中国省域生态福利绩效水平的评价及提升

叶 琪，王嘉欣

(福建师范大学 经济学院，福州 350117)

随着我国经济转向高质量发展阶段以及人们生活水平的提升，人们对美好生活的期待越来越高，不仅对物质产品的质量和种类有了更高的需求，而且对生活的空间环境也有了更高的要求，广大人民群众从“盼温饱”到“盼环保”，从“求生存”到“求生态”，绿色发展理念日益深入人心，正朝着建设美丽的社会主义现代化国家迈进。在构建我国新发展格局和步入新发展征程中，要让广大人民群众公平地共享经济发展和生态环境改善的福利，不断提高人民群众的获得感、幸福感、安全感，才能夯实我国社会主义现代化国家建设的基础。然而，由于我国长期发展的不平衡不充分使得区域城乡之间呈现了一定的发展差距，各个地区经济综合实力以及技术创新水平的差异也使各地区生态资源的利用能力和程度不同。良好的生态环境是最公平的公共产品、最普惠的民生福祉，生态环境的无界性和环境污染的蔓延性意味着生态环境治理和改善是不可分割的，只有加强生态科技创新和优化产业结构才能更有效地提高生态福利绩效水平，各个地区强化协同治理才能实现更加公平的生态福利共享。通过科学客观地测量评价我国省域生态福利绩效水平的差异分布，找到省域生态环境互补协作的契合点，为提高生态资源的利用效率，更加公平、更加普惠的生态福利共享构建协同治理方案和体系。

一、文献综述

福利绩效最初是用于企业经营管理中员工报酬的衡量，福利绩效的多寡和企业经营业绩紧密挂钩，是激励员工生产积极性的重要手段。将福利绩效用于生态环境领域而形成的生态福利绩效，主要是用来衡量生态资源消耗带来的生态福利产业效率，从根本上反映经济发展进步和人们生活水平改善的程度，以及广大人民从生态环境改善中得到的收益。Daly于1974年最早提出了生态福利绩效的概念，即服务与吞吐量的比值，但由于他未给出一个可量化的指标，从而使得生态福利绩效没有得到广泛的应用[1]。之后，Rees用生态足迹替代吞吐量，将生态福利绩效定义为服务与生态足迹的比值[2]；诸大建在前人的基础上对生态福利绩效的概念进行了改进，明确提出生态福利绩效是建立福利的价值量与生态资源消耗的实物量的比值关系[3]，反映绿色转型发展的经济质量和能级，为我国生态福利绩效理论与实践研究开展提供了新的研究视角。

运用不同的评价方法将生态福利绩效水平进行量化可以更直观地进行时间和空间上的比较，并进一步探析与之相关联的影响因素。Thomas Dietz等利用58个国家的面板数据发现人均GDP和生态福利绩效呈U形关系[4]。臧漫丹、诸大建、刘国平对1996—2007年二十国集团生态福利绩效的变动趋势进行了实证分析，并对不同发展水平国家开展差异化分析[3]。王圣云、韩亚杰等将生态福利绩效模型分解为经济增长福利效应和经济增长生态效应两个驱动效应，运用DI指数和DEA-ML指数对影响中国31个省域的驱动效应进行了测算和分析[5]。肖黎明、吉荟茹基于绿色技术创新视域，使用SBM-DEA超效率模型、Getis-Ord Gi*指数、面板Tobit回归模型分析了2004—2016年中国30个省域(除西藏)的生态福利绩效水平、空间分布特征及其影响因素[6]。张竞娴、李成宇、张士强等都对中国省际生态福利绩效水平进行了测算，并实证分析了城镇化、绿化程度、产业结构等主要影响因素[7-8]。龙亮军采用非径向Super-SBM模型对“十二五”期间我国主要城市的生态福利绩效进行了测算和评价研究[9]。可见，多数学者采用目前主流的效率评价方法将生态福利绩效水平数量化，并从不同角度对不同对象进行评价和比较，为把生态因素纳入经济社会发展水平范畴提供了一个新的通道。

