江蘇省生態(tài)足跡時間維度變化及其驅(qū)動因素分析——基于PLS方法對STIRPAT模型的修正

肖 思 思，黃 賢 金，吳 春 篤，3

（1.江蘇大學(xué)環(huán)境學(xué)院，江蘇 鎮(zhèn)江 212013;2.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210093;3.揚州環(huán)境資源職業(yè)技術(shù)學(xué)院，江蘇 揚州 225127）

江蘇省生態(tài)足跡時間維度變化及其驅(qū)動因素分析
——基于PLS方法對STIRPAT模型的修正

肖 思 思1，黃 賢 金2，吳 春 篤1，3

（1.江蘇大學(xué)環(huán)境學(xué)院，江蘇 鎮(zhèn)江 212013;2.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210093;3.揚州環(huán)境資源職業(yè)技術(shù)學(xué)院，江蘇 揚州 225127）

在分析江蘇省生態(tài)足跡時間維變化規(guī)律的基礎(chǔ)上，探討江蘇省生態(tài)足跡變化的重要驅(qū)動因素。1）1990－2007年，江蘇省生態(tài)足跡以年均5.36%的速度從7 227.75萬hm2升至13 817.76萬hm2，而生態(tài)承載力以年均0.30%的速度從2 850.98萬hm2降至2 703.58萬hm2，生態(tài)足跡對區(qū)域生態(tài)赤字變化的貢獻率達97.81%，成為江蘇省生態(tài)赤字增加的主要原因;2）STIRPAT模型分析結(jié)果顯示，人均GDP及其二次項、第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二項式是江蘇省生態(tài)足跡變化的重要驅(qū)動因素，總?cè)丝诩俺鞘谢手笜藚s被排除在外，然而VIF值計算結(jié)果顯示模型中各驅(qū)動因素間多重共線性明顯;3）采用PLS方法修正STIRPAT模型，消除因素間的多重共線性問題，顯示總?cè)丝?、人均GDP及其二次項、第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項、城市化率及其二次項都是江蘇省生態(tài)足跡變化的重要驅(qū)動因素，且按VIP重要性排序為城市化率＞人均GDP二次項＞一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重＞人均GDP＞城市化率二次項＞總?cè)丝冢疽欢a(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重二次項。兩種方法中人均GDP二次項的系數(shù)均為正，表明江蘇省生態(tài)足跡變化不存在環(huán)境EKC曲線的假說。該文進一步明確STIRPAT模型在分析環(huán)境壓力的驅(qū)動因素中存在的缺陷，另一方面驗證了基于PLS修正的STIRPAT模型的準確性與可行性。

生態(tài)足跡;STIRPAT模型;PLS方法;驅(qū)動因素;江蘇

0 引言

生態(tài)足跡法（Ecological Footprint，EF）［1］自提出以來雖備受質(zhì)疑［2，3］，但因其理論的新穎性、概念的形象性及較強的可操作性，被廣泛應(yīng)用于不同空間尺度可持續(xù)發(fā)展的定量評價領(lǐng)域［4－7］。自1998年徐中民等［8］將生態(tài)足跡法引入我國并進行了區(qū)域可持續(xù)發(fā)展案例研究之后，國內(nèi)眾多學(xué)者分別就生態(tài)足跡的理論、方法和計算模型進行了大量實證研究［9－13］。對于EF時間維驅(qū)動因素的分析，國外多是基于國家層面且多為針對生態(tài)足跡模型進行改進的分析［14，15］。國內(nèi)早期以相關(guān)分析［16］、主成分分析［17］為主，側(cè)重于單個或多個驅(qū)動因素的分析，而對驅(qū)動因素的整體驅(qū)動能力和因素重要程度認識不足;現(xiàn)在多以基于IPAT模型［18］及改進后的STRIPAT模型進行的多元非線性回歸分析［19，20］為主，雖然將人口、富裕度和技術(shù)因子納入驅(qū)動因素的整體分析，卻由于無法避免因素間的多重共線性問題而使分析結(jié)果存在偏差，迄今為止該問題尚未引起廣泛關(guān)注。

本文以人－地矛盾極為突出的江蘇省為例，在計算江蘇省1990－2007年時間維生態(tài)足跡變化、明確區(qū)域資源環(huán)境承載現(xiàn)狀的基礎(chǔ)上，基于偏最小二乘（PLS）方法對STRIPAT模型的修正，進行江蘇省生態(tài)足跡的驅(qū)動因素研究，在豐富和完善生態(tài)足跡理論及現(xiàn)有生態(tài)足跡驅(qū)動因素分析方法的同時，對于深入分析并探討減緩江蘇省生態(tài)足跡、完善其可持續(xù)發(fā)展的管理對策意義重大，同時也可為其他省市分析生態(tài)足跡問題提供借鑒。

