環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的時空差異

王琳玉,于麗英

(上海大學(xué)管理學(xué)院,上海200444)

目前,中國經(jīng)濟(jì)由投入型增長轉(zhuǎn)向效率型增長,如果想進(jìn)一步推進(jìn)供給側(cè)結(jié)構(gòu)改革,那么就需要通過產(chǎn)業(yè)調(diào)整、創(chuàng)新來提高投入效率.由于經(jīng)濟(jì)發(fā)展受制于技術(shù)進(jìn)步和要素投入,因此技術(shù)進(jìn)步與要素投入的效率變化是反映投入效率的2個主要指標(biāo).目前,關(guān)于投入效率的測算方法主要有數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA)法、Malmquist指數(shù)法和Malmquist-Luenberger(ML)指數(shù)法[1].由于前2種方法只考慮了期望產(chǎn)出,而忽略了在經(jīng)濟(jì)發(fā)展過程中產(chǎn)生的非期望產(chǎn)出,因此更多的研究人員采用ML指數(shù)法來測算投入效率[2-6].ML指數(shù)法是采用DEA法來計算距離函數(shù),生產(chǎn)前沿面是以當(dāng)期的數(shù)據(jù)構(gòu)成的,忽略了產(chǎn)出的短期波動對生產(chǎn)前沿面造成的影響.Oh等[7]在ML指數(shù)的基礎(chǔ)上提出了sequential Malmquist-Luenberger(SML)指數(shù)法,并運(yùn)用該方法測算了26個經(jīng)濟(jì)合作與發(fā)展組織(Organization for Economic Co-operation and Development,OECD)成員國的投入效率,該方法在一定程度上解決了短期波動對生產(chǎn)前沿面造成的影響.長江經(jīng)濟(jì)帶是長江流域最發(fā)達(dá)的地區(qū),也是全國高密度的經(jīng)濟(jì)走廊之一,采用科學(xué)的方法研究長江經(jīng)濟(jì)帶投入效率的時空差異意義重大.本工作在SML指數(shù)法的基礎(chǔ)上,構(gòu)建了在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的SML指數(shù)模型;將該模型運(yùn)用于長江經(jīng)濟(jì)帶的分析,以技術(shù)進(jìn)步指數(shù)和效率變化指數(shù)來反映長江經(jīng)濟(jì)帶的投入效率,并對在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的時空差異進(jìn)行研究,以期為提高長江經(jīng)濟(jì)帶的投入效率提供決策支持.

1 基于SML指數(shù)的投入效率測算模型

1.1 序列生產(chǎn)可能性集與方向性距離函數(shù)

定義1 設(shè)當(dāng)期生產(chǎn)可能性集:P(xt)={(yt,bt):投入xt能夠產(chǎn)出yt和bt},t=1,2,···,T,這里的生產(chǎn)可能性集只考慮在t時期的參考值.其中,xt∈RN為投入變量,yt∈RM為期望產(chǎn)出變量,bt∈RI為非期望產(chǎn)出變量,N為投入變量個數(shù),M為期望產(chǎn)出變量個數(shù),I為非期望產(chǎn)出變量個數(shù).

定義2[7]序列生產(chǎn)可能性集:在t時期的序列生產(chǎn)可能性集是由時刻1到t的所有生產(chǎn)可能性集共同構(gòu)成,即(xt)=P1(x1)∪P2(x2)∪P3(x3)∪···∪Pt(xt),1≤ t≤ T,T為總的時間長度.

圖1 序列生產(chǎn)可能性集Fig.1 Sequential production possibility set

假設(shè)生產(chǎn)可能性集P(x)具有如下3個性質(zhì),即非期望產(chǎn)出具有弱處置性、期望產(chǎn)出自由處置性及期望與非期望產(chǎn)出間的零聯(lián)合性.當(dāng)P(x)滿足以上第1和第3條假設(shè)時,其大致形狀如圖1所示.圖1中,點(diǎn)C為一個產(chǎn)出觀測點(diǎn),在投入x不變的情況下,點(diǎn)C沿著方向向量g移動,可以獲得點(diǎn)B的理想產(chǎn)出集,也就是說如果一個決策單元以最佳方式進(jìn)行生產(chǎn),則可以最大限度地增加期望產(chǎn)出同時降低非期望產(chǎn)出,從而將產(chǎn)出觀測點(diǎn)由點(diǎn)C移動到了點(diǎn)B.如果點(diǎn)C按照Shepherd距離函數(shù)[8]里定義的期望產(chǎn)出和非期望產(chǎn)出同時擴(kuò)大的方向移動,那么最終產(chǎn)出觀測點(diǎn)C移動到了點(diǎn)B.