受经济发展水平和生态环境治理水平差异的影响，生态福利绩效水平的区域分布是不均衡的，同时生态福利绩效水平也会随着经济发展不断改进，现有研究运用不同方法从时间和空间对区域差异程度进行测算。邓远建、杨旭等对全国29个省(市、区)生态福利进行测算，得出空间上呈现“东强、中次、西弱”的非均衡特征[10]。林木西、耿蕊等着眼于探究中国30个省市生态福利绩效的区域差异演进以及造成差异的根源[11]。方时姣、肖权分析了我国区域生态福利绩效的影响因素及空间关联性[12]。李琴运用自然断点法考察了30个省份生态环境绩效的时空演化格局及其不同地区的收敛性特征[13]。徐昱东等通过评价30个省份生态福利绩效水平发现生态福利绩效水平存在区域集聚效应[14]。实证研究结果均表明我国生态福利绩效水平存在着区域差异，并且与经济发展水平的分布具有高度一致性。

经济增长与资源能源消耗具有高度关联性。一般而言，在经济增长较快阶段，资源能源消耗量大，污染物排放数量也较多，特别是在粗放式生产方式下，这一特征更加明显。因此，本文在现有研究基础上，引入经济周期因素评价省域生态福利绩效水平，使其更加符合发展实际，并进一步对投入无效区域的投入冗余度分析，探寻造成无效的根本原因所在，把握提升生态福利绩效水平的关键环节，并着眼于生态环境治理和福利绩效提升的整体性，提出协同提升的相关对策。

二、评价方法选择与指标体系构建

(一)评价方法选择

数据包络分析法(Data Envelopment Analysis, DEA)是目前国内外用于测算绩效水平、进行有效性评价的主流数量分析方法之一。DEA方法由于具有评估结果不受量纲影响、能够评估多项投入与产出、无需事先确定权重值等得天独厚的优势，被广泛应用于不同领域、不同行业的研究中。为了确保评价结果的客观性和稳定性，本文运用DEA对中国31个省(市、自治区)生态福利绩效测算、评估和差异化分析。DEA模型又可以分为CCR模型和BCC模型。CCR模型是在假设每个生产决策单元规模报酬不变的前提下对生产决策单位进行相对效率评价，而BCC模型则在CCR模型的基础上放宽了固定规模报酬的强假设。考虑到现实中生态资源使用和存在规模效益影响，运用BCC模型更为恰当。另外，本文沿用了减物质化转型的基本思路，即在保持福利水平不变的情况下尽可能减少生态消耗，以实现一定的经济社会发展水平下物质资源投入的最小化。基于这些考虑，本研究最终选定在投入导向、规模效率可变的情况下，利用多阶段DEA模型对31个省(市、自治区)的生态福利绩效进行静态效率测算。

DEA-BCC模型用于测算静态效率评价并无不妥，但在动态效率评价中，基于DEA模型测算出的相对效率数值来判断不同时点上生产决策单位的效率高低就失去了意义。为了解决这一问题，瑞典经济学家和统计学家斯腾马姆奎斯特(Sten-Malmquist)1953年提出了Malmquist指数思想，后由凯夫斯、法雷(Fare)等人不断拓展和深化。Malmquist指数可以更好地反映各省域生态福利绩效的动态变化以及绩效变化的推动因素，便于为各地出台相应的政策措施提供科学的参考依据。

(二)评价指标体系构建

经济的高速发展必然伴随着人们对物质资源消耗的增多和废弃物排放的增加，“环境恶化”可以看作是经济增长和福利增加的成本代价。生态福利绩效的本质是以最小的生态投入带来最大的福利产出水平，生态投入指标值越小越好，福利产出指标值越大越好。本文在借鉴龙亮军[9]、臧漫丹、诸大建、刘国平[3]等学者所构建的生态福利绩效的指标体系基础上，结合经济周期因素和规模报酬因素，在投入层面选取资源消耗、环境污染两大一级指标，其中资源消耗下设4个二级指标，包括水资源、矿产资源、土地和能源消耗，环境污染下设3个二级指标，主要反映“三废”排放。产出层面选取福利水平作为一级指标，人均GDP反映福利水平，预期寿命表示经济周期。由此构建生态福利绩效投入产出指标体系(见表1)。

