基于DPSIR模型的郑州市黄河南岸生态安全时序评价

刘畅， 王冬梦， 冯艳， 孔德政， 张倩倩， 张凌

(河南农业大学风景园林与艺术学院,河南 郑州 450003)

推动生态安全保护和经济高质量发展已成为实现可持续发展的必要举措[1]。城市扩张和人口增长极大地威胁了城市及其外围的生态安全。因此，生态学视角下的区域高质量发展需要走向城市化和生态健康的双赢局面，要实现这一双赢战略，需要对生态系统实施一系列具体的干预措施，包括优化和合理的评价生态系统[2]。为了平衡社会高质量发展与保护生态环境之间的关系，更清楚地认识地区存在的经济社会发展与生态环境之间的矛盾尤为重要。

在生态可持续性发展中，应综合评估和模拟相关区域的经济、社会、文化和生态系统服务等多重影响。在研究方法上，不同生态安全评价方法差异较大，例如，层次分析法[3-4]、GIS分析法[5]、熵权法、生态足迹模型法[6-11]、PSR模型[12-13]、“驱动力—压力—状态—响应—影响”(DPSIR)模型[14-16]以及灰色关联模型等[17-18]。其中，DPSIR模型具有综合性、整体性、系统性和数据易获得性等优点，被国内外诸多学者采用。万正芬等[19]基于DPSIR模型评估了长三角地区生态安全水平。MOSAFFAIE等[20]运用DPSIR模型对戈格罗德流域健康趋势进行评估。王怡然等[21]基于DPSIR模型对森林生态安全时空间变化进行研究。LABIANCA等[22]将DPSIR模型应用于塔兰托的马尔·皮科洛的修复分析中。万生新等[23]采用DPSIR模型对沂河流域水生态安全进行评价。任永泰等[24]基于DPSIR模型视角对黑龙江省水土资源生态安全进行探析。本研究基于郑州市黄河南岸研究区域的自然、经济及社会特征，采用DPSIR模型构建生态安全评价指标体系，运用熵权法和综合指数法对研究区的生态安全进行动态时序分析，运用Python编程语言进行计算机建模，将生态安全进行评价计算，对郑州市黄河南岸7个区县进行生态安全评价，以期为郑州市沿黄河区域的生态安全保护和高质量发展提供数据支持。

1 研究数据

1.1 研究区域

本研究区域为郑州市黄河南岸7个区县，包括巩义市、上街区、荥阳市、惠济区、金水区、郑东新区和中牟县(图1)，属于温带大陆性季风气候，四季分明。整体地形起伏西高东低，由山地、丘陵逐渐向平原过渡，总面积3 721.66 km2，根据区县划分7个评价单元。该研究区域所临黄河中下游过渡段，河道全长160 km，该段为典型的地上悬河段，生态环境较为脆弱、生态敏感度较高，同时还起着郑州北部生态屏障的重要作用。

郑州2019年市域常住人口1 035.2万人，同时作为全国内陆交通物流中枢，城市发展有起步较晚、提速快、城市扩张迅速、区域发展不均衡等特点。因此，城市可持续发展成为其急需解决的重要议题。2019年9月，习近平总书记在郑州召开黄河流域生态保护和高质量发展座谈会，为郑州市的发展提出了新策略[25]。而区域生态安全是高质量发展能够实施的前提，郑州市北部7个区县既是黄河郑州段生态保护的关键区域，又是郑州市北部的生态屏障，对其进行生态建设研究意义重大。

1.2 数据来源与处理

本研究数据来源于《河南统计年鉴》(2016―2020)、《郑州统计年鉴》(2016―2020)、郑州市《国民经济和社会发展统计公报》(2015―2019)、郑州市水资源公报(2015―2019)。这些数据相对易于获取且具有准确性。在数据收集过程中，少数指标项在统计年鉴与公报中没有明确统计，对于这部分缺失数据，需对相关数据进行公式运算后获得。

本研究通过运用Python语言对研究中涉及到的运算公式进行编程，将获取到的原始数据带入公式导出计算结果。采用了面向对象(object oriented,OO)的编程思想，将指标和研究对象抽象为具体的类，将输入矩阵按列解构为类的初始化参数进行实例化。通过实现熵权法的计算模型，利用控制反转(inversion of control，IoC)将指标和研究对象的实例动态注入并进行求值，得到计算结果。

