区域畜禽养殖环境承载力评价及预警研究*

豆志杰，钟明艳，孟飒

(长春大学管理学院，长春市，130022)

0 引言

畜禽养殖业是农业生态经济系统中的一个重要产业单元[1]，其发展受到诸多环境因素的制约。产业发展现状、自然资源状态、社会需求状况、经济发展水平、技术发展水平、社会治理和响应能力等共同构建畜禽养殖环境系统，当畜禽养殖业发展造成环境污染超过了区域环境系统的整体吸纳和承载能力时[2]，大量废弃物严重影响并威胁区域环境质量的局面就会出现[3]。因此，建设节约型、生态文明型社会，区域畜禽养殖业的发展必须维持在环境系统可承受的能力范围之内。

近年来，国内学者在畜禽养殖环境承载力相关领域做了一些研究，王延吉、董法秀、刘然然、许翼等[4-7]基于灰色理论分别对延边地区、长沙市、山东省、沈阳市的畜禽养殖环境承载力进行分析和预测；黄显雷[8-9]、李登赴[10]、褚明辉等[11]利用养分平衡的方法核算畜禽养殖环境承载力；陈晓燕[12]利用系统分析模型评估杭州市各地区的畜禽养殖环境承载力现状；而安晶潭等[13]利用系统动力学法预测大理州的畜禽养殖环境承载力现状。这些研究为我们研究吉林省各地区的畜禽养殖环境承载力提供了参考。

因此，本文拟从经济、社会、自然角度考虑，选取发展类和限制类指标构建畜禽养殖环境系统承载力评价指标体系，基于灰色预测模型和系统分析方法对吉林省各区域畜禽养殖产业的环境承载力进行评价和预测，通过量化的“承载力”关注当前和未来一段时间内畜禽养殖产业系统与区域环境系统的协调度和可持续发展程度[14-15]，在环境系统的允许和约束下推动区域畜禽养殖产业健康发展。

1 畜禽养殖环境系统承载力评价指标体系构建

借鉴国内外相关研究成果，秉持科学性、完整性、可预测性等原则，从经济、自然、社会三个维度构建区域畜禽养殖环境承载力系统模型，用发展类和限制类指标度量区域畜禽养殖环境承载力。人口增长、经济发展等人类为满足自身发展和社会福利改善而产生的各种消耗性活动会导致环境没有更多的承载能力支撑畜禽养殖活动的发展，把这一类指标定义为限制类指标。限制类指标与畜禽养殖承载能力之间成负相关关系，指标的数值越大，代表人类活动强度越大，越不利于畜禽养殖环境系统承载力的改善和畜禽养殖活动的增加；技术进步、社会治理、新资源的发现等经济社会活动和响应机制会降低环境污染和破坏，或为畜禽养殖业的发展提供更多可利用的资源环境，使环境有更多的承载能力支撑畜禽养殖活动的发展[16]，把这一类指标定义为发展类指标。发展类指标与畜禽养殖承载能力之间成正相关关系，指标数值越大，越有利于畜禽养殖环境系统承载力改善，有利于畜禽养殖活动的增加。本文构建的畜禽养殖环境承载力系统承载力评价指标体系如表1所示。

表1 畜禽养殖环境系统承载力评价指标体系及说明Tab.1 Evaluation index and description of environmental carrying capacity of livestock and poultry breeding system

上述指标体系综合反映了区域现有畜禽养殖业发展和污染现状、区域土地资源、水资源和生物资源消耗水平、人类经济社会发展情况等对区域畜禽养殖环境系统的限制性影响[17]。

近似描述了区域土地资源、水资源和生物资源现状、区域经济发展水平、社会管理水平、污染治理水平、科技投入水平等对区域畜禽养殖环境系统的支持能力；综合反映了区域自然系统、经济社会系统、产业系统、环境响应系统的相互影响和相互作用，较全面地勾勒了畜禽养殖环境系统的各个维度和方面，能较好地评价区域畜禽养殖环境系统承载力的综合状态。