(三)数据来源与处理

本文以我国31个省域(不包括港澳台)作为评价对象，生态福利绩效投入产出指标的数据时间跨度为2009—2017年，正好为我国一个近乎完整的经济短周期。2009—2010年为抵御金融危机冲击我国实施投资刺激计划和产业发展计划保持较高的经济增长率。2011年后受金融危机的后续影响以及国际市场的持续萎缩，我国经济增速放缓，叠加我国新旧动能转化和国内经济转向高质量发展阶段的调整，经济增速持续下降，并持续接近新一轮增长临界点，此处经济周期的划分有助于后文分析生态福利绩效的变化趋势。各指标数据均来自《中国统计年鉴》《中国环境统计年鉴》及国家统计局数据库，缺失的数据用均值法计算补齐。其中分省平均预期寿命指标由于根据人口普查数据计算得出，每十年统计一次，且数据的变化幅度很小，因此2009年分省平均预期寿命采用2000年普查数据，2010—2017年分省平均预期寿命采用2010年普查数据。

三、评价结果总体布局及变动特征

(一)中国省域生态福利绩效水平总体布局的静态分析

运用DEA-BCC模型分别测算2009—2017年31个省(市、自治区)的生态福利绩效水平，并得到各年份的均值，结果如表2所示，均值为1的视为相对有效，均值小于1的视为未实现相对有效。在31个评价对象中，17个省域实现DEA相对有效，占样本的54.84%，未能实现DEA相对有效的省域占样本总数的45.16%。全国的平均值为0.954，根据省域排名情况来看，24个省域能够超过平均水平，只有江苏、湖北、青海、黑龙江、辽宁、新疆、宁夏6个省域未能达到平均值，依次位列后六位。

表1 省域生态福利绩效水平评价指标体系

从四大区域来看，东部地区生态福利绩效平均值为0.989，其中江苏、浙江、福建、山东四个省份未达到DEA相对有效；中部地区平均值为0.987，其中湖北未达到DEA相对有效；西部地区平均值为0.925，内蒙古、云南、甘肃、青海、宁夏、新疆六个省域未达到DEA相对有效；东北地区平均值为0.886，三大省均未达到DEA相对有效。四大区域中，东部地区和中部地区相当，仅有0.002的细微差距；西部地区和东北地区与东、中部地区差距相对较大。自2008年金融危机以来，东部地区产业结构升级速度加快，中西部地区积极承接东部产业的转移，为中西部注入了巨大的经济活力。但也应看到，东部转移的产业中很大部分是化工、冶金等高污染、高能耗、高排放的产业，中西部地区在承接产业转移的同时也承接了污染，对当地的可持续发展产生较大影响，再加上中西部经济发展落后的地区迫切需要通过承接产业快速构建当地产业发展体系，把经济利益置于生态环境利益至上，导致很大一部分产业产能过剩、重复建设。不过好在中部地区对生态环境治理的意识和重视程度越来越强，如以武汉为首的周边城市在城市发展、污染治理的问题上已经形成了统一的规划，南昌也仿照上海的治理模式迅速有效地控制了污染，一定程度上遏制了生态环境恶化。东北地区的生态福利绩效处于全国最低水平，且与其他地区差距较大。东北地区拥有丰富的资源能源，为其经济发展创造了得天独厚的条件，但长期以来，东北地区粗放型经济发展方式以及大力发展资源能源型产业，不仅带来严重的环境污染、生态破环，而且投入的资源未能充分有效地发挥其价值，对GDP的拉动作用逐渐减弱[15]。因此，各区域生态福利绩效水平呈现不同的差距既有历史因素，也有现实因素。

(二)中国省域生态福利绩效水平的动态变化

运用Malmquist指数对我国31个省(市、自治区)2009—2017年生态福利绩效水平进行动态分析，通过DEAP2.1软件计算得出技术效率变化指数(EFFCH)、技术进步指数(TECHCH)和全要素生产率指数(TFPCH)如表3、表4所示。全国 Malmquist 指数平均值小于1，表明2009—2017年，我国省域生态福利绩效呈现略微下降的趋势，可能是因为长期以来工业化和经济高速发展走粗放式发展道路，付出了巨大的环境代价，近年来虽然进行了环境治理和补救，但生态环境问题是长期累积的结果，其解决也需要一个长期的过程，转变经济发展方式，提升生态资源利用效率依旧任重而道远。

