科技创新、海洋科技与生态系统的可持续发展研究

徐灵璐 曹曾树 黄柏钦 姚佳伶 刘凯伶

【摘 要】中国是海洋大国，“十三五”规划纲要提出的绿色发展理念和乡村振兴战略政策，可以理解为在繁荣经济的过程中，科技创新、生态环境保护及商业生态平衡等是重要的工作，也为强国建设奠定了重要的基础。沿海区域的发展也是乡村振兴的重点，探索海洋科技与生态能力及后续的商业生态间可持续发展，已经受到全社会的关注。文章结合熵权法与灰色关联分析法探索2013—2018年福建省的海洋生态发展演变过程，为我国各沿海省区地方政府的经济绩效工作和生态环境维护的可持续发展建言献策。研究以构成海洋科技与海洋生态的指标体系，通过2013—2016年度中国海洋统计年鉴中的数据资料进行研究，利用MATLAB进行熵值的客观权重赋值及灰色关联度分析，计算获得各指标数据间的关联度，根据关联度大小为科技创新、生态平衡与商业生态系统间的协调发展提出建议，为福建省福州市的乡村振兴战略提供支撑，为今后全国沿海各城市的海洋产业发展及乡村振兴事业提供策略分析与指导。

【关键词】海洋科技;生态系统;熵值法;灰色关联分析;乡村振兴

1 研究背景

党的十九大报告提出实施乡村振兴战略，把“三农”工作作为重中之重，具体任务要求是推进绿色发展、农业供给侧结构性改革、农村产业兴旺，并补齐民生短板，增强广大农民获得感、幸福感[1]。福州市作为福建省省会，实施乡村振兴战略有基础，特色产业优势凸显，在2017年的水产品产值、产量、加工量、加工产值均常年稳居福建省第一。福州市的大陆海岸线长度为920 km，海岛海岸线长度为390 km，是地道的沿海城市。

受国际环境及国内经济发展状况的影响，我国近年来对发展沿海区域经济越来越重视。国家海洋局于2016年12月13日在全国海洋科技创新大会上发布《全国科技兴海规划（2016—2020）》。同时，国家海洋局局长王宏指出，“十三五”时期是实现海洋科技跨越式发展的最佳窗口期，必须进一步创新体制机制，优化海洋科技资源的配置，集中力量，通过发展海洋工程及政策专项带动海洋经济的发展，增强对海洋观测及海洋认知的能力，增强创新驱动力，实现成果转化，开创科技兴海的新局面，使中国逐步走向海洋建设发展强国。

随着中国海洋经济进入高速增长阶段，对海洋资源掠夺式的粗放型开放模式导致海洋资源耗竭、海洋生态环境恶化等问题日益凸显，成为建设海洋强国的瓶颈和发展短板[2]。2018年海洋灾害情况调查、统计和分析结果显示：我国海洋灾害以风暴、海浪、海水和海岸侵蚀等灾害为主，各类海洋灾害共造成直接经济损失47.77亿元，死亡（含失踪）73人[3]。学者对海洋经济发展能力的研究已有成效，例如采用传统回归模型分析非期望产出SBM模型（Slack-based Measure），采用Malmquist生产率指数模型等[4]分析资源投入产出的效率，但对海洋生态发展与科技之间的关系的研究鲜有涉及。

对于环境的动态研究，熵值法充分显示了其优越性。熵值法是用于判断某个指标或系统的离散程度的方法。离散程度越大，该指标对综合评价的影响越大，以熵值判断某个指标的离散程度。相关研究大多是围绕海洋经济效益进行的，过分注重海洋生产活动的经济波动，而忽略了环境与其影响因素之间随着时间变动发生的损耗。

乡村振兴生态文明建设不仅促进了环境、生态与经济共同正向发展，也是“绿水青山就是金山银山”的真谛。使用熵权法与灰色关联分析法及MATLAB 2012B软件，分析2013—2018年福建地区的海洋生态发展能力的演变过程，度量海洋科技能力与海洋生态发展能力之间的关系及相互影响程度，为我国各沿海省区地方政府的经济绩效工作和维护生态环境的可持续发展建言献策。