1 研究方法和數(shù)據(jù)

1.1 研究方法

1.1.1 STIRPAT 模型 原始STIRPAT 模型［21］為：

式中：因變量I與自變量P、A、T分別表示環(huán)境壓力、人口數(shù)量、富裕度和技術(shù)，本文以生態(tài)足跡（EF）表示環(huán)境壓力;m為模型的系數(shù)，b、c和d分別表示P、A、T變化的彈性系數(shù)，n為模型隨機誤差（包括時間誤差、區(qū)域誤差以及因素分解誤差等）。

在實際應(yīng)用中，為了檢驗驅(qū)動因素對生態(tài)足跡的影響及考察各因素與生態(tài)足跡間是否存在倒“U”型環(huán)境庫茲涅茨（EKC）曲線，模型（1）調(diào)整為：

式中：技術(shù)指標T被分解為結(jié)構(gòu)化指標N和現(xiàn)代化指標M，e表示M的彈性系數(shù)。

式（2）以lnEF為因變量，同時將自變量lnA分解為lnA和（lnA）2、lnN分解為lnN和（lnN）2、lnM分解為lnM和（lnM）2，c1、c2、d1、d2、e1和e2分別為各項的系數(shù)。同時，式（2）中分別對lnA、lnN和lnM求一階偏導(dǎo)，可得到富裕度、結(jié)構(gòu)化、現(xiàn)代化對生態(tài)足跡影響的彈性系數(shù)分別為：EEA＝c1＋2c2lnA，EEN＝d1＋2d2lnN，EEM＝e1＋2e2lnM，若c2、d2、e2值為負，就可確定存在EKC曲線及存在生態(tài)足跡開始改善的富裕度、結(jié)構(gòu)化及現(xiàn)代化狀態(tài)點。

1.1.2 PLS方法 PLS方法能夠在自變量存在嚴重相關(guān)性的條件下進行回歸建模［22，23］。具體步驟如下：首先，將因變量Y及自變量X兩組數(shù)據(jù)進行標準化，并分別記為F0和E0;其次，從F0和E0中提取出第一對PLS主成分t1（t1＝E0w1，‖w1‖＝1）和u1（u1＝F0c1，‖c1‖＝1），并使t1、u1能分別較好地表達X與Y中的數(shù)據(jù)變異信息，且t1對u1有較大的解釋能力;第三，第一對PLS主成分被提取之后，實施因變量Y對t1及自變量X對t1的回歸，采用交叉有效性原則檢驗回歸精度［24］，當變量PRESSt取最小時，提取的t為最佳成分數(shù)，表明模型回歸結(jié)果的準確性令人滿意，則計算終止，否則，重新進行成分的提取與回歸，直至達到滿意的精度。

該方法同時采用自變量投影重要性指數(shù)VIP（Variable Importance for Projection）判斷驅(qū)動因子的重要性。一般認為，VIP大于1.00、介于0.80～1.00及小于0.80分別表示該自變量是因變量變化的重要、不確定、不重要驅(qū)動因素［25］。公式如下：

PLS方法所建模型中，因變量Y（即lnEF）有唯一解，自變量X為各驅(qū)動因素及其對數(shù)的二次項，包括lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2;模型中帶入的數(shù)據(jù)與STIRPAT模型相同，研究基于SPSS17.0及PLS插件執(zhí)行相關(guān)計算。

1.2 數(shù)據(jù)來源與指標選取

土地利用數(shù)據(jù)來源于江蘇省國土資源廳“四查清、四對照”數(shù)據(jù)，相關(guān)統(tǒng)計數(shù)據(jù)來源于《江蘇省統(tǒng)計年鑒（1990－2007）》。相關(guān)指標解釋如下：環(huán)境影響指標lnEF以生態(tài)足跡（萬hm2）表征;總?cè)丝谥笜薼nP以人口數(shù)量（萬人）表征;富裕度指標反映經(jīng)濟發(fā)展及人民生活水平的變化情況，以人均GDP（元/人，為1990年人民幣不變價）lnA及其二次項（lnA）2表征;結(jié)構(gòu)化指標反映經(jīng)濟結(jié)構(gòu)的調(diào)整狀況，以第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重（%）lnN及其二次項（lnN）2表征;現(xiàn)代化指標反映城市的發(fā)展水平，以城市化率（城鎮(zhèn)人口占總?cè)丝诘谋戎兀?）lnM及其二次項（lnM）2表征。