表2 2009—2017年中国省域生态福利绩效水平测算结果

续表2 2009—2017年中国省域生态福利绩效水平测算结果

全要素生产率指的是资源(包括人力、物力、财力)开发利用的效率，反映各地区发展经济在一定时期内表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。从全要素生产率指数来看，2009—2010年的指数为0.801，小于1，表明这段时间生态福利绩效整体水平不高。与此同时，这段时期我国经济处于繁荣阶段，经济增速分别为9.40%和10.64%，达到该周期GDP增长率的峰值，这段时期经济发展与生态福利绩效的不匹配表明我国经济增长是粗放式的，存在着重产量轻质量、重投入轻效率等问题。2010—2011年的指数为0.969，仍然小于1，说明此阶段生态福利绩效已有一定幅度的上升，但水平仍较低，而此阶段我国经济增长率开始在高位有波动下降趋势，经济增长方式仍偏向粗放型。2011—2015年，我国进入深化改革开放、加快转变经济发展方式的攻坚阶段，在此期间，各省域多措并举优化环境质量，大力倡导健康绿色的生产生活方式，全面推进“美化、亮化、绿化”生态文明建设，取得了巨大的成效。除了2013—2014年小于1外，其他年份生态福利绩效已全部大于1。2015—2017年指数仍然保持在1以上，而且提升的速度也开始加快，但经济增长率却下滑至6%—7%的水平，这说明我国经济已由高速增长阶段转向高质量发展阶段，过去粗放型的经济增长方式也正在逐步向集约型转变。

技术效率变化指数(EFFCH)是指不同时期实际产出水平与各自最优产出水平之比，反映资源配置效率的合理程度。从技术效率变化指数来看，2009—2010年的数值为0.981，2010—2011年的数值为0.988，二者均小于1，表明投入与产出之间配置效率较低。2011—2017年除2012—2013年外都大于1，说明技术效率改善带动了生态福利绩效水平的提高。

技术进步变化指数(TECHCH)是指相同投入在不同时期的最优产出水平之比，主要反映技术进步或创新的程度。从技术进步变化指数来看，只有2012—2013年、2014—2015年、2015—2016年和2016—2017年是大于1的，表明这几个时期技术水平有一定程度的提高，其他年份技术进步均无显著提升，创新进展缓慢是制约各省域生态福利绩效水平的关键因素。

四、中国省域生态福利绩效水平的空间分布差异

为了探究省域之间生态福利绩效水平的相对差异及原因，根据以上Malmquist指数测算结果将各效率指数由高到低大致划分为六个区间，分别为达到1.000、0.950—1.000、0.900—0.950、0.800—0.900、0.700—0.800、0.700以下，并进一步对空间分布差异进行阐析。

(一)综合效率均值省域分布差异

从总体来看，我国生态福利绩效呈现出明显的梯度变化：从东南沿海到西北内陆整体递减，西部生态福利绩效水平整体略低于东部，北部生态福利绩效水平整体略低于南部。目前，全国大部分省域都已达到1.000或介于0.950—1.000区间范围内，但少部分省域仍处于0.800以下，从区域来看，东部、中部地区基本介于区间1.000、0.950—1.000，西部、东北地区则多介于区间0.950—1.000、0.900—0.950、0.800—0.900，体现出明显的空间非均衡性。另外，生态福利绩效存在一定的空间集聚效应，生态福利绩效较高的地区，其周边省份的生态福利绩效水平往往也比较高，可以推测绿色发展可能会存在一定的正外部性。

表3 2009—2017年中国省域生态福利绩效Malmquist指数变化及其分解

表4 2009—2017年中国省域生态福利绩效各时期Malmquist指数变化及其分解

(二)Malmquist指数均值省域分布差异

对于技术效率变化指数来说，全国整体呈现出“中间高，周边低”的分布特征。大部分省域的资源配置效率是上升的，技术效率变化指数大于1的省域在东部、中部、西部、东北地区均有分布，少数省域的资源配置效率略有下降，但效率下降都能控制在5%以内，这些省域主要分布于东部沿海、西北和东北地区的边缘地带，且均属于中低绩效省域。对于技术进步指数来说，全国普遍缓慢，只有13个省域技术水平有所提高，除了北京、上海两个特大城市外，其他省域技术进步的幅度并不显著。从分布来看，全国总体上呈现出由东南向西北递减的趋势，西部技术更新速度明显滞后于东部、中部和东北部，西藏、贵州、青海3个省份技术进步慢的问题尤为突出。当然，也有一些省域比如内蒙古、陕西、宁夏，在此期间充分利用西部大开发等机遇积极引入先进技术，加快技术升级换代，排名跻身于全国前列，这些省域可以为其他落后地区提供有益借鉴。因此，绝大多数省域无论是处于高绩效、中绩效还是低绩效水平，都有必要加强对技术引进和技术创新的重视，将全面推进技术进步摆在提升生态福利绩效水平的重要位置。

