经济发展和生态环境的耦合协调度研究

摘" "要：推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。因此，以江苏省经济发展和生态环境为研究对象，运用熵权法和耦合协调模型构建江苏省生态环境和经济发展耦合评价指标体系，分析江苏省十三个市的生态环境和经济发展耦合协调度的空间分布特征，借助神经网络模型对耦合协调度模型进行评估，探讨耦合协调度的时间变化特征，使用灰色预测模型对江苏省生态环境和经济发展协调度进行预测。研究结果显示，江苏省经济发展与生态环境的耦合协调度具有明显的时空分布差异性；从空间来看，苏州、南京、无锡等城市耦合协调水平较高，连云港、镇江、宿迁等城市耦合协调水平较低；从时间分布来看，江苏省经济和环境的整体耦合协调水平有逐年提高的趋势。在此基础上，给出促进江苏省经济和环境协调发展的对策建议。

关键词：经济发展；生态环境；耦合协调；神经网络；灰色预测

中图分类号：F061.5；F205" " " "文献标志码：A" " " 文章编号：1673-291X（2024）22-0051-06

一、相关背景与研究综述

习近平总书记强调：“中国式现代化是人与自然和谐共生的现代化，我们坚持可持续发展，要像保护眼睛一样保护自然和生态环境，坚定不移走生产发展、生活富裕、生态良好的文明发展道路，实现中华民族永续发展。”江苏省是中国经济发展最为活跃的地区之一，经济高质量发展是江苏省“十四五”规划的核心，生态文明建设是规划的重点。“十四五”规划明确指出要推进“生态优先”发展，促进经济、社会和生态的协调发展。随着江苏省经济的快速发展，工业化进程的加快、城市化进程的推进，带来了巨大的经济发展压力和环境挑战。高能耗、高污染产业严重影响了江苏省经济的高质量发展，经济和生态环境的协调发展受到越来越多的关注，而如何度量两者的协调发展程度是当前的一个难题。

对环境与经济增长的协调性研究始于20世纪中叶，西方发达国家以工业化生产方式带动了经济的高速增长，但同时也带来了一系列的环境问题，因此，学者们开始研究经济发展与生态环境的关系。早期研究多侧重于经济发展和生态环境之间的关系。Panayotou在库兹涅茨曲线基础上验证了环境与收入的倒U型关系[1]。Bovenberg将环境污染作为变量带入到AK模型中，研究了长期的经济增长对生态环境的影响[2]。刘建兴等基于生态足迹，研究了经济发展对生态环境的影响，结果显示1961—2001年间，我国的经济增长方式是一种牺牲生态环境的资源消耗型增长[3]。这些研究主要关注经济发展对生态环境的污染影响。随着各地区经济的快速增长，生态资源消耗越来越多，导致了严重的生态破坏和环境污染。因而，学者们开始研究二者的耦合协调发展。杜宾等通过构建长江经济带经济子系统与环境子系统协调度发展指标体系和协调度发展模型，分析了2004—2013年协调发展度的时空演化趋势[4]。Yuanfang Wang等研究了经济、环境和城市化的变化趋势，计算了经济和环境之间的耦合度和协调度，给出了各个系统的协调发展水平[5]。郑铁明和周鹏飞使用TOPSIS 熵权法计算了2004—2018 年中国西部城市经济高质量发展与环境保护的耦合协调度，分析了协调度的动态演化趋势和区域差异性[6]。郝瑛借助改进的熵值法和灰色关联模型，研究了成渝地区33个市县区经济和环境耦合协调度的主要影响因素[7]。

本文在已有文献的基础上，筛选出影响江苏省生态环境与经济发展的主要指标，并将熵权法和神经网络模型相结合，探索有效的耦合协调度模型及其评价机制。以此来比较江苏省各市之间的经济与环境关系差异，分析不同地区的发展模式、产业结构、资源利用情况等因素对环境的影响，揭示了经济活动对环境质量和生态系统的影响，进一步推动了经济增长与环境保护的协同发展。