2 江蘇省生態(tài)足跡時間維度變化分析

本文參考文獻［26］進行生態(tài)足跡的相關(guān)計算。其中，均衡因子采用張恒義等［27］的研究成果，耕地、草地、林地、化石燃料用地、建筑用地及水域的均衡因子分別為2.82、0.11、0.35、0.35、2.82和0. 17;產(chǎn)量因子采用中國平均值［28］，耕地、草地、林地、建筑用地及水域的產(chǎn)量因子分別為1.66、0.19、0.91、1.60和1.00。在生態(tài)足跡供給計算時扣除了12%的生物多樣性保護面積，計算結(jié)果如表1所示。

表1分析結(jié)果顯示，1990－2007年江蘇省生態(tài)足跡以年均5.36%的速度從7 227.75萬hm2升至13 817.76萬hm2。同期化石能源用地生態(tài)足跡由28.53%持續(xù)增至50.65%，占生態(tài)足跡總增長量的74.91%，說明化石能源用地已成為江蘇省生態(tài)足跡走勢的決定因素，有研究表明，城市化、工業(yè)化尤其是工業(yè)結(jié)構(gòu)的調(diào)整是影響能源需求的關(guān)鍵;水域用地生態(tài)足跡由10.70%增至17.35%，占生態(tài)足跡總增長量的24.64%，耕地生態(tài)足跡由55.81%降至28.41%，占生態(tài)足跡總增長比重的－1.64%，說明水域用地已成為江蘇省生態(tài)足跡走勢的第二大決定因素，生活水平的提高已使得該區(qū)域人口的消費結(jié)構(gòu)由傳統(tǒng)的農(nóng)產(chǎn)品消費向水產(chǎn)品消費轉(zhuǎn)變;同時，經(jīng)濟活動對林地、草地、建筑用地的生態(tài)需求較小，對整個生態(tài)足跡的影響幾乎可以忽略。

表1分析結(jié)果顯示，與生態(tài)足跡變化趨勢相比，江蘇省生態(tài)承載力變化趨勢較為平緩，以年均0.30%的速度從1990年的2 850.98萬hm2降至2007年的2 703.58萬hm2。隨著江蘇省人口增長、城市化進程加劇，耕地向建筑用地轉(zhuǎn)換，耕地生態(tài)承載力下降量占江蘇省生態(tài)承載力總下降量的189.70%，建筑用地的增加占－93.4%，說明耕地和建筑用地已成為影響江蘇省總生態(tài)承載力走勢的決定因素，而其它三類用地的供給總和微乎其微。

表1 1990－2007年江蘇省不同類型生態(tài)足跡與生態(tài)承載力Table 1 Computation results of different types of EF and EC in Jiangsu Province during 1990－2007

總體而言，1990－2007年江蘇省生態(tài)足跡變化對生態(tài)赤字變化的貢獻率（97.81%）遠大于生態(tài)承載力的貢獻率（2.19%），生態(tài)赤字呈現(xiàn)出與生態(tài)足跡相同的變化趨勢，以年均9.06%的速度從1990年的4 376.77萬 hm2升至2007年的11 114.18萬hm2（圖1），說明江蘇省對自然資源的消費量已經(jīng)超越自然生態(tài)系統(tǒng)的承載力范圍，總體上處于不可持續(xù)狀態(tài)。隨著江蘇省經(jīng)濟結(jié)構(gòu)的進一步調(diào)整、城市化進程的加劇以及人口增長、人民生活水平的不斷提高，江蘇省化石能源用地及水域用地生態(tài)足跡將進一步增加，耕地生態(tài)承載力將進一步下降，可以預(yù)見江蘇省可持續(xù)發(fā)展的形勢將更為嚴峻。因此，揭示江蘇省生態(tài)足跡與各驅(qū)動因素之間的內(nèi)在關(guān)系，對于實施江蘇省可持續(xù)發(fā)展意義重大。

圖1 1990－2007年江蘇省總的EF、EC及EDFig.1 The total EF，EC and ED in Jiangsu during 1990－2007

3 生態(tài)足跡變化的驅(qū)動因素分析

3.1 基于STIRPAT模型的分析

江蘇省生態(tài)足跡變化的潛在驅(qū)動因素主要包括總?cè)丝?、富裕度、結(jié)構(gòu)化及現(xiàn)代化水平，這與賈俊松等［29］的研究成果一致。因此，本文選取生態(tài)足跡、總?cè)丝?、富裕度、結(jié)構(gòu)化水平及現(xiàn)代化水平，根據(jù)式（2）構(gòu)建江蘇省生態(tài)足跡變化的STIRPAT模型（表2）。

