基于DPSIR-GM(1,1)模型的甘肃省生态安全评价与预测

郑乐乐, 马小雯, 安翔, 郭精军

基于DPSIR-GM(1,1)模型的甘肃省生态安全评价与预测

郑乐乐, 马小雯, 安翔, 郭精军*

兰州财经大学统计学院, 兰州 730020

生态环境质量的综合评价是实现经济社会与自然环境协调发展的重要前提。以甘肃省为研究区域, 基于“驱动力—压力—状态—影响—响应”(DPSIR)概念模型, 构建生态安全评价指标体系, 运用灰色关联改进理想解(TOPSIS)的评价方法, 对甘肃省生态安全状况进行综合评价, 并采用灰色预测模型对2019—2023年甘肃省生态安全的发展前景进行分析。结果表明: 甘肃省2009—2018年生态安全状况总体呈现上升趋势, 安全等级从敏感上升至一般; 驱动力、压力及影响指标有波动下降的趋势, 状态及响应指标值逐年上升; 甘肃省2019—2023年的生态安全综合指数从0.7274增长至0.9463, 达到安全状态。

生态安全; DPSIR模型; 灰色关联改进的TOPSIS法; 灰色预测

0 前言

生态环境是人类极为珍贵的自然财富, 维持生态环境安全是实现社会可持续发展的重要基础。面对目前全球总体生态脆弱的现状, 保障生态环境安全已成为迫切的社会需求[1]。2019年8月19日至22日, 习近平总书记甘肃之行, 强调要注重生态环境建设与保护, 要贯彻新时代中国特色社会主义思想和党的十九大精神, 致力于生态环境与经济社会协调发展[2-3]。生态安全是国家安全的重要组成部分, 是指人类赖以生存的生态环境, 包括聚落、区域、国家乃至全球, 不受生态条件、状态及其变化的威胁、危害, 能处于正常的生存发展状态[4]。广义的生态安全是指人类的生活、健康、安乐、基本权利、生活保障来源、必要资源、社会秩序以及环境变化适应能力等方面不受威胁的状态, 包括自然生态安全、经济生态安全和社会生态安全3个方面[5]。

为使生态安全由定性研究向定量研究发展, 对生态环境进行安全状况的评估, 国内外学者在评价指标、评价方法及模型的研究上做了大量补充与改进。例如, 对评价指标的研究, Sorgog等[6]在量化生态风险的精确度过程中, 通过传统评估因子法(AF)与物种敏感性分布法(SSD)相比较, 分析得出物种敏感性的变化是影响生态风险的一个重要因素。Leiva等[7]在研究智利北巴塔哥尼亚湖生态特征过程中, 以大型底栖无脊椎动物为研究对象, 利用湖泊生物指数(LBI)对Rupanco湖进行分析, 结果表明在春秋两季, 该湖泊沉积物中氧含量高, 有机质含量低, 处于低共生状态, 与之前在Rupanco湖进行的理化和微藻分析结果一致, 则建议将湖泊生物指数应用于实际生态系统的综合评估中。对评价方法的研究, Massi等[8]在研究地中海港口水生态质量过程中, 以TRIX指数(包含海洋生态系统营养性所涉及的主要变量(氮、磷、叶绿素a、溶解氧))作为评价指标, 采用反射光谱分类法对地中海相关5个港口的水质和浮游植物群落特征进行统计分析, 结果表明该分类法较好地解释了不同指标间的实质一致性, 是一种有较大潜力的对港口水质快速评价的方法。Wang等[9]在研究城市生态环境与流域状况的相互作用过程中, 主要利用多元数据与遥感数据, 通过计算基于物种丰富度指数、植被覆盖指数、水网络密度指数、土地压力指数以及污染负荷指数的综合指数法来对生态环境质量进行评价。Cao等[10]在研究以大型植物为主的浅水湖泊的综合生态服务价值(ESV)中, 将生态系统分为供给(PS)、调节(RS)、支撑(SS)以及文化(CS)服务四个子系统, 以子系统生态服务价值的加权总和法来综合衡量生态系统的服务价值量。在模型研究方面, 目前基于压力—状态—响应模型(PSR)来构建指标体系的研究成果丰富。例如, 陈志鼎等[11]在对潜江市后湖管理区生态系统健康状况进行分析中, 采用压力—状态—响应(PSR)模型构建健康评价指标体系, 为未来小流域生态系统的修复提供合理建议。为了更精确、系统的反映经济、社会、环境之间的相互关系, 相关学者对PSR模型进行了一系列改进, 构建了逻辑关系更全面清晰的驱动力—压力—状态—影响—响应(DPSIR)模型。例如, 杨文培等[12]基于DPSIR模型并结合改进的层次分析法建立城市大气评价指标体系, 对城市大气质量进行综合评价, 构建科学的判断矩阵, 改善了传统层次分析法主观随意性大的缺点, 以促进我国气候智慧型低碳城市的建设与发展。Chen等[13]在研究采矿绿色化过程中, 以资源、环境和社会经济效益的可持续性为核心, 基于DPSIR模型对绿色矿山建设现状进行评价, 利用主成分分析法对矿区数据进行分析, 提出了改善绿色矿山建设和矿业可持续发展的战略框架。其中生态安全评价方法应用最为广泛的是数学模型法, 具有代表性的有综合指数法、层次分析法、灰色关联度法、熵权法、模糊综合评价法等[14-17]。