二、数据来源与指标体系

（一）数据来源

本文选取了2010—2021年江苏省十三市的生态环境数据和经济发展数据，数据来源于《江苏省统计年鉴》以及江苏省各市《统计年鉴》和《生态环境状况公报》。

（二）指标体系

在遵循科学性、系统性、全面性、可操作性原则的基础上，参考张荣天和焦华富[8]以及薛明月[9]的研究成果，对主要指标进行筛选，构建经济发展与生态环境指标体系。其中经济系统由经济发展规模、经济发展水平、社会发展水平3个子系统共计8项指标组成；环境系统由环境压力、环境状态、环境效应3个子系统共计8项指标组成（见表1）。

表1" 生态环境和经济发展指标体系

三、经济发展和生态环境的耦合协调度

耦合度[10]表示系统要素之间相互作用和影响的程度，耦合度通过赋予数值来反映相互作用的强弱程度，并以此来量化耦合关系。低耦合度表示相互作用弱或影响较弱，而高耦合度表示相互作用强或影响较强。协调体现在系统内或系统间的相互促进和合作，形成良性循环。协调度指的是系统内或系统间要素在发展过程中的融合发展和紧密协作程度。协调度越高，表示两个系统配合越好，高协调度在一定程度上弥补了耦合度不足的部分。

耦合模型旨在更好地理解和预测复杂系统的行为。通过考虑不同要素之间的相互作用，耦合模型可以提供比单个要素更准确和全面的结果。经济系统与生态环境系统之间存在着复杂而密切的关系，人类活动对生态环境产生影响，而生态环境又直接或间接地影响着经济系统。因此，利用与这两个系统相关的指标来测量两个系统的耦合关系和协调程度，是对这一复杂关系的有效研究方式。

（一）熵权法计算指标比重

熵权法是一种客观赋权法，通过判断数据自身的离散程度来衡量指标的权重，权重越大，说明表达的信息量越多，在综合评价中的贡献度也就越大。熵权法完全基于数据本身特征，可以克服主观赋权的臆断性，具有相对客观性，并且相对其他客观赋权法更具广泛适用性，有助于提高评价结果的准确性。根据熵权法的计算方法[11]得到环境和经济评价体系中各指标权重（见表2）。

（二）经济发展与生态环境的耦合协调度

1.耦合协调模型

耦合度反映各系统要素之间互动的强弱，耦合协调度则反映各系统间相互作用的协调程度，可以衡量两个或者多个系统之间的和谐关系程度。参考相关文献[12，13]，建立经济发展与生态环境的耦合度模型：

式中：U■和U■表示环境系统与经济系统。C代表耦合度，取值在0—1之间。C值越大，表明两者之间的相

互作用越强，反之越弱。k为调节系数，本文取k=2。在耦合度的基础上，通过引入耦合协调度模型[14]，可以更科学地判断系统协调水平，公式如下：

式中：Ｄ即耦合协调度，取值范围为[0，1]，Ｔ反映的是系统协调发展水平综合指数。α与β则是系统权重，其和等于1。

2.协调度的计算与分析

耦合类型和耦合协调状态判别标准参考相关研究[15，16]，2021年江苏省十三个市的经济发展与生态环境耦合度、耦合协调度及耦合协调状态的结果如表3所示。

从耦合度C值看，江苏省13市的经济发展和生态环境耦合度普遍较高，表明江苏省在2021年发展经济的同时十分注重生态环境的保护，着力推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境改善。江苏省有9个市（苏州市、南京市、无锡市、徐州市、常州市、南通市、盐城市、淮安市和扬州市）的耦合值C大于0.8，表明经济发展和生态环境两系统处于高水平耦合；有4个市（连云港市、镇江市、泰州市和宿迁市）的耦合值C 处于0.7—0.8之间，表明经济发展和生态环境两个系统还处在磨合阶段。

从耦合协调度数值和耦合协调状态看，江苏省各市经济发展与生态环境耦合协调度D值波动区间较大，苏州市耦合协调度D值为0.904，居13市首位，表明经济发展和生态环境两系统处于优质耦合协调状态；南京市和无锡市分列第二、三位，D值分别为0.882、0.742，分别属于良好耦合协调、中级耦合协调状态，南通市、徐州市、常州市和盐城市的耦合协调度D值在0.6—0.7之间，属于初级耦合协调状态，淮安市、扬州市、泰州市、连云港市和镇江市的经济发展和生态环境之间的耦合协调度D值在0.5—0.6之间，属于勉强耦合协调状态，而宿迁市的经济发展和生态环境之间的耦合协调度D小于0.5，属于濒临失调衰退类状态。