表2 STIRPAT模型分析Table 2 Analyzing results of EF drivers by original STIRPAT model

模型1～8的擬合度介于97.3%～98.6%，說明回歸方程的擬合度均較好。模型1是以lnEF為因變量、lnA和（lnA）2為自變量的STIRPAT方程，可以解釋幾乎所有的生態(tài)影響（調(diào)整R2＝0.973，D-W 統(tǒng) 計 量 ＝1.087，Sig.＜0.001），且lnA和（lnA）2對lnEF存在極顯著影響（Sig.＜0.001）;模型2在模型1的基礎(chǔ)上添加自變量lnP，lnP對lnEF影響不顯著（Sig.＞0.05）;模型3在模型1的基礎(chǔ)上添加自變量lnN，該模型對因變量的解釋能力比模型1有所提升（調(diào)整R2＞0.973），且lnN對lnEF存在顯著影響（Sig.＜0.01）;模型4在模型1的基礎(chǔ)上添加自變量（lnN）2，該模型對因變量的解釋能力比模型1有所提升（調(diào)整R2＞0.973），且（lnN）2對lnEF存在顯著影響（Sig.＜0.01）;模型5在模型3、4的基礎(chǔ)上考慮了lnN和（lnN）2對lnEF的累積影響，但累積影響不顯著（Sig.＞0.05）;模型6和模型7在模型1的基礎(chǔ)上分別添加了自變量lnM和（lnM）2，但二者對lnEF影響均不顯著（Sig.＞0.05）;模型8是因變量lnEF及自變量lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2綜合作用的結(jié)果。由此可見，對lnEF存在極顯著及顯著影響的自變量主要包括lnA、（lnA）2、lnN和（lnN）2，它們是生態(tài)足跡變化的重要驅(qū)動因素，而lnP、lnM和（lnM）2對lnEF影響不顯著。與此同時，lnA的彈性系數(shù)介于－0.733～－1.136，（lnA）2的彈性系數(shù)介于0.057～0.087，表明1%的lnA、（lnA）2的變化將分別引起－0.733%～1.136%和0.057%～0.087%的lnEF變化，可見，lnA對lnEF存在負向影響，且由于（lnA）2的系數(shù)為正，說明江蘇省的生態(tài)足跡與人均GDP間不存在環(huán)境EKC的假說;lnN的彈性系數(shù)發(fā)生了從正（1.118）到負（－4.452）的變化，但其絕對值大于lnA的彈性系數(shù)，說明lnN對lnEF的影響大于lnA對lnEF的影響，但影響的性質(zhì)不能確定，且由于（lnN）2的彈性系數(shù)為負，表明江蘇省的生態(tài)足跡與第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重間存在環(huán)境EKC的假說。

從模型8可見，在95%置信區(qū)間，自變量無法通過t檢驗;方程擬合度調(diào)整R2為0.984，方程整體F檢驗很顯著（155.00，D-W 統(tǒng)計量＝1.958，Sig.＜0.001），因此有理由懷疑自變量lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和 （lnM）2之間存在 多重共 線性。進一步計算各自變量的方差膨脹因子（VIF）值，結(jié)果如表3所示。普遍認為VIF＞10意味著變量間存在著非常嚴重的共線性問題［22］。表3顯示，只有第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項的VIF值為8.51和7.81（＜10），其余5個自變量VIF值均遠遠大于10，尤其是模型8中自變量間的多重共線性更為嚴重，因此不適合運用最小二乘法進行無偏估計，表明采用上述STIRPAT模型方法進行生態(tài)足跡驅(qū)動因素分析所得結(jié)果的準確性受到質(zhì)疑。

表3 VIF值Table 3 VIF value

3.2 基于PLS修正的STIRPAT模型分析

鑒于PLS方法可用于解決自變量間的多重共線性問題，以下采用PLS方法對自變量間多重共線性最為嚴重的模型8進行修正，結(jié)果如表4所示。當t＝1，即當提取1個主成分時，調(diào)整R2＝0.856，說明提取1個主成分能達到對因變量85.6%的解釋;當t＝2時，調(diào)整R2＝0.963，說明提取2個主成分能達到對因變量96.3%的解釋……直至t＝5時，調(diào)整R2＝0.979，即提取5個主成分能達到對因變量97.9%的解釋，此時調(diào)整R2介于0.856～0.979，意味著基于PLS的STIRPAT模型具有對因變量很好的解釋能力;且當t＝5時，調(diào)整R2達最大值，PRESSt有最小值0.1467，此時提取的成分個數(shù)t＝5即為最佳成分數(shù)，因此，t＝5時建立的基于PLS的STIRPAT模型具有對因變量最好的解釋能力。同時，當t＝5時，lnP的彈性系數(shù)為1.218，說明1%的lnP變化將引起1.218%的lnEF變化，此時，lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2的彈性系數(shù)分別為0.102、0.020、1.754、1.149、0.779 和 0.412，說 明 1% 的lnA、（lnA）2、lnN、（lnN）2、lnM和（lnM）2的變化將相 應(yīng) 引 起 0.102%、0.020%、1.754%、1.149%、0.779%和0.412%的lnEF變化;各因素彈性系數(shù)均為正，意味著隨著總?cè)丝?、人均GDP、一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及城市化率的增加，江蘇省生態(tài)足跡趨于上升。由于未標準化回歸方程回歸系數(shù)的大小不能反映自變量對因變量的影響［30］，因此，采用t＝5時VIP值對各因變量對生態(tài)足跡影響的重要性進一步分析（圖2）。