2 研究区域概况

以福建省为例，它位于中国东南沿海，东隔中国台湾海峡与台湾地区相望，北接长三角，南联珠三角，扼东南之要冲，区位优势十分凸显。福建省海域面积为13.6万km2，大于陆域面积;地理条件介绍如下：①沿海有大小港灣125个，深水岸线。②海岸线曲折率为1∶7，居全国第一。海岸线蜿蜒漫长，总长3 752 km、海岛总数为2 214个，居全国第二。福建省渔业资源丰富，近海生物种类达3 000多种，可作业的渔场面积达12.5万km2;海洋能源、矿产资源蓄积丰厚。改革开放以来，福建省委、省政府着力实施“大念山海经”“山海合作，建设海峡西岸繁荣带”“建设海洋大省”“建设海洋经济强省”等一系列战略决策，海洋经济获得长足发展[5]。

随着福建省海洋经济持续增长，污染问题也愈发严重。2017年典型海洋生态系统健康状况显示，福建省闽东沿岸呈亚健康状态，即生态系统基本维持其自然属性。生物多样性和生态系统结构发生一定程度的变化，但生态系统的主要服务功能尚能发挥。环境污染、人为破坏、资源的不合理开发等生态压力超出生态系统的承载能力[6]。2018年，海洋灾害直接经济损失最严重的省（自治区、直辖市）是广东省，其次是福建省，直接经济损失达11.54亿元。2018年沿海各省（自治区、直辖市）海洋灾害损失统计和分布表见表1[3]。

从表1可知，沿海各省市的海洋灾害损失的原因主要为风暴潮、海浪及海岸侵蚀。福建省海洋环境不仅影响福建省整体的发展，也影响着人民的生活质量。对海洋生态进行治理，保持生态资源平衡，有利于福建省的可持续发展。在总结诸多学者已有研究的基础上，本文建立海洋科技能力与生态能力指标，采用熵值法和灰色关联分析法，立足于二者间的关系进行研究。

3 评价指标体系的构建

3.1 数据来源

本文选取的海洋科技能力与海洋生态可持续发展能力的相关指标数据均来源于政府统计部门公开发布的权威性数据。其中，关于海洋科技能力的评价指标主要来源于《中国海洋统计年鉴》，少量指标数据来源于《中国统计年鉴》;关于海洋生态可持续发展能力的评价指标部分来源于《中国海洋统计年鉴》，还有一部分来源于《中国环境统计年鉴》。由于年鉴数据更新有限，所以选取福建省2013—2016年的数据作为研究对象。

3.2 评价指标体系的构建

目前，学术界对于海洋科技及海洋生态可持续发展的评价指标体系研究颇多，然而所选取的指标各不相同。综合中国海洋统计年鉴的资料，以福建省海洋地区的具体情况，提出海洋科技能力与海洋生态可持续发展能力的评价指标体系（见表2、表3）。

“海洋科技能力评价指标”主要有两大项评价指标，包含“海洋科技投入水平”5项因素和“海洋科技产出水平”4项因素等。“海洋生态可持续发展能力指标”则以负向的包含6项因素的“压力评价指标（-）”和包含11项因素对生态具正向的“承压评价指标（+）”的指标予以表达。同时发现，负向压力评价指标中的因素包含乡村振兴所推动的地区旅游总人次、海域客流周转量2个项目，造成环境生态的负荷;产业基于海洋区域产出包含海洋海盐产量、全国海洋生产总值、海洋化工产品产量、海洋矿业产量4个项目的经济产出。将影响以海洋产出的企业及其消费者、市场媒介（包括代理商、提供商业渠道及销售互补产品和服务的人）、供应商等区域的商业生态系统。

4 研究方法

4.1 熵值法

熵值法系通过计算熵值判断一个事件的随机性及无序程度，对不确定的指标进行信息熵分析，熵值指标的离散程度越大，代表该指标对评价的影响越大[7]。熵增加的原理是不可逆转的，在孤立系统中实际发生的过程总是使整个系统的熵值增加。信源信号的不确定性称为信息熵和信息消除不确定性的程度。得出熵与信息量和不确定性成正比的结论[8-9]，熵值法逐渐应用在宏观经济管理与区域可持续发展的领域中[10]。郭显光（1994）提出的因子分析法、综合指数法和熵值法3种方法对同一指标体系的数据分析进行经济效率等级评价的研究，验证了熵值法的科学性[11]。随后，周梅华（2003）在这一领域进行了较为全面的研究，熵方法在宏观经济管理和可持续发展领域的应用也得到了广泛的研究[12]。裴玮（2020）通过熵值法对城市高质量发展的水平包含结构优化、绿色生态、质效提升、动能转化、民生改善、风险防控等方面建立了模糊综合评价模型[13]。陈燕丽（2020）提出以熵值法评价生态经济对区域生态环境保护具有重要的影响，并得以建立全面性的绿色国内生产总值评价体系[14]。