图1 研究区域 Fig.1 Study area

2 研究方法

2.1 DPSIR模型

构成评价模型的5个要素分别为：被评价对象与主体、评价标准以及因素，评价指标、评价方法、综合评价模型和得出结论。

生态安全包含了经济、社会、环境等多项影响要素，构建合理的评价指标体系是生态安全评价研究的关键。DPSIR模型是欧洲环境署1999年开发的一个因果框架，提出“驱动力(Driving)—压力(Pressure)—状态(State)—影响(Impact)—响应(Response)”[26]用于描述人类社会与环境之间的因果关系。DPSIR模型将社会经济发展与资源环境变化等因素联系起来，从而对某一地区的生态安全现状进行全面、科学地评估。由于它可以反映市场、产业、环境、民生等社会发展各方面的影响，近年来，各地区的政策制定都将其作为参考。

在DPSIR模型中，“驱动力”是引发生态环境变化的根本动力也是潜在诱因；“压力”是引发生态环境发生变化的直接原因；“状态”是生态环境在驱动力诱发与压力驱使下的现实状况；“影响”是指生态系统现处状态对社会经济、环境状态及人类活动的影响；“响应”则是人类为应对环境问题所采取的积极措施与政策以促进生态环境可持续发展的举措。DPSIR框架的基本思想是，社会和经济活动中的驱动因素会因其施加的压力而导致环境状态的变化。这个过程就会产生社会生态影响，从而引发政策反应。这些对策可以反过来影响驱动因素、压力、状态和影响的趋势[26]。

2.2 DPSIR评价指标选取与体系构建

评价指标体系的构建是生态安全评价的核心与关键，评价结果是否具有精准性与科学性，都取决于指标项的选择合理与否、指标模型构建是否科学完善以及数据获取的难易程度。

根据DPSIR模型建立的基础，参考国内外DPSIR模型指标体系的构建思路，结合郑州市实际情况，在数据可获取性与模型可操作性的基础上，将评价体系进行构建，对郑州市黄河南岸研究区块进行客观科学的生态安全评价，如图2所示。目标层用来衡量研究区域生态安全总体情况与生态安全水平等级，是生态安全评价结果；准则层包括驱动力、压力、状态、影响、响应，是影响研究区域生态安全的主要因素；要素层为组成评价体系的基本单元，是生态安全产生、变化、发展的动因，本文的要素层选择是通过经济、社会、环境等方向构建12个层面；指标层是每个要素层对应指标细化衡量参数，各项指标对生态环境安全的趋向性也有所不同，本文将指标层划分为26项进行生态安全评价，如表1所示。

图2 DPSIR模型结构示意图Fig.2 Diagram of the DPSIR model structure

表1 生态安全评价指标体系Table 1 Ecological safety evaluation indicator system

2.3 DPSIR权重确定

本研究构建的DPSIR模型指标体系中指标层权重的确定选取熵权法。熵权法是利用指标的变异程度大小来确定指标权重，仅依赖于数据本身的离散性，相对于其他赋值方法熵权法精度较高，客观性更强，能够更好地解释所得结果。

2.3.1 数据标准化 由于各评价指标趋向性不同，并且数据数量级也存在差异，对指标层数据进行标准化处理。利用极差标准化方法，分正向和逆向分别对指标进项标准化，从而消除各项指标间的数量级或量纲差异使其具有可比性。通过建立评价模型，得到j(j=1,2,3,…,n)个评价对象的i(i=1,2,3,…,m)项生态安全评价指标，其原始数据为：

(1)

对于正向指标，标准值计算公式如下：

(2)

对于逆向指标，标准值计算公式如下：

(3)

式中：xij为第i行j列指标的原始数值，即研究区块j第i项评价指标的原数值；Rij为归一化后标准数值；maxxi和minxi为i行指标最大值与最小值，即各项指标数值的最大值与最小值。

2.3.2 指标赋权 为了更精准客观地计算各项评价指标在生态安全评价中的重要程度，采用熵权法为各指标赋权。

(1)计算第j列在i指标中的比重，即研究区块j的i指标的数值比例。

(4)

(2)计算指标i的信息熵ei。

(5)

式中：当fij=0时，令fijlnfij=0。

(3)计算指标权重Wi。

(6)

2.4 DPSIR评价体系指标综合计算

根据DPSIR模型指标体系权重，运用综合指数法所得结果，获得研究区域生态安全评价综合指数。本研究区域为郑州市黄河南岸7个区县，得到郑州市沿黄南岸生态安全指数ZESI(Zhengzhou Ecological Safety Index along the south bank of the Yellow River)，计算公式如下。