表4 基于PLS的STIRPAT模型Table 4 STIRPAT model based on PLS method

圖2 VIP值Fig.2 VIP value

lnP、lnA、（lnA）2、lnN、（lnN）2、lnM和 （lnM）2的VIP值均大于1.0，表明總?cè)丝?、人均GDP及其二次項、一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項、城市化率及其二次項都是江蘇省生態(tài)足跡變化的重要驅(qū)動因素，且各因素對江蘇省生態(tài)足跡變化影響按VIP值 重 要 性 排 序 為：lnM（2.464）＞ （lnA）2（2.077）＞lnN（1.757）＞lnA（1.507）＞（lnM）2（1.394）＞lnP（1.266）＞（lnN）2（1.194）。

以下進行基于PLS的STIRPAT模型有效性與準確性分析。表5為逐步提取5個成分時對模型中自變量和因變量的累計解釋情況，當t＝1，2，…，5時，分 別 實 現(xiàn) 了 對 自 變 量 （X）96.2%、98.8%、99.8%、99.9%和100.0%的累計解釋能力及對因變量（Y）85.6%、96.3%、96.5%、97.7% 和 97.9%的累計解釋能力，調(diào)整R2介于0.856～0.979，表示各模型效果均較好;尤其當t＝5時，調(diào)整R2有最大值0.979，此時主成分能最好地解釋自變量和因變量，模型效果最顯著，生態(tài)足跡與其驅(qū)動要素間建立的PLS線性回歸模型最為合理。圖3為t1/u1散點圖，其中u1是提取一個主成分t1后Y的第一個成分。以往研究［22，23］表明，所提取主成分t1與u1相關(guān)性越接近線性，用PLS方法進行回歸建模就越合理。從圖3可見，t1與u1之間存在近似線性相關(guān)，說明X和Y之間有顯著的相關(guān)性，因而本文采用PLS方法對STIRPAT模型進行改進的回歸模型具有合理性。圖4為提取5個成分時真實值與擬合值的對比，由擬合直線的R2＝0.985可知真實值與擬合值呈完美的線性關(guān)系，這意味著采用PLS修正后的STIRPAT模型建立生態(tài)足跡與其驅(qū)動要素間的線性回歸模型較合理。

從表5、圖3和圖4的分析結(jié)果可以看出，采用PLS修正后的STIRPAT模型進行江蘇省生態(tài)足跡變化的驅(qū)動因素分析，其結(jié)果具有準確性和合理性。江蘇省生態(tài)足跡的重要驅(qū)動因素最終表現(xiàn)為總?cè)丝?、人均GDP及其二次項、一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項、城市化率及其二次項，且江蘇省不存在驅(qū)動因素與生態(tài)足跡間的環(huán)境EKC假說。

表5 PLS分析結(jié)果中方差比例的解釋Table 5 Cumulative variance explanation of the result by PLS analysis

4 結(jié)論與建議

江蘇省生態(tài)足跡從1990年的7 227.75萬hm2升至2007年的13 817.76萬hm2，而生態(tài)承載力同期從2 850.98萬hm2降至2 703.58萬hm2，江蘇省生態(tài)足跡對區(qū)域生態(tài)赤字變化的貢獻率達97.81%，從而成為江蘇省生態(tài)赤字增加的主要原因。江蘇省生態(tài)足跡上升的決定因素為化石能源用地及水域用地生態(tài)足跡的持續(xù)增加，生態(tài)承載力下降的決定因素為耕地生態(tài)足跡的下降和建設(shè)用地生態(tài)足跡的增加，潛在的驅(qū)動因素主要表現(xiàn)為人口的增加、人民生活水平的提高及經(jīng)濟結(jié)構(gòu)不合理和城市化的發(fā)展。