2 数据来源与评价方法

2.1 原始数据来源

本文选取长春、吉林、四平、通化、白城、白山、松原、延边、辽源作为代表性地区研究吉林省畜禽养殖业的发展。吉林省畜禽养殖基础数据、人口数、工业产值、牧业产值、工业废水排放量、生活污水排放量、化学肥料施用量、耕地面积、粮食作物产量、地表径流、地面水水质达标率、饮用水源达标率、“三废”综合利用产品产值、“三同时”执行率、环评执行率、工业企业废水排放达标率、科技支出、GDP、环保投资占GDP比重等指标均来源于历年《吉林省统计年鉴》《中国统计年鉴》和《中国农业统计年鉴》；养殖量用生猪当量来表示(30只蛋鸡折算1头猪，60只肉鸡折算1头猪，1头奶牛折算10头猪，1头肉牛折算5头猪，3只羊折算1头猪)；养殖结构用大牲畜存栏量与养殖总量的比值来确定；土地资源消耗水平用养殖生猪当量除以年末常用耕地面积；水资源消耗水平用养殖用水量同地表径流量比值来确定；生物资源消耗水平用畜禽养殖产值除以粮食产量来确定；养殖污水排放用畜禽养殖量乘以单位养殖污水排放量来确定；养殖固废排放量用畜禽养殖量乘以单位养殖固废排放量来确定；废水排放相对强度用畜禽养殖污水排放量除以工业废水与生活污水排放量的总和来确定；固废排放相对强度用畜禽养殖固废排放量除以工业固废与生活垃圾排放量的总和来确定；污染物排放相对强度用畜禽养殖污染物排放量(COD)除以总COD排放(工业废水、生活污水污染物之和)来确定。

2.2 畜禽养殖环境系统承载力评价方法选择

本文选择系统分析模型作为畜禽养殖环境承载力量化方法，通过计算并比较区域环境系统承载力的综合值、适宜值和警戒值，来确认区域环境承载力的具体状态[3]。

在研究区域畜禽养殖环境承载力评价及预警中，针对n个指标给出了不同年份的畜禽养殖环境承载力分量，假设环境承载力在m个年份的承载力为Xj(j=1，2，3，…，m)，而不同年份m畜禽养殖环境承载力又由若干个指标n所确定的分量构成，既有xij=(x1j，x2j，x3j，…，xnj)。对其进行归一化处理之后，有Xij=(X1j，X2j，X3j，…，Xnj)，其中Xij代表第i个指标在第j年份下的具体指标值。为了消除不同指标数据量纲之间的差异，本文约定，对于限制类指标用式(1)进行归一化处理。

(1)

对于发展类指标用式(2)进行归一化处理。

(2)

那么，第j年份环境承载力的综合值用归一化后矢量的模来表示，如式(3)。

(3)

此外，本文把各指标年度平均值设定为适宜值，用来表征畜禽养殖生态环境承载力最理想的状态；各指标所有年份的最小值设定为警戒值，表征畜禽养殖生态环境承载力的最大承受力度。

2.3 畜禽养殖环境系统承载力预测模型选择

灰色预测模型(Grey Model)是对灰色系统建立的预测模型，简称GM模型，经常运用在农业、经济等方面。作为预测用的GM模型分为GM(1,1)模型和GM(n,1)模型。当原始时间序列含有指数变化规律时，GM(1,1)是比较理想的预测模型，畜禽养殖环境承载力测度既有已知因素又含有未知因素，可以看成一个灰色过程，因此本文选用累加生成数列的GM(1,1)模型预测未来10年吉林省各区域畜禽养殖环境承载力现状[4]。基本步骤如下。

1)对原始数据做一次累加。设变量X(0)={X(0)(i)，i=1，2，…，n}为预测吉林省各区域畜禽养殖环境承载力的非负单调原始数据列。为克服原始数列的波动性和随机性，首先对X(0)进行一次累加，生成一次累加序列

X(1)={X(1)(k),k=1,2,…，n}

(4)

式中：k——时间序列。

2)建立GM(1，1)模型。对X(1)建立微分方程，即GM(1，1)模型

(5)

式中：a——发展灰度；

u——内生控制灰度。

X(0)(k)=-aX(1)(k)+u(k=1,2,3,…，n)

(6)

即矩阵形式为

Y=B(a,u)T

其中：Y=[X(0)(2)，X(0)(3)，…，X(0)(n)]T，

用最小二乘求得参数的估计值

(7)

因此，解式(5)，得到离散化的时间响应模型

让流行歌词打破作文的僵局吧！海阔凭鱼跃，天高任鸟飞。我们应该与时俱进，契合学生的内心，用歌词为学生创造一片浩渺汪洋和广袤苍穹，让学生爱上作文！

(8)

由式(8)计算得到的是在k+1时刻生成数列的预测值，欲求原始数列的预测值，尚需进行累减运算。因此得到原数列的预测值为

(9)

3)模型检验。预测数列与原始数列的拟合精度高可直接用于外推预测，否则，须经残差修正后再用于预测，拟合检验指标有后验差值比C及小误差概率P，具体检验过程如下。

首先，计算原始数列X(0)的均值和方差。

(10)

(11)

(12)

(13)

最后，求后验差比值与小误差概率。后验差比值

(14)

小误差概率

(15)