定義3[4]方向性距離函數(shù)表示在投入為x、生產(chǎn)可能性集為P(x)的條件下,期望產(chǎn)出按一定比例增大時,非期望產(chǎn)出按同比例減小的可能性,表示為g=gy?gb,式中g(shù)y為期望產(chǎn)出增大的比例,gb為非期望產(chǎn)出減少的比例,考慮到gb為非期望產(chǎn)出,故用負(fù)值來表示.這樣本工作將方向性距離函數(shù)與序列生產(chǎn)可能性集結(jié)合到一起,得到了基于產(chǎn)出的方向性距離函數(shù):

式中,s表示從t到t+1時期x)為序列生產(chǎn)可能性集合.式(1)表示在投入變量為x、生產(chǎn)可能集為x)的條件下,產(chǎn)出向量(y,b)能夠沿著方向向量g=gy?gb進(jìn)行收縮和擴(kuò)張的最大倍數(shù)為β,下標(biāo)c為本工作考慮在規(guī)模報酬不變的情況下投入效率的測算.在規(guī)模報酬不變的情況下,根據(jù)式(1)可以推出4個方向性距離函數(shù),即在t時期的投入產(chǎn)出變量(xt,yt,bt)在t時期的方向性距離參數(shù)為

在t+1時期的方向性距離參數(shù)為

t+1時期的投入產(chǎn)出變量(xt+1,yt+1,bt+1)在t時期的方向性距離參數(shù)為

在t+1時期的方向性距離參數(shù)為

1.2 基于SML指數(shù)法的投入效率測算模型

Chung等[1]在研究Malmquist生產(chǎn)率指數(shù)的基礎(chǔ)上,結(jié)合方向性距離函數(shù)與當(dāng)期生產(chǎn)可能性集,提出了考慮非期望產(chǎn)出的ML指數(shù).Oh等[7]在ML指數(shù)的基礎(chǔ)上提出了SML指數(shù).本工作在SML指數(shù)法的基礎(chǔ)上,構(gòu)建了在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的SML指數(shù)模型;將該模型運(yùn)用于長江經(jīng)濟(jì)帶的分析中,以技術(shù)進(jìn)步指數(shù)和效率變化指數(shù)來反映長江經(jīng)濟(jì)帶的投入效率,并對在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的時空差異進(jìn)行研究.為了區(qū)別于ML指數(shù)法,本工作用PSTECH與PSEFFCH分別表示技術(shù)進(jìn)步指數(shù)和效率變化指數(shù),考慮環(huán)境因素的投入效率PSML=PSTECH×PSEFFCH.PSML=1,表示投入效率不變;PSML＜1,表示投入效率呈下降趨勢;PSML＞1,表示投入效率呈逐漸上升趨勢.

SML指數(shù)法的計算公式及其分解情況如式(2)～(4)所示,對于每個決策單元都有與之對應(yīng)的4個方向性距離函數(shù),式(5)和(6)為第k個決策單元的2個方向性距離函數(shù),其余2個方向性距離函數(shù)的求法與式(5)和(6)類似.

第k個決策單元的方向性距離函數(shù)的具體求法如下:

式中,Yτ為M×K矩陣,表示在τ時期的期望產(chǎn)出;K為決策單元的個數(shù);M為期望產(chǎn)出變量的個數(shù);Bτ為I×K矩陣,表示在τ時期的非期望產(chǎn)出;I為非期望產(chǎn)出變量的個數(shù);Xτ為N×K矩陣,表示在τ時期的投入;N為投入變量的個數(shù);y,b,x分別為M×1,I×1,N×1的3個向量;Zτ為K×1的向量.

2 環(huán)境約束下長江經(jīng)濟(jì)帶投入效率測度的實證研究

長江經(jīng)濟(jì)帶覆蓋11個省市,面積約250萬平方公里,包含12個一、二級中心城市,15個地區(qū)中心城市,人口和生產(chǎn)總值均超過全國的40%.2014年國務(wù)院印發(fā)《關(guān)于依托黃金水道推動長江經(jīng)濟(jì)帶發(fā)展的指導(dǎo)意見》中提出,依托長江黃金水道,構(gòu)建沿海與中西部相互支撐新格局,打造陸海雙向?qū)ν忾_放新走廊.長江經(jīng)濟(jì)帶的發(fā)展已經(jīng)成為國家戰(zhàn)略,對促進(jìn)中國經(jīng)濟(jì)發(fā)展、縮小東中西部地區(qū)發(fā)展有重要意義.而長江經(jīng)濟(jì)帶各地區(qū)的經(jīng)濟(jì)發(fā)展在時間與空間上均存在差異,探究長江經(jīng)濟(jì)帶的投入效率,研究長江經(jīng)濟(jì)帶各城市經(jīng)濟(jì)發(fā)展方式對推動長江經(jīng)濟(jì)帶供給側(cè)結(jié)構(gòu)改革具有深遠(yuǎn)意義.

2.1 決策單元的選取和數(shù)據(jù)的獲取

從空間分布規(guī)律來看,長江經(jīng)濟(jì)帶由5個城市群組成:長江三角洲城市群、長江中游城市群、成渝城市群、黔中和滇中城市群,其中前3個為主要城市群.本工作選取的決策單元為組成長江經(jīng)濟(jì)帶三大二小城市群的15個城市,其中上海、南京、合肥、杭州、寧波和蘇州為長江三角洲城市群的代表城市,武漢、長沙、南昌為長江中游群代表城市,宜賓、瀘州、重慶、成都為成渝群代表城市,貴陽和昆明分別屬于黔中和滇中城市群.由于重慶市在1997年正式成立,因此計算時所選擇的變量數(shù)據(jù)以2000年為基期.本工作測算2000年至2013年長江經(jīng)濟(jì)帶城市群15個主要城市在環(huán)境約束下的投入效率,數(shù)據(jù)均來源于《中國城市統(tǒng)計年鑒》《中國統(tǒng)計年鑒》,其中缺失的數(shù)據(jù)采用時間序列進(jìn)行擬合得到.