虽然DPSIR模型在资源和环境系统中应用比较广泛, 但运用于生态敏感区甘肃省的研究较少, 且针对目前对生态环境的综合评价及指标体系的构建过程中, 评价指标的参照标准适用性有所不足, 在综合评价指数的计算过程中, 对指标值与理想解间关系的考虑不够全面, 对指标权重的设计以及未来发展的展望存在一定的主观性。因此, 本文构建了基于DPSIR模型的甘肃省生态安全评价指标体系, 采用灰色关联改进的TOPSIS模型对指标体系进行分析研究, 并应用GM(1,1)预测模型科学地预测甘肃省2019—2023年生态安全指数, 对生态安全发展趋势进行预测。通过建立科学合理的评价指标体系, 对甘肃省生态安全进行评价分析和预测, 为研究区经济、社会和生态环境的协调可持续发展提供一定的参考依据。

1 研究区域概况及数据

1.1 研究区域概况

甘肃省位于祖国地理中心, 地处黄土高原、青藏高原、内蒙古高原三大高原和西北干旱区、青藏高寒区、东部季风区三大自然区域的交汇处, 介于北纬32°11′—42°57′, 东经92°13′—108°46′, 地貌复杂多样, 类型齐全, 山地、高原、平川、河谷、沙漠、戈壁交错分布, 大部分地区气候干燥, 属于大陆性很强的温带季风气候。其生态系统复杂多样, 各市州海拔不同, 气温差别较大, 自然条件严酷, 是西北地区乃至全国自然生态类型最为复杂的地区之一。并且, 甘肃省作为青藏高原生态屏障、黄土高原—川滇生态屏障以及北方防沙带的重要组成部分, 对全国生态环境的保护和治理具有重要意义[18]。

1.2 数据来源

本研究所用数据主要来源于《甘肃省统计年鉴2010—2019》、《中国统计年鉴2010—2019》、《中国环境统计年鉴》以及甘肃省统计公报。

2 研究方法

2.1 评价指标体系构建

DPSIR由OECD[19]于1993年提出, 此后在政策制定与研究中得到广泛推广, 能有效反映系统的因果关系并整合资源、发展、环境与人类健康等因素, 目的在于建立驱动力D—压力P—状态S—影响I—响应R的因果关系链[20]。该模型涵盖了社会、经济、环境等要素, 表明社会、经济和人类活动对流域生态安全造成的种种影响, 通过响应指标来表明人类活动对生态环境建设的反馈[21]。逻辑传导关系为: 驱动力是生态环境状况发生变化的动因, 对生态环境的自我调节功能产生较大压力, 当压力超出生态环境自我调节净化的能力范围时, 生态环境就会表现出一系列的不良状况, 进而对经济、文化、社会的发展产生各种影响, 政府则根据各种影响做出相应的举措, 以来改善生态环境的状况[22-23]。

图1 研究区概况图

Figure 1 The map of study area

本文在分析DPSIR生态安全指标体系的基础上, 结合甘肃省生态环境的实际情况, 共选取了25个指标, 构建了甘肃省生态安全指标体系, 并分为驱动力、压力、状态、影响以及响应五个循环子系统。其中:

驱动力: 人类社会的发展是生态环境保护的重要驱动力量, 社会的经济发展状况也直接影响着生态环境建设与保护的相关举措的实施。因此, 可从社会的经济发展与人口状况两个方面来衡量生态环境保护的驱动因素, 具体选取指标有: GDP增长率、工业生产总值占比、农业生产总值占比、人口自然增长率以及城镇人口占比。