(7)

式中：Wi为各指标层指标项的权重；Sij为各评价指标的安全指数得分。

指标安全指数采取标准位评分法，根据指标趋向性将指标分为正向指标和逆向指标进行生态安全指数计算。

对于正向指标，生态安全指数计算如下：

当xij≥rj时，Sij=1；

(8)

(9)

对于逆向指标，生态安全指数计算如下：

(10)

当xij≤rj时，Sij=1。

(11)

式中：xij为第i行j列指标的原始数值，即研究区块j第i项评价指标的原始数值；rj为评价指标基准值(由国家标准或国际标准、全国平均值和省市平均值中选取)，见表1。

2.5 Python在本研究中的应用

为了计算流程的可复用性和可维护性，利用了Python编程语言为本研究所用算法进行计算机建模，使指标的计算更加严谨，具体方法如下：

1. 将指标抽象为Indicator类，通过传入指标的名称与趋向性，对所有的指标进行了顺序实例化。

2. 将研究对象抽象为Target类，通过传入研究对象的地域信息，以及研究对象各指标具体的数值，为所有的研究对象进行了顺序实例化。

3. 将本研究所用算法的整套数学模型抽象为Operator类，在Operator类中实现公式(1)～公式(11)的具体算法，分别提供add_target(target: Target) 、add_indicator(indicator: Indicator) 方法为算子注入实例化后的指标和研究对象，提供set_reference_value(value: [])方法为算子注入基准值。

对研究数据进行横纵向拆分，将基准值以及所有实例化后的Indicator与Target注入到Operator中，通过调用calculate_indicators_weight()方法，可以计算出所有指标的权重，通过调用calculate_targets_zesi()方法，计算出所有研究对象的ZESI值。

3 结果与分析

3.1 DPSIR评价体系指标权重结果与分析

本研究运用熵权法对郑州市沿黄河南岸研究区2015—2019年26项指标分别进行处理，得到各评价指标的权重如表2所示。

在本研究所构建DPSIR评价模型的5个准则层、12个要素层、26项指标中，2015—2019年5年中指标权重均≥0.05的有5项，其中驱动力指标层有1项，为经济发展的经济密度；状态指标层有1项，为生态状态要素中粮食作物播种面积；影响指标层有2项指标，分别为措施影响和人文影响要素层的地均财政收入及文化馆文艺活动参加人次；响应指标层有1项，为措施响应要素层的当年造林面积。2015—2019年出现4次指标权重≥0.05的有2项，其中驱动力指标层有1项，为农业机械总动力；状态指标层有1项，为生态状态要素农作物总播种面积。2015—2019年出现3次指标权重均≥0.05的有1项，响应指标层有1项，为措施响应要素层的农村现住房建筑积。2015—2019年2次指标权重均≥0.05的有1项，响应指标层有1项，为经济响应要素层的节能环保支出占公共支出比例。

以上结果表明，驱动力指标、状态指标、影响指标和响应指标对郑州市黄河南岸生态安全具有很大影响，主要反映了郑州市黄河南岸各行政县区经济和社会发展状况以及各县区政府在促进生态建设所采取的相关举措。通过分析各指标的权重，可以对研究区内生态安全治理指明方向。

表2 熵权法指标权重Table 2 Entropy method index weights

3.2 郑州市黄河南岸生态安全指数结果分析

结合生态安全状态等级标准与郑州市实际情况，将郑州市黄河南岸生态安全分为5个等级，分别为：恶劣级[0～0.25)，等级为Ⅴ；风险级[0.25～0.45)，等级为Ⅳ；敏感级[0.45～0.55)，等级为Ⅲ；良好级[0.55～0.75)，等级为Ⅱ；安全级[0.75～1]，等级为Ⅰ。具体见表3。