用一个指标值评价中国的区域能力是不可能的，因此有必要对多个指标值进行系统的分析，并对各个指标值进行分类和分层。既要纵观近年内福建省的生态情况，又要横向分析该地区的科技创新能力，应进行多指标相对评价，熵值法比较适用。回顾福建省近年来的生态状况与该地区的科技创新能力的协调发展状况，需要对多个指标进行相对评价，因此熵值法更适用。

除此之外，熵值法在客观权重赋值运用方面具有较大的优势，对于研究区域的科学性与客观性是不可或缺的。熵值法的权重确定完全基于各指标数据的实际情况，可以有效避免主观因素的影响，使数据之间的内部差异客观地反映在权重上。 用熵值法加权能反映系统的一定偏好，又能刻画目标的不确定性[15]。

在进行评价之前，需要先对数据进行无量纲化，再对指标进行赋权。在本文的研究中，为获取各个重要影响指标、因素指标的客观权重，先将各指标标准化处理，再采用熵值法进行计算，熵值法的计算原理如下。

4.2 指标客观权重的确定

文中计算公式中字符相对应的含义见表4。

4.3 计算步骤

步骤1：每个指标的量纲和单位是不同的，无法直接比较、计算，所以在各指标权重计算前，需对其进行标准化处理。

当指标为正向指标时，其标准化公式如下：

4.4 灰色系统理论

灰色系统理论根据序列曲线几何形状判断不同序列之间的联系紧密程度[16-17]。灰色系统理论是一种研究小数据和不良信息不确定性的新方法，其不确定性系统的研究对象为“部分信息已知，部分信息未知”，主要是挖掘“部分”的已知信息，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控[18]。灰色具有信息不完整性和非唯一性的特点[19]，灰色思想是非唯一性的重要体现，即目标广泛、途径多、处理数据灵活。灰色关联度分析主要通过估计评价对象和指标之间的差距，利用历史样本之间的关系评价样本，从而排除模糊关系，其评价标准不是固定的，因而能较好地运用到各领域中[20]。

Olson和Wu（2005）提出解决区间数多属性决策问题的灰色关联分析[21]，在多种不同的模糊且具有多属性决策的模型上采用灰色关联分析，获得了模拟结果完整概率的解释[22]。随后Desheng等人（2010）提出一种结合灰色关联模糊集的DEA模型，较好地解决了选址问题[23]。刘卫锋（2013）基于前人研究，提出广义区间灰数关联度模型，并以实例说明了其计算过程与可行性[24]。

黄石岩（2006）在原有的灰色关联度分析上引入最大熵原理，構建灰色关联地质评价模型用于陕甘宁盆地杏河油田的评价[25]。Scarlat和Delcea（2012）将灰色理论拓展到企业破产问题的研究上，取得了一系列的成果[26];党耀国等人提出区间数关联度的计算方法，将灰数关联分析模型由实数序列拓广到区间数序列[27]，在大数据时代，现实生活中“小数据”“贫信息”的不确定性普遍存在，这为灰色系统理论的发展提供了丰富的研究资源和广阔的空间[28-30]。

灰色关联分析的基本操作步骤如下。

（1）原始数据的均值化。各个指标在含义、内容、取值标准等都存在差异，导致数据的量纲一般都不同，不便于统一比较。为了使其具有可比性，在灰色关联法的运用中，一般都要进行数据的无量纲化处理，消除各个数据的各自有效因素，使之化为统一衡量尺度下的标准化数量级无量纲数据，方便各个指标进行比较与分析。因此，在进行后续的分析前，需要对影响因子数据和参考数列进行无量纲化。利用均值化处理对数据进行归一化，如公式（9）。