全要素生产率指数的省域分布与技术进步指数非常相似，仍然是“东南高，西北低”，而且大部分省域都小于1，说明我国大部分省域全要素生产率整体为下降趋势，少数省域全要素生产率有所上升，但幅度不大，除了北京、上海、天津的效率增长能够达到5%，其余省域均不显著。此外，不同省域之间的发展差距非常明显，上海在2009—2017年间全要素生产率平均增长21.0%，处于全国领先地位，北京平均增长15.0%位居第二，这与上海、北京开放程度高、人才吸引力强有很大关系，而西藏则平均增长-21.2%，成为31个省域中效率负增长最大的地区。除此之外，全要素生产率也存在一定的空间集聚效应，全要素生产率下降的省域基本集中于三大地区，以青海为中心的西部地区、以河南、安徽为中心的东中部地区、位于东北部的黑龙江地区，这些地区中的大部分省域技术效率变化指数能够维持在较高的水平，全要素生产率低的主要原因在于技术进步缓慢。

五、投入冗余度分析

根据前文对综合效率水平所划分的六个区间，我们将生态福利绩效水平为1.000的省域视为“高绩效”省域，将处于0.950—1.000、0.900—0.950、0.800—0.900区间的省域视为“中绩效”省域，将处于0.700—0.800、0.700以下区间的省域视为“低绩效”省域。同时根据我国区域经济发展实力总体分布呈现“东强西弱”的格局，将经济发展水平较高的东部地区的省域视为“高福利”省域，经济发展水平居中的中部地区省域视为“中福利”省域，将经济发展水平相对较低的西部和东北地区的省域视为“低福利”省域。综合考虑生态福利绩效水平和经济发展水平，把全国31个省域被进一步划分为“高绩效-高福利”(北京、天津、河北、上海、广东、海南)“高绩效-中福利”(山西、安徽、江西、河南、湖南)“高绩效-低福利”(广西、重庆、四川、贵州、西藏、陕西)“中绩效-高福利”(江苏、浙江、福建、山东)“中绩效-中福利”(湖北)“中绩效-低福利”(内蒙古、云南、甘肃、青海、吉林、黑龙江)及“低绩效-低福利”(宁夏、新疆、辽宁)七大区域。

为了进一步探究造成部分省域DEA无效的具体原因是什么，从而提出更有针对性的政策建议，运用DEA-Solver Pro 5.0软件对2009—2017年14个DEA无效的省域进行投入冗余度分析(基于投入导向、规模报酬可变假设下的BCC模型，投入冗余度测算通过DEA-Solver Pro5.0软件完成)，更直观地判断投入的主要资源最优消耗量和实际消耗量的差值，并对同一省域同一指标下不同年份的测算结果取平均值，结果如表5、表6所示(因废物排放的三级指标数量很多，需要对指标进行删减，此处选用人均一般工业固体废物产生量来代表废物排放)。一般而言，投入冗余度值越大，则表示效率损失越大，资源能源利用效率越低。

由投入冗余度分析结果可以看出，在“中绩效-高福利”区域，江苏在水资源消耗、矿产消耗、土地消耗、能源消耗、废物排放五个方面均有很大的改进空间，福建在水资源消耗、废物排放方面需要进一步提升，山东在废物排放方面冗余度相对较高，而浙江总体冗余度不大。在“中绩效-高福利”区域，湖北五个方面均存在一定的冗余度，但冗余度相对较小，其中土地消耗和废物排放略为突出。在“中绩效-低福利”区域，内蒙古和甘肃五个方面的冗余度都很高，其中矿产消耗、能源消耗、废物排放三方面最为严重。云南在矿产消耗方面提升空间比较大，其余方面冗余度很低，而青海在水资源消耗、矿产消耗、能源消耗、废物排放四方面有待提升。吉林和黑龙江在五个方面的冗余度都很低，是该地区做得最好的两个省域。“低绩效-低福利”地区是冗余度“重灾区”，宁夏、新疆、辽宁在五个方面都需要大幅度提升。从分析结果中还可以看到一个怪现象，即资源越丰富的地区，其投入资源的冗余度反而越大，如高福利地区(东部)具有相对丰富的水资源，但水资源消耗冗余度却相对较高，而低福利地区(西部、东北部)的矿产和能源相对较为丰富，但矿产消耗、能源消耗冗余度相对高一些，似乎陷入“资源越富有，使用效率越低”的怪圈。