压力: 由人类活动间接引起的、驱动力之后的、直接促使生态系统安全状态发生改变的指标。以废水废气排放量、建设用地比例、水资源开发强度以及牲畜养殖数量作为生态环境的压力指标具有较好的解释效果。

状态: 生态环境状态指标主要是指环境在社会经济发展驱动和生态环境保护压力指标的作用下, 所呈现出的发展变化状态。对于生态状态指标, 可以从水利设施用地、人均年用水量、当年造林面积、年降水量以及耕地土地面积比等方面来衡量。

影响: 生态环境所表现出的状况对经济、社会及文化的发展所造成的影响, 为政府决策提供参考。主要选取旅游外汇收入、政府环境保护支出、居民文化娱乐消费指数、水土流水面积以及年日照小时数等指标。

响应: 政府针对资源消耗、生态环境状态及影响指标信息的反馈, 做出的相应解决措施。主要从废水污水处理、水保措施固定投资、水土流失治理以及受高等教育的状况来衡量。具体见表1。

2.2 确定指标权重

因为各项指标评价单位不同, 反映生态系统状况和重要程度也不同, 因此需要对评价指标进行无量纲化处理。在确定权重时, 为避免主观赋权法所产生的误差, 采用熵权法确定指标权重[24]。

表1 生态环境DPSIR模型指标体系及权重

(2)对判断矩阵进行无量纲化处理, 消除不同量纲的影响:

(3)计算信息熵:

2.3 计算综合评价指数

TOSIS是一种经典的多属性决策方法, 首先被Hwang和Yoon用来研究多属性决策问题, 已在许多领域被广泛运用[25-27]。基于灰色关联改进的TOPSIS评价方法[28]主要步骤为:

(1)加权判断矩阵的计算:

(2)确定最优解最劣解:

对于正向指标:

对于负向指标:

(3)以加权矩阵与最优解最劣解为基础, 计算灰色关联度系数:

(4)根据关联系数计算灰色关联度:

(5)计算各评价指标与最优解最劣解的欧氏距离:

(6)根据灰色关联度与欧氏距离计算综合距离:

然后计算综合距离:

(7)计算生态环境综合评分:

2.4 灰色预测GM(1,1)模型

灰色系统理论是由邓聚龙教授1982年提出, 灰色预测模型又是在灰色系统理论中应用最广泛、最核心的一种动态预测模型, 用来有效解决信息不完备的问题, 而该模型的核心是GM(1,1)模型, 可以根据少量的信息对所研究问题进行建模与预测。其基本思想是用累加的方法实现时间序列数据由非线性化为线性, 从而弱化序列随机性, 增强其规律性[31-33]。具体建模步骤为:

表2 生态安全评价等级

(2)建立一阶线性微分方程:

解得灰色预测模型:

(3)模型检验: 模型检验通过后验差检验进行, 模型的精度则是通过值和值共同决定, 见表3。

其中:

3 结果与分析

3.1 综合评价结果分析

首先, 根据表1以及甘肃省2009—2018年生态环境指标数据, 运用灰色关联改进的TOPSIS法计算综合评分, 得到综合评分向量:

然后, 由表2生态安全等级, 对甘肃省2009—2018生态环境综合评分进行等级划分, 具体见表4, 最后对综合评分向量作趋势图, 见图1。

表3 GM(1,1)模型精度检验表

表4 甘肃省生态安全等级划分

图2 综合评分指数趋势图

Figure 2 The trend chart of comprehensive rating index

根据表4和图2可以看出, 甘肃省从2009—2018年生态安全综合指数不断提高, 从2009年的0.337891到2018年的0.63631, 安全等级从敏感上升到一般, 与状态指标和响应指标发展趋势相近。这表明甘肃省的生态系统结构遭到一定破坏, 但尚可维持基本功能, 通过政府、社会和民众等各方面的不懈努力, 整体生态环境正在改善。首先, 自党的十八大以来, 我国高度重视生态环境的建设, 甘肃省政府为响应党中央的号召采取了一系列措施, 如小流域综合治理、植树造林、合理放牧等, 这在一定程度上改善了甘肃省生态环境状况; 其次, 随着“一带一路”、“两屏三带”工程的建设, 如退耕还林还草、荒漠化与沙化综合治理、水土保持治理等, 对当地的生态环境保护和经济发展起到了一定的积极作用; 最后, 随着经济的不断发展, 城镇人口占比在逐年上升, 但甘肃省贫困人口较多, 受高等教育比率增长缓慢, 政府对环保的宣传和投资力度相对较弱, 公众环保意识落后。因此, 甘肃省生态安全等级依旧处于一般状态。