采用STIRPAT模型分析江蘇省生態(tài)足跡變化的重要驅(qū)動因素，結(jié)果顯示人均GDP及其二次項以及第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重三因素是江蘇省生態(tài)足跡變化的重要驅(qū)動因素，而對生態(tài)足跡有明顯影響的總?cè)丝?、城市化率指標卻被排除在外，有別于賈俊松［31］、魯鳳［24］等學(xué)者的研究結(jié)果，從而使得分析結(jié)果令人質(zhì)疑;VIF值的計算結(jié)果進一步驗證了STIRPAT模型中各驅(qū)動因素間多重共線性的存在，從而明確了STIRPAT模型用于生態(tài)足跡驅(qū)動因素分析時存在的缺陷。采用PLS方法對STIRPAT模型進行修正，結(jié)果經(jīng)準確性驗證后最終表現(xiàn)為總?cè)丝?、人均GDP及其二次項、第一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項、城市化率及其二次項都是江蘇省生態(tài)足跡變化的重要驅(qū)動因素，且按VIP重要性排序為城市化率＞人均GDP二次項＞一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重＞人均GDP＞城市化率二次項＞總?cè)丝冢疽欢a(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重二次項。

結(jié)合模型系數(shù)及VIP值大小對江蘇省生態(tài)足跡變化的重要驅(qū)動因素進行分析。首先，城市化率及其二次項分別是最重要及第五重要驅(qū)動因素，模型系數(shù)為正，表明江蘇省城市化率增加將導(dǎo)致生態(tài)足跡上升。1990—2007年江蘇省城市人口由1 458.94萬人增至4 056.23萬人，占總?cè)丝诘谋戎匾灿?1.56%增至53.20%，同時，耕地由544.24萬hm2減至476.38萬hm2，建設(shè)用地則由145.25萬hm2增至230.23萬hm2，必然導(dǎo)致江蘇省生態(tài)足跡的增加及生態(tài)承載力的下降。然而，江蘇省城市化進程的加劇在所難免，因此建議政府一方面必須采取相應(yīng)的對策嚴控耕地向建設(shè)用地流轉(zhuǎn)、提高耕地和建設(shè)用地的利用效率，另一方面設(shè)定人口的準入標準，縮小城鄉(xiāng)人民生活水平差距，從而控制農(nóng)村人口向城市的快速遷移。第二，人均GDP二次項及人均GDP分別是第二和第四重要驅(qū)動因素，而一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重及其二次項分別是第三和第七重要驅(qū)動因素，模型系數(shù)為正，可見，江蘇省人均GDP的增加有助于生態(tài)足跡的上升，一二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重的下降有助于生態(tài)足跡的下降。然而，目前江蘇省主要任務(wù)仍然是社會經(jīng)濟的快速發(fā)展，即在抑制生態(tài)足跡增長的同時又不能過度影響經(jīng)濟發(fā)展，因此，有必要調(diào)整經(jīng)濟增長方式，如加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型，促進高污染高耗能產(chǎn)業(yè)型經(jīng)濟向無污染、低消耗、對生態(tài)環(huán)境危害較小的高新產(chǎn)業(yè)和環(huán)保產(chǎn)業(yè)過渡等。第三，人口增長是第六重要驅(qū)動因素，雖然在本研究中人口因素對生態(tài)足跡影響的重要性較弱，但人口因素始終是影響生態(tài)足跡變化的重要驅(qū)動因素，這與前人的分析結(jié)果一致［31］?？梢灶A(yù)見，由于人口基數(shù)過大，盡管未來仍將貫徹計劃生育政策，但江蘇省人口總量仍將持續(xù)增加，短期內(nèi)區(qū)域人口數(shù)量的增加仍將對區(qū)域生態(tài)環(huán)境產(chǎn)生負面影響。此外，盡管1979年以來江蘇省貫徹計劃生育政策，抑制了人口的快速增長，但也引發(fā)了一系列社會問題，諸如出生性別比例失調(diào)、老齡化問題等。因此，建議當局在繼續(xù)貫徹計劃生育政策的同時，應(yīng)該從問題的背后深入探討，制定更為有效的措施（如控制流動人口數(shù)量的增加等），用于解決人口數(shù)量增長引發(fā)的生態(tài)足跡問題。

［1］REES W E.Ecological footprint and appropriated carrying capacity：What urban economics leaves out［J］.Environment and Urbanization，1992，4：121－130.

［2］AYRES R U.Commentary on the utility of the ecological footprint concept［J］.Ecological Economics，2000，3（3）：347－349.

