regional sustainable development. Based on the three elements of ecological carrying capacity, an evaluation index system of ecological carrying capacity of Huaibei City was constructed. Method of mean square deviation decision was used to weight the evaluation index, and multiple stepwise regression analysis was used to screen the factors. At last, the change of ecological carrying capacity situation of Huaibei City from 2010 to 2016 was qualitatively analyzed.The results showed that the ecological resilience of Huaibei City was increased significantly from 2010 to 2016, the index increased from 0.2570 in 2010 to 0.9126 in 2016, and 00000000 in a self-sustaining and adjusting state with intermediate to higher levels since 2012. The supporting capacity index of carrying media increased steadily, and the index increased from 0.2592 to 0.7212, indicating that the supporting capacity of ecosystem in Huaibei City had been in intermediate to higher level since 2012.The change trend of carrying object pressure index was contrary to the trend of carrying object, indicating that the carrying object pressure firstly increased then decreased and then increased rapidly again.The ecological carrying capacity of Huaibei City had a rising trend of fluctuation, and the index was in intermediate to high carrying status after 2012, indicating that ecological carrying capacity of Huaibei City had a good development trend.However, the problems of resource consumption and environmental pollution caused by the development mode of coal mining are still restricting the coordinated development of the "natural-economic-social" complex ecosystem. It is imperative to transform Huaibei City to an ecological city.

ecological carrying capacity; mean square deviation decision method; ecological resilience;supporting capacity of carrying media; pressure of carrying object

10.14108/j.cnki.1008-8873.2019.05.022

X22

A

1008-8873(2019)05-168-10

2018-10-15;

2018-11-19

国家社科基金重大项目(编号: 14ZDB145)

任彩凤(1994—), 女, 安徽淮北人, 硕士, 主要从事生态经济学研究, E-mail: 18756115769@163.com

周立志, 男, 博士, 教授, 主要从事水鸟与湿地生态学和生态经济学研究, E-mail: zhoulz@ahu.edu.cn

任彩凤, 程艳妹, 郑欣, 等. 基于均方差决策法的淮北市生态承载力评价[J]. 生态科学, 2019, 38(5): 168-177.

REN Caifeng, CEHNG Yanmei, ZHENG Xin, et al. Evaluation of ecological carrying capacity in Huaibei City based on the mean square deviation decision method[J]. Ecological Science, 2019, 38(5): 168-177.