3.2 分类评价结果

在上述过程中, 甘肃省2009—2018年流域生态环境各准则层综合权重指标系数见表5。

根据表5绘制生态环境指标层综合权重趋势图, 见图3。

根据图3, 可以看出甘肃省生态环境状况在2009—2018年间, 驱动力指标整体呈现出波动下降趋势; 压力指标波动变化较大, 总体上呈现下降趋势; 状态指标总体呈现明显的增长趋势, 且在2012—2013年间有较大幅度的上升; 影响指标总体呈现波动下降趋势, 且在2012—2014年间有较大幅度的下降; 响应指标则呈现明显的增长趋势。由此表明, 甘肃省经济社会的发展与生态环境建设逐渐相协调, 其中环境污染物排放量、水资源开发利用强度总体上呈现减少趋势; 可用耕地面积增长显著, 兴建水利工程, 植树造林, 生态环境状况有了明显改善, 但自然灾害受灾状况以及水土流失状况依然严重。

表5 甘肃省生态环境指标层综合权重

图3 指标层权重系数趋势图

Figure 3 The trend chart of index weight coefficient

3.3 甘肃省生态安全预测

结合生态环境综合评分向量以及预测值作生态安全指数趋势图, 见图4。

运用灰色预测模型, 对甘肃省2020—2023年生态环境综合评分进行预测。表6预测结果显示, 该预测模型拟合优度较好, 2019—2023年甘肃省生态安全指数逐年上升, 从2019年0.7274上升至2023年0.9463, 生态安全等级从一般上升到安全。由图4生态安全指数趋势图可以看出, 生态安全指数呈上升趋势, 这与2009—2018年甘肃省生态安全综合评价曲线基本吻合, 因此模型预测结果较准确。

4 讨论与结论

合理开发与保护自然资源是甘肃省区域可持续发展的重中之重, 也是经济高质量发展所面临的重要问题, 且对西北乃至全国生态环境建设具有全局性的意义。本文基于DPSIR概念模型, 构建甘肃省流域生态安全的评价指标体系, 运用灰色关联改进的TOPSIS方法求得甘肃省生态安全综合指数, 同时, 根据无偏GM(1,1)模型对甘肃省生态环境安全指数拟合预测模型, 分析未来的发展趋势, 得出如下结论:

表6 甘肃省生态安全预测值

图4 生态安全综合指数趋势图

Figure 4 The trend chart of comprehensive ecological security index

(1)生态安全综合评价结果表明, 甘肃省2009—2018年的生态安全值总体呈上升趋势, 安全等级从敏感上升到一般, 生态环境状况整体发展良好, 但在防治污染、整治水土流失以及自然灾害预警等方面有所不足。目前甘肃省生态环境总体安全状态并未达到理想状态, 受自然灾害的影响较大。

(2)根据分类评价结果, 驱动力指标、压力指标以及影响指标总体呈现波动下降趋势, 且影响指标与响应指标对甘肃省生态安全综合指数的贡献最大, 其权重分别为0.242071与0.251353, 这表明政府对生态环境建设方面的投入比重越来越大, 但水土流失与自然灾害受灾状况仍然较为严重, 对甘肃省经济社会发展产生了较大的影响。因此, 甘肃省应重点防控防治水土流失, 兴建水利工程, 植树造林, 增强自然灾害预警及灾后重建能力。

(3)预测结果表明, 甘肃省2019—2023年生态安全发展状况呈现平稳上升趋势, 甘肃省流域生态状况将有很大的改善, 安全指数有很大的上升潜力。

本文虽然运用DPSIR模型和改进的TOPSIS法进行定量分析, 得出了甘肃省生态环境状况, 但在研究内容和方法选取方面仍然存在不足。在确定评价指标时, 评价指标的参照标准适用性有所不足, 未考虑气候气象、空气湿度、植被覆盖、土地沙漠化及治理状况等因素, 指标数据获取具有一定难度, 指标选取需要进一步考虑公众满意度和生态承载力等指标; 在综合评价指数的计算过程中, 权重的计算应主客观相结合考虑, 且对指标值与理想解之间关系的考虑不够全面, 使得计算结果有一定的主观性。在未来的研究中, 力求改进, 需要综合考虑更加科学全面的评价模型与数学方法。

[1] 李干杰. 坚决打赢污染防治攻坚战以生态环境保护优异成绩决胜全面建成小康社会[J]. 环境保护, 2020, 48(Z1): 8–16.