综上可知，苏州市经济发展和生态环境之间的耦合整体位居江苏省首位，苏州市是国家高新技术产业基地，是长江三角洲城市群重要的中心城市之一，它紧邻上海市，实行“有为政府+市场化导向”的有机结合模式，实现了经济的高速发展。在发展经济的同时，苏州市积极践行“绿水青山就是金山银山”理论，持续改善生态环境，通过构建生态安全格局，使苏州的生态环境得到稳步提升。南京市作为江苏省的省会城市，是江苏省政治、经济、科教和文化中心，主要是以电子信息、石油化工、汽车制造、钢铁为支柱的产业模式，形成先进制造业和现代服务业协调发展的产业格局，在发展经济的同时也十分注重生态环境的保护，通过不断强化绿色低碳引领，深入推进治气攻坚，持续巩固水污染防治成效，稳步开展土壤、地下水污染防治，严格落实“长江大保护”，切实保障生态环境领域安全生产，持续深化各项生态环境制度改革。宿迁市地处陇海经济带、沿海经济带、沿江经济带交叉辐射区，但其经济发展状况居江苏省末位，从上海市和苏南地区承接了较多的落后产能，这些企业在促进当地经济发展的同时，也对当地的生态环境造成了一定的破坏。

3.基于BP神经网络模型的耦合协调模型评价

BP神经网络[17]是一种按误差反向传播训练的多层前馈网络，它的基本思想是利用梯度搜索技术，使网络的实际输出值和期望输出值的误差均方差为最小。由于存在量纲的影响，故使用极值标准化方法对原始数据进行归一化处理。BP神经网络模型以标准化之后的数据指标作为输入层，以耦合协调模型计算出的耦合协调度D值作为输出层，以此来检验耦合协调模型拟合效果（见表4）。

由表4可知，使用BP神经网络模型拟合的D值与前文耦合协调模型D值的残差均小于0.1，说明前文使用熵值法对经济发展和生态环境进行评价较为合理，以此构建的耦合协调模型具有较好的应用效果。

四、耦合协调度的变化特征与趋势预测

（一）空间动态变化趋势分析

为了探索江苏省经济发展和生态环境耦合协调度的空间动态变化趋势，利用核密度图形显示耦合协调度的空间动态变化趋势（见图1）。

从峰值来看，耦合协调度有变大的趋势，其中协调度的波峰逐年收窄，说明经济发展与生态环境的协调度的地区差异性变小；协调度的核密度分布态势存在明显的右拖尾现象，这说明，经济发展与生态环境协调度存在部分地区远超其他地区的现象；协调度对应核密度的波峰持续右移，说明协调度逐年升高，验证了协调度稳步提升的时序特征。以上说明协调度有趋于平衡的发展态势。

（二）趋势预测

通过构建GM（1，1）灰色预测模型[18]，对江苏省经济发展和生态环境的耦合协调度D值发展趋势进行预测分析。表5给出了2010—2021年江苏省经济发展与生态环境的耦合协调度D值，该表显示协调度的真实值和灰色预测模型拟合值的预测误差小于0.07，认为模型拟合效果达到要求，可以对江苏省经济发展和生态环境的耦合协调度进行预测。

从表5可以看到，十年来，江苏省经济发展和生态环境耦合协调度逐年稳步提高，由最初2010年的0.210增长至2021年的0.674，耦合协调类型由最初的中度失调衰退经历濒临失调衰退、勉强耦合协调和初级耦合协调，最终在2020年达到中级耦合协调。总体来说，江苏省经济发展与生态环境的耦合度呈上升趋势，二者之间的关系更为紧密。