（3）指標体系的灰色系数。灰色关联系数是灰色理论中关联性的表现形式，关联性实质上指的是曲线之间几何形状的差别程度，因而可以将曲线之间的差值大小作为衡量关联程度的尺寸。在灰色关联分析法中，关联系数就是参考数列和比较序列在各个时点之间的几何距离;它的值越大，表示两个指标数列在对应的指标上的相互关联程度越大，计算如公式（11）：

其中，分辨系数ξ为常数，一般情况下，ξ取0.5;本研究假设ξ等于0.5，经过Matlab软件计算得出科技与生态间在各年份的灰色关联系数，计算数值详见表8，可以发现科技与生态间的关联系数逐年增加。

（4）计算灰色关联度。由于关联系数就是参考数列和比较序列的关联程度且是不同时点上的关联程度，因此关联系数不止一个且分布分散，无法进行统一的比较。灰色关联度就是把这些关联系数集中起来，通过一定的方法求得的值，它可以从总体上反映参考序列与其他指标的关联程度，灰色关联度的值越大，相关性就越强。

利用熵权法计算出一个综合判断指标，即科技与生态各年度的得分的基础上，进一步结合灰色关联度分析法，得到科技与生态的关联度为0.669 7，大于分辨系数ξ=0.5，说明科技与生态之间有着很大的关联度，并且二者相互作用、相互影响。由表7及表9的计算结果可知，随着逐年增长的科技投入，科技与生态之间的关联与影响也越来越大。若不及时在科技与生态之间采取平衡措施，海洋生态环境将会遭受重创，并且带来更多海洋灾害，对地区经济发展与人民生活造成不可逆转的伤害。

5 结语及建议

（1）实施乡村振兴、绿色发展战略，必须坚持农业农村优先发展，以推进农业农村现代化，其中的矛盾是过度强调经济效应，并从海洋环境中提取经济资源产品，是对环境生态的负面效应，影响到乡村振兴战略的可持续发展，因此必须多方面权衡。

（2）绿色发展理念与乡村振兴战略政策为“十三五”规划纲要中的重要基调，通过研究了解，科技创新、生态环境保护及商业生态平衡为我国的强国建设奠定了重要的基础。本研究的成果可为今后福建省、福州市及全国沿海各城市的海洋产业发展及乡村振兴提供策略分析与指导。

（3）熵值法是通过局部差异的突出进而确定指标的权重，以此计算各评价对象的综合得分，因此熵值法计算的评价指标是相对数值，普遍使用于多指标构成的相对评价。从定性角度分析，熵值法可以有效地避免主观因素的影响，并且熵值法能够适用区域发展能力的研究，以及满足所需数据和评价范围的要求。Liu等人（2013）认为尽管灰色关联分析模型已经得到大量成功应用，但关于模型的检验准则及具体的量化标准还需要进一步深入研究与探讨[31]。

（4）本研究将熵值法与灰色关联分析结合运用，计算福建省近几年海洋科技与生态各指标数据之间的关联度，分析结果表明，海洋科技创新能力与海洋生态能力存在高度关联，并对生态平衡有影响作用，科技的不当使用会破坏生态平衡，甚至形成反作用，加速生态资源的枯竭与恶化。本研究样本取样受限于资料更新具有局限性，指标因子权重值可随着科技能力的提升进行更新与再调查确认，以贴近研究现况。

（5）福建省的海岸线长，良好的海洋生态环境是闽海洋产业发展的前提，因此在发展海洋科技的同时要兼顾海洋生态的保护。

参 考 文 献

[1]福州市农业农村局.《中共福州市委 福州市人民政府关于实施乡村振兴战略的实施意见》解读[EB/OL].http：//nyj.fuzhou.gov.cn/zzbz/zcjd_10868/bszcjd/201803/t20180326_2167421.htm，2018-03-01.

[2]盖美，展亚荣.中国沿海省区海洋生态效率空间格局演化及影响因素分析[J].地理科学，2019，39（4）：616-625.

[3]中华人民共和国自然资源部.2018年中国海洋灾害公报[EB/OL].http：//www.mnr.gov.cn/sj/sjfw/hy/gbgg/

zghyzhgb/，2019-04-28.

[4]赵林，张宇硕，焦新颖，等.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学，2016，38（3）：461-475.