当C<0.35,P>0.95，预测模型精度为一级，当0.35

2.4 畜禽养殖环境系统承载力评价标准确定

表2 区域畜禽养殖环境系统承载力评价标准Tab.2 Evaluation criteria for environmental carrying capacity of regional livestock and poultry breeding system

3 吉林省畜禽养殖环境承载力评价结果分析

3.1 畜禽养殖环境承载力现状不容乐观

应用上述畜禽养殖环境承载力测算方法，对2010—2019年吉林省各区域畜禽养殖环境承载力的综合值、适宜值和警戒值进行计算，具体结果如表3所示。

表3 2010—2019年吉林省各地区畜禽养殖环境承载力综合值、适宜值和警戒值Tab.3 Comprehensive value,suitable value and warning value of environmental carrying capacity of livestock and poultry breeding system in different regions of Jilin Province from 2010 to 2019

由表3可知，2010—2019年吉林省吉林、松原、白城的畜禽养殖环境承载力的综合值波动幅度较大，总体呈现下降的趋势，多数年份的综合值均低于警戒值，表明这三个地区的生态环境承载力弱；长春、通化、辽源、四平地区历年的畜禽养殖环境承载力综合值大多介于警戒值和适宜值之间，畜禽养殖生态环境承载力水平较弱；延边、白山的畜禽养殖环境承载力综合值大多大于适宜值，且逐渐偏离适宜值，表明延边和白山两地区畜禽养殖环境承载力较强。当前，吉林省9个行政区域中吉林、松原和白城的畜禽养殖环境承载力最弱，长春、通化、四平和辽源居中，延边和白山的整体情况较好，区域畜禽养殖环境承载能力受到了一定程度的挑战[19]。详见表4。

表4 吉林省各城市畜禽养殖环境承载力的现状Tab.4 Current situation of environmental carrying capacity of livestock and poultry breeding system in Jilin province

3.2 畜禽养殖环境承载力前景堪忧

为了考察区域畜禽养殖环境系统承载力的累积效应、滞后效应和长期影响，增强对产业发展方向和整体产业布局的预判，本文利用上述灰色预测模型对吉林省代表性城市的畜禽养殖环境承载力进行预测。以长春为例，计算结果如表5所示。

表5 长春畜禽养殖环境承载力实际值与预测值Tab.5 Actual and predicted values of environmental carrying capacity of livestock and poultry breeding system in Changchun

可以发现，2010—2019年长春市禽养殖环境承载力实际值与预测值拟合度较高，实际数据和预测数据两者相差不大且两者数据的变动都呈递减趋势。表明本文选取的畜禽养殖产业环境承载力实证分析方法和构建的评价指标体系均适用。可以据此对长春地区2020—2029年的畜禽养殖环境承载力进行预测，相应的畜禽养殖生态承载力测度的预测模型

X(t+1)=12.33e0.060 1t-12.241 8

(16)

同理，分别构建其他8个行政区域的畜禽养殖环境承载力预测模型，并据此进行区域环境承载力预测，限于篇幅，在这里不一一赘述。2020—2029年吉林省各地区畜禽养殖环境承载力预测结果汇总情况如表6所示。

表6 2020—2029年吉林省各地区畜禽养殖环境承载力预测值Tab.6 Predicted values of environmental carrying capacity of livestock and poultry breeding system in different regions of Jilin Province from 2020 to 2029

依据前文提出的评价标准，吉林省各地区畜禽养殖业环境承载力前景预测结果汇总如表7所示。

表7 吉林省各地区畜禽养殖业环境承载力前景Tab.7 Prospects of environmental carrying capacity of livestock and poultry breeding in different regions of Jilin Province

对比各地区畜禽养殖环境系统承载力现状可以发现：(1)未来10年吉林省各地区畜禽养殖环境系统承载力基本沿袭和继承了现有基础，9个行政区中6个(延边、白山、辽源、吉林、松原、白城)地区的畜禽养殖环境承载力水平维持不变，说明区域畜禽养殖环境系统的系统惯性和累积效应很难突破；(2)长春市受自然生态系统，特别是高水平的经济社会系统、环境治理响应系统等对养殖环境系统支撑能力的显著影响，虽然当前畜禽养殖环境承载力较弱，但未来前景较乐观，是9个地区中唯一一个有机会实现系统修复和逆生长的地区；(3)吉林和四平地区在自然、经济和社会系统的综合作用下，现有畜禽产业生态环境系统的负面影响将在未来10年进一步显化，区域畜禽养殖环境承载能力将进一步恶化，由当前的中等水平直线滑落至较弱水平，前景堪忧；(4)总的看来，9个行政区域中将有5个，超过55%的地区变成畜禽养殖环境系统承载力薄弱地区，进入重警状态，省域范围内畜禽养殖业整体发展前景不乐观。上述预测结果说明，区域畜禽养殖环境系统承载力不仅是可继承的，也是可逆行和再生的，其综合状态取决于系统内发展类指标和限制类指标的相互作用和影响，既要尊重现有系统承载力现状和基础，又要积极采取恰当的系统干预策略，充分发挥经济、社会和生态系统对产业系统的促进作用，实现区域畜禽养殖环境系统的良性和可持续发展。