[2] 方世南. 习近平生态文明思想的鲜明政治指向[J]. 理论探索, 2020(1): 79–85.

[3] 魏吉华, 蒋金法. 绿色财政支出: 理论与实践—对党的十九大关于深化绿色发展的思考[J]. 当代财经, 2018(12): 26–36.

[4] 陈西蕊, 张蓉珍. TOPSIS法在区域生态安全动态评价中的应用—以陕西省为例[J]. 西北农林科技大学学报(自然科学版), 2011, 39(7): 177–184.

[5] 万正芬, 刘晓晖, 卢少勇, 等. 基于DPSIR模型的长三角地区生态安全评估[J]. 环境影响评价, 2019, 41(5): 22–27+42.

[6] SORGOG K, KAMO M. Quantifying the precision of ecological risk: Conventional assessment factor method vs. species sensitivity distribution method[J]. Ecotoxicology and Environmental Safety, 2019, 183. doi: org/10. 1016/j. ecoenv. 2019. 109494.

[7] LEIVA G, FUENTES N, CATALINA Ríos, et al. Application of the Lake Biotic Index (LBI) in the ecological characterization of a North Patagonian lake in Chile[J]. Heliyon, 2019, 5(10), doi: org/10. 1016/j. heliyon. 2019. e02492.

[8] MASSI L, MASELLI F, ROSSANO C, et al. Reflectance spectra classification for the rapid assessment of water ecological quality in Mediterranean ports[J]. Oceanologia, 2019, 61(4): 445–459.

[9] WANG Chaojun, ZHAO Hongrui. The assessment of urban ecological environment in watershed scale[J]. Procedia Environmental Sciences, 2016(36): 169–175.

[10] CAO Tiange, YI Yujun, LIU Hongxi, et al. Integrated ecosystem services-based calculation of ecological water demand for a macrophyte-dominated shallow lake[J]. Global Ecology and Conservation, 2020(21), doi:org/10. 1016/j. gecco. 2019. e00858.

[11] 陈志鼎, 王玲玲. 基于PSR模型的潜江市后湖管理区生态系统健康评价[J]. 水电能源科学, 2020, 38(7): 57–60.

[12] 杨文培, 何曙慧, 杨潘. 基于DPSIR模型的城市大气评价指标设计[J]. 统计与决策, 2017(3): 59–62.

[13] CHEN Jinhui, JISKANI I M, CHEN Jinliang, et al. Evaluation and future framework of green mine construction in China based on the DPSIR model[J]. Sustainable Environment Research, 2020, 30(1), doi: 10. 1186/s42834–020–00054–8.

[14] 温家华, 徐征和, 武玮, 等. 大汶河流域水生态系统健康评价研究[J]. 南水北调与水利科技, 2018, 16(3): 118–124.

[15] 沈思祎, 钮尔轩, 孟斌. 基于灰色关联度的辽宁近海海域生态环境承载力评价[J]. 大连海事大学学报, 2017, 43(3): 112–118.

[16] 黄发明, 李友皝, 刘达琳, 等. 基于改进TOPSIS法的湖泊水质评价[J]. 水电能源科学, 2020, 38(4): 51–54.

[17] 陈磊, 王家鼎, 谷天峰, 等. 大西沟铁矿生态环境模糊综合评价研究[J]. 土壤通报, 2017, 48(4): 794–799.

[18] 陈晓雨婧, 夏建新. 甘肃省生态安全评价及其驱动力分析[J]. 西北民族大学学报(哲学社会科学版), 2017(6): 140–147.

[19] Organisation for Economic Co-operation and Development. Group on the State of the Environment. OECD core set of indicators for environmental performance reviews[J]. Environment Monographs, 1993, 83.

[20] 曹红军. 浅评DPSIR模型[J]. 环境科学与技术, 2005(S1): 110–126.

[21] 李玉照, 刘永, 颜小品. 基于DPSIR模型的流域生态安全评价指标体系研究[J]. 北京大学学报(自然科学版), 2012, 48(6): 971–981.

[22] 朱玉晨, 李亚松, 刘雅慈, 等. 基于改进DPSIR模型的京津冀地区优先回补水源地筛选方法[J]. 环境科学研究, 2020, 33(6): 1357–1365.