［3］VAN DEN BERGH J，VERBRUGGEN H.Spatial sustainability，trade and indicators：An evaluation of the＇ecological footprint＇［J］.Ecological Economics，1999.29（1）：61－72.

［4］CHAPAGAIN A K，HOEKSTRA A Y，SAVENIJE H H G，et al.The water footprint of cotton consumption：An assessment of the impact of worldwide consumption of cotton products on the water resources in the cotton producing countries［J］.Ecological Economics，2006，60（1）：186－203.

［5］KISSINGER M，GOTTLIEB D.Place oriented ecological footprint analysis——the case of Israel＇s grain supply［J］.Ecological Economics，2010，69（8）：1639－1645.

［6］MAR ITN-CEJAS R R，RAMIREZ SANCHEZ P P.Ecological footprint analysis of road transport related to tourism activity：The case for Lanzarote Island［J］.Tourism Management，2010，31（1）：98－103.

［7］PATTERSON T M，NICCOLUCCI V，MARCHETTINI N.A-daptive environmental management of tourism in the Province of Siena，Italy using the ecological footprint［J］.Environmental Management，2008，86（2）：407－418.

［8］徐中民，張志強，程國棟.甘肅省1998年生態(tài)足跡計算與分析［J］.地理學(xué)報，2000，55（5）：607－616.

［9］謝高地，魯春霞，成升魁，等.中國的生態(tài)空間占用研究［J］.資源科學(xué)，2001，23（6）：29－35.

［10］孫鵬，王青，劉建興，等.沈陽市交通生態(tài)足跡的時間序列分析［J］.資源科學(xué)，2008，30（6）：864－869.

［11］譚慶，汪正祥，雷耘，等.湖北省近20年生態(tài)足跡演變［J］.生態(tài)學(xué)雜志，2008，27（6）：974－977.

［12］張芳怡，濮勵杰，張健.基于能值分析理論的生態(tài)足跡模型及應(yīng)用——以江蘇省為例［J］.自然資源學(xué)報，2006，21（4）：653－660.

［13］張衍廣，林振山，李茂玲，等.基于EMD的中國生態(tài)足跡與生態(tài)承載力的動力學(xué)預(yù)測［J］.生態(tài)學(xué)報，2008，28（10）：5027－5032.

［14］WACKERNAGEL M，MONFREDA C，ERB K H，et al.Ecological footprint time series of Austria，the Philippines，and South Korea for 1961－1999：Comparing the conventional approach to an Actual land area′approach［J］.Land Use Policy，2004，21（3）：261－269.

［15］郭玲霞，黃朝禧.“兩型社會”城市生態(tài)足跡時間維變化及驅(qū)動研究——以武漢市為例［J］.農(nóng)業(yè)現(xiàn)代化研究，2011，32（2）：217－221.

［16］楊勇，任志遠.銅川市1994－2003年人均生態(tài)足跡變化及社會經(jīng)濟動因分析［J］.干旱地區(qū)農(nóng)業(yè)研究，2007，25（3）：213－218.

［17］方建德，楊揚，葉堤，等.重慶市生態(tài)足跡時間序列動態(tài)特征及其驅(qū)動因子分析［J］.生態(tài)環(huán)境學(xué)報，2009，18（4）：1337－1341.

［18］張恒義，劉衛(wèi)東，林育欣，等.基于改進生態(tài)足跡模型的浙江省域生態(tài)足跡分析［J］.生態(tài)學(xué)報，2009，29（5）：2738－2748.

［19］李琦，孫根年，韓亞芬.中國能源足跡的區(qū)域差異及影響因素分析［J］.統(tǒng)計與決策，2010（19）：111－113.

［20］盧娜，曲福田，馮淑怡，等.基于STIRPAT模型的能源消費碳足跡變化及影響因素——以江蘇省蘇錫常地區(qū)為例［J］.自然資源學(xué)報，2011，26（5）：814－824.

［21］YORK R，ROSA E A，DIETZ T.STIRPAT，IPAT and ImPACT：Analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economic，2003，46（3）：351－365.

［22］王惠文.偏最小二乘回歸方法及其應(yīng)用［M］.北京：國防工業(yè)出版社，1999.

［23］王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法［M］.北京：國防工業(yè)出版社，2006.

［24］魯鳳，徐建華，王占永，等.生態(tài)足跡影響因子定量分析及其動態(tài)預(yù)測比較研究——以新疆為例［J］.地理與地理信息科學(xué)，2010，26（6）：70－74.

［25］WOLD S.PLS for multivariate linear modeling，QSAR：Chemometric methods in molecular design［A］.WATERBEEMD H V D，WEINHEIM.Methods and Principles in Medicinal Chemistry［C］.Germany：Verlag-Chemie，1994.