表5 2009—2017年DEA相对无效省域生态投入冗余度分析(水资源、矿产、土地消耗)

表6 2009—2017年DEA相对无效省域生态投入冗余度分析(能源消耗、废物排放)

六、结论与建议

运用DEA-BCC模型对2009—2017年我国31个省(市、自治区)生态福利绩效水平进行测算，结果显示有17个省域实现DEA相对有效，而有14个省未能实现相对有效，表明我国生态福利绩效水平总体偏低。从动态变化趋势来看，Malmquist指数计算结果表明，我国省域生态福利绩效水平略微呈下降趋势，在对其进一步分解可以得出，随着我国经济发展方式的转变，我国生态福利全要素生产率水平在逐步提高，技术效率也在改善，但是技术进步缓慢成为制约因素。从省域生态福利绩效水平的空间分布来看，呈现出从东部向中西部递减的格局，与区域经济发展水平的梯度分布具有一致性。在进一步对14个DEA无效的省域资源能源投入冗余度测算中发现，处于不同“绩效-福利”区域的省域的能源利用效率各有差异，绩效和福利越是低的区域，其能源利用效率越低，而且还发现在资源能源越是丰富的地区，其低效利用的浪费显现越严重。根据实证研究的结果，本文进一步提出了提升省域生态福利绩效水平的建议。

(一)发挥科技创新驱动生态福利绩效水平提升的动力作用

当前我国技术进步缓慢成为制约生态福利绩效水平提升的一大制约因素。因此，要围绕生态文明建设和绿色发展开展技术创新，强化科技创新在驱动生态福利技术水平提升中的动力作用。加强新能源、新材料、节能减排、污染治理、环境持续利用等的绿色技术的研发，形成绿色发展科技支撑体系。推动生态环境治理与互联网、大数据、人工智能等现代信息技术融合，形成生态环境资源利用的新模式。构建以企业为主体、市场为导向、产学研相结合的生态技术创新体系，推动生态技术创新成果的产业化运用。此外，要深入挖掘各地区潜在资源优势，开发利用潮汐能、风能、热能等可再生能源，提高可再生能源占能源消耗总量的比重。

(二)推动生态产业化和产业生态化的协同发展

产业生态化、生态产业化协同是“十四五”时期我国绿色发展之路，是生态环境保护与高质量发展的协调推进之路，同时也可以通过产业与生态的有机融合提升生态资源利用的规模经济效益，促进生态资源的优化配置，提升生态资源的使用效率。同时，生态与产业的融合也可以打通生态产品价值转化的路径，把生态效益和经济效益更有机地结合在一起。生态产业化要立足于我国各省域的生态资源优势，选准绿色产业的发展方向，因地制宜地发展特色优势产业，如发展生态农业、循环制造、生态旅游等多种生态产业模式。产业生态化则是加快传统产业的绿色化改造，培育产业绿色发展新动能，构建绿色循环低碳发展的新兴产业体系。如东北地区可推动传统资源能源产业向精细化工、新能源、新材料等产业部门转化；西部省域还可以适度开发丰富的光热水土、矿产资源、旅游资源等，形成可持续的产业发展部门。

(三)加强省域生态环境治理协调联动

生态环境的无界性和环境污染的蔓延性意味着我国生态环境保护和治理必须打破传统行政区域边界，各省域之间加强合作，协商开展对生态资源的综合保护和有序开发。依托现有的已具有一定优势和规模的京津冀、长三角、粤港澳大湾区、黄河流域等经济区开展生态环境协同治理的先行，为全国范围内的联动治理提供经验。区域之间可以联合开展大气、水环境、海湾等综合防治，共治跨界环境污染；区域之间可共建环境应急能力体系、生态环境监测体系、固体废弃物危险品的无害化处置等环境基础设施，实现联防联治；为了共建安全的生态屏障，区域之间要加强生态空间的共同保护，推进生物多样性保护和修复生态系统，形成生态资源要素良性循环、人与自然和谐共处的大空间。此外，还要加强各省域的绿色低碳发展，共走低碳经济发展之路，共同应对气候变化。