[23] 李沁峰, 孙邦栋. 基于DPSIR-集对分析模型的生态港口评价[J]. 统计与决策, 2019, 35(19): 46–50.

[24] 刘威, 董婉琪. 基于AHP—熵权法组合赋权的排水管网风险评估方法研究[J]. 安全与环境学报, 2021, 21(3): 949–956.

[25] 林龙圳, 李达, 林震. 基于熵权-TOPSIS模型的库布齐沙漠地区水资源承载力评价[J]. 华中师范大学学报(自然科学版), 2020, 54(4): 640–648.

[26] 陈盛伟, 冯叶. 基于熵值法和TOPSIS法的农村三产融合发展综合评价研究—以山东省为例[J]. 东岳论丛, 2020, 41(5): 78–86.

[27] 汪雨琴, 余敦, 刘庆芳. 基于TOPSIS方法的土地生态安全评价—以神农架林区为例[J]. 江苏农业科学, 2017, 45(19): 285–288.

[28] 许杨, 陈菁, 夏欢, 等. 基于DPSR-改进TOPSIS模型的淮安市水资源承载力评价[J]. 水资源与水工程学报, 2019, 30(4): 47–52.

[29] 韩雅琴, 白中科, 张继栋, 等. “一带一路”背景下东南亚地区生态安全评价研究[J]. 生态经济, 2020, 36(6): 181–187.

[30] 王毅, 魏江超, 孙启元, 等. 基于ARIMA-ANN模型的生态安全评价及预测—以河西走廊城市群为例[J]. 生态学杂志, 2020, 39(1): 326–336.

[31] 平建华, 李升, 钦丽娟, 等. 地下水动态预测模型的回顾与展望[J]. 水资源保护, 2006(4): 11–15.

[32] 刘天, 王芸, 姚梦雷, 等. GM(1, 1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较[J]. 华南预防医学, 2019, 45(2): 128–132.

[33] 韩磊, 潘玉君, 高庆彦, 等. 基于PSR和无偏GM(1, 1)模型的云南省耕地生态安全评价与预测[J]. 生态经济, 2019, 35(2): 148–154.

Evaluation and prediction of ecological security in Gansu province based on DPSIR-GM(1,1) model

ZHENG Lele, MA Xiaowen, AN Xiang, GUO Jingjun*

Lanzhou University of Finance and Economics, Lanzhou 730020, China

The comprehensive evaluation of the ecological environment quality is an important prerequisite for the coordinated development of economic society and the natural environment. In this article, taking Gansu province as the research area, based on the conceptual model of “driving force-pressure-state-impact-response” (DPSIR), a ecological security evaluation index system is constructed, which combines the grey relational improved ideal solution (TOPSIS) evaluation method to comprehensively evaluate the ecological security status of Gansu province, and the gray prediction model is used to analyze the development prospects of ecological security in Gansu province from 2019 to 2023. The results show that the ecological security of Gansu province from 2009 to 2018 indicate an overall upward trend, and the security level rise from a sensitive to a general; The driving force, pressure and influence indicators have a fluctuating downward trend, and the status and response indicator values are rising year by year; The comprehensive index of ecological security of Gansu province from 2019 to 2023 will increase from 0.7274 to 0.9463, which will reach a safe state.

ecological security; DPSIR model; improved TOPSIS method of grey relation; grey forecast

10.14108/j.cnki.1008-8873.2022.04.008

X826

A

1008-8873(2022)04-060-10

2020-08-09;

2020-09-29

甘肃省哲学社会科学规划项目《基于隐马尔可夫模型的生态文明程度指数测评指标体系设计与测度》(19TB011)；甘肃省教育厅“双一流”科研重点项目《甘肃省高质量发展的统计测度、战略选择及实现路径》(GSSYLXM-06)

郑乐乐(1996—), 男, 汉族, 河南平顶山人, 硕士研究生, 主要从事生态统计方面的研究, E-mail:zheng521lele@163.com

通信作者:郭精军, 男, 博士, 教授, 博士生导师, 主要从事应用数理统计方面的研究, E-mail:guojj@lzufe.edu.cn

郑乐乐, 马小雯, 安翔, 等. 基于DPSIR-GM(1,1)模型的甘肃省生态安全评价与预测[J]. 生态科学, 2022, 41(4): 60–69.

ZHENG Lele, MA Xiaowen, AN Xiang. Evaluation and prediction of ecological security in Gansu province based on DPSIR-GM(1,1) model[J]. Ecological Science, 2022, 41(4): 60–69.