表3 各级生态安全类型特征Table 3 Features of each level of ecological safety type

通过数据计算得出2015—2019年郑州市黄河南岸7个研究区块中：荥阳市生态安全等级经历了2个类型，由Ⅰ级转为Ⅱ级，2016年评分最高，2019年稍有下降，达到最低值0.615 6；郑东新区生态安全等级经历了3个类型，由Ⅰ级经Ⅱ级转回Ⅰ级，得分均大于0.740 0；惠济区生态安全等级均处于Ⅱ级类型，2015年达到最低值0.562 7，2016—2019年呈现稳步变好趋势；上街区生态安全等级经历了3个类型，由Ⅱ级经Ⅲ级转回Ⅱ级，2017年达到最低值0.514 3；中牟县生态安全等级经历了3个类型，由Ⅳ级经Ⅲ级转回Ⅳ级，2016年为最低值0.402 3；巩义市生态安全等级均处于Ⅳ级，分值均大于0.250 0，2015年达到最低值0.250 9；金水区生态安全等级整体处于Ⅴ级，最低分值为2015年0.185 6，呈现波动变好趋势。具体见图3、表4。

图3 研究区生态安全指数分布Fig.3 Distribution of ZESI

表4 研究区域生态安全指数及排名Table 4 Ecological safety index and ranking in the study area

续表4 Continuing table 4

4 结论与讨论

基于2015—2019年郑州市统计数据构建DPSIR模型，针对郑州市黄河南岸7个区县展开生态安全评价，利用Python编程语言为本研究所用算法进行计算机建模，在数据标准化和熵权法的基础上，计算出各研究区生态安全指数，并进行评级分析。结果表明：

1)2015—2019年研究区内生态安全水平可划分为5级，总体处于Ⅱ级至Ⅲ级类型，呈小幅波动下降趋势。2015年研究区总体处于Ⅱ级类型，荥阳市生态安全指数得分最高，处于Ⅰ级类型；2016年总体等级变化不大，郑东新区提升至Ⅰ级；2017年整体处于Ⅲ级，上街区得分有所下降，由Ⅱ级变为Ⅲ级，而中牟县有所提升，由Ⅳ级变为Ⅲ级；2018年整体处于Ⅱ级，上街区安全水平有所恢复，提升为Ⅱ级；2019年整体得分下降整体处于Ⅲ级，荥阳市、郑东新区由Ⅰ级降为Ⅱ级，中牟县由Ⅲ级降为Ⅳ级。

2)2015—2019年7个区县安全水平变化不大。荥阳市5年来生态安全水平变化不大，处于Ⅰ级类型，2016年评分最高，2019年稍有下降；郑东新区生态安全水平基本处于Ⅰ级类型，得分均大于0.74；惠济区均处于Ⅱ级水平，评价指标量值变化幅度较小；上街区生态安全状况呈先下降后上升趋势，基本处于Ⅱ级；中牟县生态安全水平呈先上升后下降的趋势，基本处于Ⅲ级；巩义市5年内均处于Ⅳ级，但呈现小幅波动上升趋势；金水区作为城市扩张最早波及的地区，生态安全处于Ⅴ级，2015年分值最低，呈现波动变好趋势。

3)从准则层来分析，驱动力、状态、影响和响应指标对郑州市黄河南岸生态安全有很大影响。驱动力指标因素影响最大，其次是影响、响应指标因素，状态指标因素影响最小。这一结果表明，调节社会与经济发展驱动造成影响是今后研究区内生态安全维护工作的重点[27]。

4)郑州市黄河南岸生态安全主要影响要素为经济发展、社会发展、生态状态、经济影响、人文影响、措施响应。主要影响指标包括：经济密度、当年造林面积、地均财政收入、文化馆文艺活动参加人次、农村现住房建筑面积、粮食作物播种面积、农业机械总动力、农作物总播种面积，指标权重≥0.05，表明这些指标对研究区生态安全的影响起主要作用。

本研究借鉴现有研究成果基础之上，以区县为研究单元，以动态的数据作为评价支撑，对郑州市黄河南岸生态安全影响因素进行探索。针对研究范围的经济、社会发展和生态环境的独特性，采用DPSIR模型构建评价指标体系，评价结果具有准确性和有效性[28]。对郑州市黄河南岸生态安全进行评价，了解各区县生态安全现状，同时得出研究区域生态安全影响因素，可为黄河郑州段乃至郑州城市的生态环境建设和高质量发展提供理论支持与数据支撑[29]。

此外，由于研究数据的获取和研究时间的有限性，本研究数据获取年份的有限不能评价更长期的生态安全变化特征和规律，同时，针对评价结果对研究区的优化策略也是下一步研究的重点。在优化策略和生态安全构建方面，郑州市沿黄河生态安全构建应根据7个区县自身发展特点及规律，有针对性地制定生态安全保护策略，缩小差距，全面提高郑州市沿黄生态安全水平，促进该区域高质量发展。