[5]中华人民共和国自然资源部.福建海洋简介[EB/OL].http：//www.mnr.gov.cn/zt/hy/fjhy/hygk/201506/t201506

26_2112920.html，2014-05-29.

[6]中华人民共和国生态环境部.2017中国海洋生态环境状况公报[EB/OL].http：//www.mee.gov.cn/hjzl/sthjzk/

jagb/，2018-08-06.

[7]李柏洲，苏屹.基于改进突变级数的区域科技创新能力评价研究[J].中国软科学，2012，12（6）：93-94.

[8]Sheykhi A，Hendi S H.Power-Law Entropic Corr-ections to Newton's Law and Friedmann Equations From Entropic Force[J].Physical review D：Parti-cles and fields，2011，84（4）：40-41.

[9]Qiu T，Saridakis E N.Entropic force scenarios andeternal inflation[J].Physical review D：Particlesand fields，2011，85（50）：87-90.

[10]Frykfors C-O，J nsson H.Reframing the multile-vel triple helix in a regional innovation system：a case of systemic foresight and regimes in renewal of Sk ne's food industry[J].Technology Analysis & Strategic Management，2010，22（7）：819-829.

[11]郭显光.熵值法及其在综合评价中的应用[J].财贸研究，1994，8（6）：56-60.

[12]周梅华.可持续消费测度中的熵权法及其实证研究[J].系统工程理论与实践，2003，15（12）：25-31.

[13]裴玮.基于熵值法的城市高质量发展综合评价[J].统计与决策，2020，36（16）：119-122.

[14]陈燕丽.基于熵值法研究区域生态经济发展状况评价[J].重庆理工大学学报（自然科学版），2020，34（8）：232-237.

[15]范群.熵值法与战略选择优化[J].湖南师范大学社会科学学报，2008（5）：112-115.

[16]郑国臣，支丽玲，官涤，等.基于灰色分析法的新立城水库水质评价[J].水利技术监督，2019（1）：14-16.

[17]刘思峰，杨英杰.灰色系统研究进展（2004—2014）[J].南京航空航天大学学报，2015，47（1）：1-18.

[18]刘思峰，杨英杰，吴利丰.灰色系统理论及其应用[M].第7版.北京：科学出版社，2014.

[19]宋捷，党耀国，王正新，等.正负靶心灰靶决策模型[J].系统工程理论与实践，2010，30（10）：1822-1827.

[20]黄石岩.灰色评价熵模型在含油面积评价中的应用[J].地质力学学报，2006，12（1）：77-83.

[21]Zhang  J，Wu D，Olson D L.The method of gr-ey related analysis to multiple attribute decision making problems with interval numbers[J].Math-ematical and computer Modelling，2005，42（9/10）：991-998.

[22]Olson  D L，Wu D.Simulation of fuzzy multiattri-bute models for grey relationships[J].European Journal of Operational Research，2006，175（1）：111-120.

[23]Wu D，Olson D L.Fuzzy multiattribute grey rela-ted analysis using DEA[J].Computers & Mathe-matics with Applications，2010，60（1）：166-174.

[24]劉卫锋.广义区间灰数关联度模型[J].郑州大学学报（理学版），2013，45（2）：41-44，89.

[25]黄石岩.灰色评价熵模型在含油面积评价中的应用[J].地质力学学报，2006，12（1）：7-83.

[26]Scarlat  E，Delcea  C.Complete analysis of ban-kruptcy syndrome using grey systems theory[J].Grey Systems Theory and Application，2011（1）：19-32.

[27]党耀国，刘思峰，刘斌，等.多指标区间数关联决策模型的研究[J].南京航空航天大学学报，2004（3）：403-406.

[28]Delcea C，Scarlat  E，Mrcine V.Grey relational analysis between firm's current situation and its possible causes：A bankruptcy syndrome approach[J].Grey Systems：Theory and Application，2012（2）：229-239.

[29]Andrew  A M.Why the world is grey[J].Grey Systems：Theory and Application，2011（2）：112-

116.

[30]Valle R.Grey Information：Theory and practical applications[J].Kybernetes，2008，37（1）：89.

[31]Liu S，Yang Y，Cao Y.A summary on the rese-arch of GRA models[J].Grey Systems：Theory and Application，2013（1）：7-15.