五、结论与建议

（一）研究结论

1.耦合协调模型的构建与计算

通过构建耦合协调模型来反映2021年江苏省十三市经济发展和生态环境两个系统的和谐关系程度，进而使用BP神经网络模型对耦合协调模型进行评价，以此来检验模型拟合状况。从模型结果可以看到，苏州市经济发展和生态环境的耦合协调状态为优质耦合，说明两者之间各要素配合得当，互惠互利；而宿迁市的经济发展和生态环境处于濒临失调状态，表明宿迁市在高速发展经济的同时，没有注重环境保护，导致两者相互摩擦，造成失调衰退状况。这与主成分评价模型的结果相同，从多方面验证模型拟合效果的优良性。由BP神经网络模型结果可知，通过熵值法构建的耦合协调模型有很好的拟合效果。

2.耦合协调度的变化特征与预测

通过分析2010—2021年经济发展和生态环境耦合协调度的时间变化特征，并借助灰色预测模型，对江苏省经济发展和生态环境的耦合协调度进行预测。结果显示，江苏省耦合协调度逐年上升，呈现出中级耦合协调的发展趋势。

（二）对策建议

1.优化区域发展布局，促进经济结构升级

首先，优化区域发展布局，提升经济发展效率。加快区域一体化发展，如根据各个地区的特点，探索产业链合理对接、创新协同等创新路径；加快产业数字化和数字产业化发展，建设接轨上海、带动周边、辐射江北的沿江经济带；推动苏北的物流枢纽建设，加快海港、陆港与空港的一体化建设。统筹区域发展格局，加强苏南苏北产业转移合作，协同发展。

其次，促进经济结构升级，提升经济发展质量。充分发挥江苏制造业的技术和规模优势，推动产业向智能化、绿色化发展，不断实现结构升级，加快传统产业优化升级和布局调整。推动数据赋能全产业链协同转型，实施产业发展向数字化转型升级。加强综合能源网络建设，提升能源建设的数字化水平和能源利用效率，以此提高经济发展和生态环境的耦合协调度，为经济发展的绿色化奠定基础。

2.大力发展绿色产业，促进经济可持续发展

发展绿色产业是提高经济发展和生态环境耦合协调度的一种重要途径。建设长三角绿色制造产业示范区，发展特色型服务经济、融合型数字经济、前沿型创新经济、生态型湖区经济等。例如，发展面向长三角地区的休闲旅游产业；以泰州医药城为依托，发展大健康产业；沿海地区发展海洋经济和生态经济；沿太湖地区建设生态湖区，发展湖区经济。

以市场为导向，构建绿色技术创新体系，培育绿色技术创新企业，鼓励高校开展绿色技术研究、并培养绿色技术人才；积极发展节能环保、资源循环利用、清洁能源、清洁生产等绿色产业；加大低端化工产能退出力度，建设绿色高端的现代化工产业体系；坚持推动经济的低碳化发展，提高能源利用效率，尤其是化石能源的利用效率，构建能源消耗的预警机制，促进经济发展的绿色化。

3.健全生态环境治理机制，促进经济和环境的协调发展

完善生态环境的治理机制是促进经济健康发展的重要途径，是实现经济绿色发展的基本保证。完善生态环境领域的法规体系，健全地方政府考核和责任追究制度是环境治理的必要条件。因此，应加强企业环境治理的责任制度建设，开展绿色等级评定，完善环境信用评价制度，对重点污染企业进行重点监督，做好责任划分，建立环境损害的追责制度；进一步提升政府治理的数字化水平，提升治理效率；完善公众监督、舆论监督等环境治理社会监督机制。

参考文献：

[1]" "Panayotou T. Empirical Tests and Policy Analysis of Environmental Degradation at Different Stages of Economic Development[J].Pacific and Asian Journal of Energy，1993，4（1）.

[2]" "Bovennberg A. L.，Smulders S. Environmental Quality and Pollution-Augmenting Technological Change in a Two-Sector Endogenous Growth Model[J].Journal of Public Economics，1995，57（3）：369-391.

[3]" "刘建兴，顾晓薇，李广军，等.中国经济发展与生态足迹的关系研究[J].资源科学，2005（5）：33-39.

[4]" "杜宾，郑光辉，刘玉凤.长江经济带经济与环境的协调发展研究[J].华东经济管理，2016，30（6）：78-83.