自然状态下未来10年，延边、长春、白山地区畜禽养殖环境承载力预测的综合值逐年递增，且均大于警戒值，偏向适宜值，畜禽产业发展前景乐观，应注重生态环境保护，维持畜禽养殖业的可持续性发展模式；辽源地区畜禽环境承载力的综合值逐年偏大，且介于警戒值和适宜值之间，生态环境的自我修复能力较强，未来发展前景较乐观，可适度开展畜禽产业的可持续发展活动，控制好养殖数量和养殖规模；吉林、四平、通化、白城、松原的畜禽养殖环境承载力的综合值均小于警戒值，且呈逐年下降态势，表明这些地区畜禽养殖产业发展前景不乐观，处于重警区域，各地区的生态环境状况较差，畜禽养殖模式不能和生态环境共存，当前畜禽养殖模式不适合该地区，应当尽快缩减畜禽养殖的规模、数量，转移全部或部分畜禽养殖产业，着力进行生态环境修复。

4 结论与建议

畜禽养殖业的发展是一个包含经济、社会和环境影响的系统工程。畜禽养殖业发展涉及的影响因素有的会对产业发展有促进和支持作用，有的具有阻碍和限制作用，畜禽养殖业的发展应该综合考虑各方影响，用系统、协同和持续的思想综合考虑[20-21]。本文从自然生态系统、经济社会系统、产业系统和环境响应系统等方面选取发展类和限制类指标构建区域畜禽养殖环境系统承载力评价指标体系，通过对比区域畜禽养殖环境系统承载力预测值、适宜值(各指标年度平均值)和警戒值(各指标所有年份的最小值)，对吉林省各地区禽养殖环境承载力进行了评价和预测。

首先，区域畜禽养殖环境承载力受到了一定程度的挑战。2010—2019年，吉林、松原、白城3个地区多数年份畜禽养殖环境承载力的综合值均低于警戒值，畜禽养殖生态环境承载力弱；长春、通化、辽源、四平4个地区历年的畜禽养殖环境承载力综合值大多介于警戒值和适宜值之间，畜禽养殖生态环境承载力较弱；延边和白山2个地区的畜禽养殖环境承载力综合值大多大于适宜值，地区畜禽养殖环境承载力相对较强。

其次，整体畜禽养殖环境承载力前景堪忧。未来10年，吉林和四平地区畜禽产业生态环境系统的负面影响将进一步显化，区域畜禽养殖环境承载能力将进一步恶化，加上之前一直处于较弱状态的吉林、松原和白城，省域内9个行政区域中将有5个，超过55%的地区变成畜禽养殖环境系统承载力薄弱地区，进入重警状态，畜禽养殖业整体发展前景不乐观。

最后，区域畜禽养殖环境系统承载力的系统惯性和累积效应很难突破。前后两个10年的对比分析发现，吉林省9个行政区中有6个(延边、白山、辽源、吉林、松原、白城)的畜禽养殖环境承载力状态维持不变；有2个地区(吉林、四平)会出现进一步恶化态势；只有1个地区(长春)受自然生态系统，特别是高水平的经济社会系统、环境治理响应系统的支撑能力影响，有机会实现系统修复和逆生长，前景较乐观。

上述研究结果说明，区域畜禽养殖环境系统各个子系统的相互作用机理深刻、复杂，在空间上有交叉，在时间上有继承，有显著的累加和滞后效应。其综合状态取决于系统内发展类指标和限制类指标的相互作用和影响，一旦受到破坏，在自然状态下很难修复，多数情况只能愈演愈烈。既要尊重现有系统承载力现状和基础，又要积极采取恰当的系统干预策略，充分发挥经济、社会和生态系统对产业系统的促进作用，在环境承载力约束范围内合理地进行产业布局和产业发展政策制定，实现区域畜禽养殖环境系统的良性和可持续发展。具体说来，长春、白山、延边等发展前景乐观地区应注重生态环境保护，维持现有畜禽养殖的可持续性发展模式；辽源生态环境的自我修复能力较强，未来发展前景较乐观，可适度开展畜禽产业的可持续发展活动，控制好养殖数量和养殖规模；吉林、四平、通化、白城、松原等畜禽养殖环境承载力重警区域则应迅速缩减畜禽养殖规模，进行全部或部分产业转移，着力进行生态修复，并考虑逐步探索生态产业化道路。