［26］WANG M Q，LIU J S，WANG J D，et al.Ecological footprint and major driving forces in West Jilin Province，Northeast China［J］.Chinese Geographical Science，2010，20（5）：434－441.

［27］張恒義，劉衛(wèi)東.王世忠，等.“省公頃”生態(tài)足跡模型中均衡因子及產(chǎn)量因子的計算——以浙江省為例［J］.自然資源學(xué)報，2009，24（1）：82－92.

［28］WACKERNAGEL M，ONISTO L，BELLO P，et al.National natural capital accounting with the ecological footprint concept［J］.Ecological Economics，1999，29：375－390.DOI：10.1016/S0921－80－09（98）90063－5.

［29］JIA J S，DENG H B，DUAN J，et al.Analysis of the major driver of the ecological footprint using the STIRPAT model and the PLS method——a case study in Henan Province，China［J］.Ecological Economics，2009，68：2818－2824.

［30］羅璐琴，周敬宣，李湘梅.生態(tài)足跡動態(tài)預(yù)測模型構(gòu)建與分析——以武漢市為例［J］.長江流域資源與環(huán)境，2008，17（3）：440－445.

［31］賈俊松.河南生態(tài)足跡驅(qū)動因素的Hi－PLS分析及其發(fā)展對策［J］.生態(tài)學(xué)報，2011，31（8）：2188－2195.

A Study on Ecological Footprint Time Series and Its Drivers of Jiangsu Province：Using the STIRPAT Model and the PLS Method

XIAO Si－si1，HUANG Xian－jin2，WU Chun－du1，3
（1.SchoolofEnvironment，JiangsuUniversity，Zhenjiang212013;2.SchoolofGeographicandOceanographicSciences，NanjingUniversity，Nanjing210093;3.YangzhouVocationalCollegeofEnvironmentandResources，Yangzhou225127，China）

Taking Jiangsu Province of China as an example，the change trend of ecological footprint（EF）time series was computed and analyzed and the important drivers of lnEFin Jiangsu Province were researched.The results showed that the EF in Jiangsu Province increased from 72.2775 million hm2to 138.1776 million hm2with the annual growth rate of 5.36%，but its ecological carrying capacity（EC）was rather low and was in a state of slow decline from 28.5098 million hm2to 27.0358 million hm2with the annual decrease rate of 0.30%，indicating that EF amounted to 97.81%to the contributive rate of ecological deficit（ED）.Therefore，the major drivers of the EF′s change were analyzed.According to the simulations with STIRPAT model，the major drivers of Jiangsu′s lnEFwere GDP per capita（lnA），quadratic term of GDP per capita（（lnA）2），percent of GDP excluded in the service sector（lnN），and quadratic term of percent of GDP excluded in the service sector（（lnN）2），but not human population（lnP），percent of urban population （lnM），quadratic term of percent of urban population（（lnM）2）.Nevertheless，these drivers themselves had strong collinearity byVIFvalue，which might produce some uncertain impact to the final results.In order to avoid the impact of collinearity，the method of partial least squares（PLS）was used to rectify the former STIRPAT model.The results showed that the major drivers of lnEFwere lnP，lnA，（lnA）2，lnN，（lnN）2，lnMand（lnM）2.Compared with the results by the STIRPAT model，which showed that lnP，（lnN）2，lnMand （lnM）2are the most dominant drivers and the effect of them on EF could almost be ignored.So，the results by PLS method were considered as more reasonable and acceptable.In addition，the results acquired by both methods showed that the curvilinear relationship between economic development and EF or the classical EKC hypothesis didn＇t exist in Jiangsu Province.This paper，on one hand，further ensured the shortcoming of STIRPAT model used to analyze the major drivers on EF，on the other hand，confirmed the accuracy and feasibility of PLS method verified the STIRPAT model.

ecological footprint（EF）;STIRPAT model;PLS method;drivers;Jiangsu Province

X22

A

1672－0504（2012）03－0076－07

2011－10- 30;

2011－12－31

國土資源部公益性行業(yè)科研專項經(jīng)費項目“土地利用規(guī)劃的碳排放效應(yīng)與調(diào)控研究”（200811033）;江蘇省國土資源廳“江蘇省環(huán)太湖地區(qū)國土資源承載力及調(diào)控措施研究”項目;江蘇大學(xué)高級專業(yè)人才科研啟動基金項目（08JDG042）;江蘇大學(xué)學(xué)生科研立項（10A085）

肖思思（1979－），女，博士，講師，主要從事自然資源與環(huán)境可持續(xù)發(fā)展方面的研究。E－mail：xiao780＠163.com