[5]" "Yuanfang Wang，Qijin Geng，Xiaohui Si，Liping Kan. Coupling and Coord-ination Analysis Ofurbanization，Economy and Environment of Shandong Province，China[J].Environment，Development and Sustainability，2020，23（7）.

[6]" "郑铁明，周鹏飞.中国西部城市经济发展与生态环境耦合协调：基于绿色发展视角的研究[J].科技管理研究，2022，42（13）：209-215.

[7]" "郝瑛.成渝地区双城经济圈区域经济与生态环境耦合协调发展研究[D].重庆：重庆工商大学，2022.

[8]" "张荣天，焦华富.泛长江三角洲地区经济发展与生态环境耦合协调关系分析[J].长江流域资源与环境，2015，24（5）：719-727.

[9]" "薛明月.黄河流域经济发展与生态环境耦合协调的时空格局研究[J].世界地理研究，2022，31（6）：1261-1272.

[10]" "熊艺龙.西南地区旅游经济发展与生态环境保护耦合协调研究[D].贵阳：贵州财经大学，2022.

[11]" "贾晴雯，董增川，朱圣男，等.江苏省水生态与经济耦合协调度评价[J].水利经济，2022，40（3）：42-47，94.

[12]" "樊文平，王鸿康，刘红平，等.山东省城镇化发展与大气环境耦合协调性研究[J].华东经济管理，2020，34（3）：23-30.

[13]" "刘玉凤，高良谋.京津冀城市群经济与环境的耦合协调发展及时空演化分析[J].统计与决策，2019，35（10）：134-137.

[14]" "王莎，童磊，贺玉德.京津冀产业结构与生态环境交互耦合关系的定量测度[J].软科学，2019，33（3）：75-79.

[15]" "薛婧，白璐，武琛昊，等.甘肃省经济发展与生态环境保护耦合协调关系研究[J].环境工程技术学报，2022，12（4）：1280-1287.

[16]" "张国俊，王珏晗，吴坤津，等.中国三大城市群经济与环境协调度时空特征及影响因素[J].地理研究，2020，39（2）：272-288.

[17]" "傅春，邓俊鹏，吴远卓.基于BP神经网络和协调度的河流健康评价[J].长江流域资源与环境，2020，29（6）：1422-1431.

[18]" "胡江霞，文传浩，兰秀娟.三峡库区经济可持续发展的生态压力分析及预测：基于灰色预测模型[J].技术经济，2015，34（9）：55-60.

Research on the Coupling and Coordination Degree of Economic Development and Ecological Environment

—Based on Panel Data Analysis of Thirteen Cities in Jiangsu Province

YANG Can， SHEN Min， YANG Yanjiong

（School of Mathematics and Physics， TaiZhou University， Taizhou 225300， China）

Abstract： Green and low-carbon economic development is a key link in achieving high-quality development. Therefore， taking the economic development and ecological environment of Jiangsu Province as the research object， the entropy weight method and coupling coordination model were used to construct the coupling evaluation index system of ecological environment and economic development in Jiangsu Province. The spatial distribution characteristics of the coupling coordination degree of ecological environment and economic development in thirteen cities in Jiangsu Province were analyzed. The coupling coordination model was evaluated using a neural network model， and the temporal variation characteristics of the coupling coordination degree were analyzed. The grey prediction model was used to predict the coordination degree of ecological environment and economic development in Jiangsu Province. The research results show that the coupling coordination degree between economic development and ecological environment in Jiangsu Province has significant spatiotemporal distribution differences; from a spatial perspective， cities such as Suzhou， Nanjing， and Wuxi have a higher level of coupling and coordination， while cities such as Lianyungang， Zhenjiang， and Suqian have a lower level of coupling and coordination; from the perspective of time distribution， the overall coupling and coordination level of the economy and environment in Jiangsu Province has shown a trend of increasing year by year. Based on this， strategies and suggestions are provided to promote the coordinated development of economy and environment in Jiangsu Province.

Key words： Economic development; Ecological environment; Coupling coordination; Neural network; Gray prediction

[责任编辑" "若" "云]