2.2 投入產(chǎn)出變量的選取

對于投入指標(biāo),本工作選取勞動投入與資本投入作為投入指標(biāo).對于勞動投入,本工作采用長江經(jīng)濟(jì)帶15個主要城市2000年至2013年末單位從業(yè)人數(shù)作為勞動要素投入的衡量指標(biāo).對于資本投入,本工作采用人均資本存量作為資本投入變量.資本存量的計算采用國際上通用的永續(xù)盤存法(perpetual inventory method,PIM)估算資本投入.對于折舊率與基期資本存量,本工作均采用張軍等[9]的研究結(jié)果.

對于期望產(chǎn)出指標(biāo),選取各城市人均實際GDP作為期望產(chǎn)出指標(biāo).研究人員在非期望產(chǎn)出指標(biāo)的選取上具有較大的彈性,Kaneko等[10]和Managi等[11]選擇了廢氣、廢水和固體廢物作為非期望產(chǎn)出;Watanabe等[12]和涂正革[13]選擇SO2作為非期望產(chǎn)出;張建升[4]考慮將“廢水排放量”作為非期望產(chǎn)出.長江流域森林植被銳減,水質(zhì)污染嚴(yán)重,大量污水排入導(dǎo)致長江生態(tài)環(huán)境遭到嚴(yán)重破壞[14].因此,本工作選取每萬元產(chǎn)值的工業(yè)廢水排放量作為非期望產(chǎn)出指標(biāo).

2.3 在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的空間分布特征

從空間分布來看,沿長江下游至上游,長江經(jīng)濟(jì)帶分布著長江三角洲城市群、長江中游城市群、成渝城市群、黔中和滇中城市群,在這5大城市群中前3個為主要城市群.由于黔中和滇中城市群均為較小的城市群,因此將其作為一個整體進(jìn)行考慮.本工作運(yùn)用R語言軟件,采用SML指數(shù)模型對長江經(jīng)濟(jì)帶在城市群環(huán)境約束下的投入效率進(jìn)行分析,具體結(jié)果如表1所示.

從分析單個城市視角可以看出如下幾個情況.①長江經(jīng)濟(jì)帶主要的15個城市在考慮環(huán)境因素時的投入效率均大于1,說明從2000年到2013年各城市整體經(jīng)濟(jì)增長效率呈上升趨勢,且絕大多數(shù)城市的技術(shù)進(jìn)步指數(shù)平均增長率在2%以上,表明各個城市在發(fā)展過程中,逐步由原有的粗放型經(jīng)濟(jì)增長方式向集約型經(jīng)濟(jì)增長方式轉(zhuǎn)變,且積極采用新技術(shù)、新工藝,以創(chuàng)新理念增強(qiáng)發(fā)展動力.②在15個城市中,上海市與蘇州市在環(huán)境約束下投入效率的增長率均在8%以上,且兩個城市均屬于長江三角洲城市群,這也體現(xiàn)了在長江經(jīng)濟(jì)帶的建設(shè)過程中,長江三角洲城市群起著不可替代的龍頭作用.③在長江經(jīng)濟(jì)帶主要的15個城市中,南京、上海、合肥、蘇州、寧波、成都、武漢和長沙的投入效率高于長江經(jīng)濟(jì)帶的平均水平,說明長江經(jīng)濟(jì)帶經(jīng)濟(jì)在由投入型增長轉(zhuǎn)向效率型增長的過程中,這些城市起到了較好的帶頭作用.

從分析城市群視角也可以看出如下幾個情況.①長江三角洲城市群在環(huán)境約束下的投入效率明顯高于其他城市群,增長率的平均值為6.75%,可見技術(shù)進(jìn)步是快速增速的主要原因.②長江中游城市群在環(huán)境約束下的投入效率僅次于長江三角洲城市群,2000年到2013年的平均增長率為6.19%,長沙與武漢的年均增長率均在7%以上;黔中和滇中城市群在環(huán)境約束下的投入效率增長率最低,平均值僅為2.90%,低于長江經(jīng)濟(jì)帶的平均水平.這些反映了長江上游地區(qū)的經(jīng)濟(jì)增長主要依靠要素投入,同時污染物排放量仍較大;長江中游在“中游崛起”、“兩型”社會建設(shè)綜合配套改革試驗區(qū)等戰(zhàn)略和措施的指引下,創(chuàng)新綠色發(fā)展能力逐步增強(qiáng).③長江三角洲城市群的技術(shù)進(jìn)步指數(shù)明顯高于其他城市群,說明在發(fā)展過程中,雖然長江三角洲城市群注重創(chuàng)新要素的提升,但其效率變化指數(shù)卻不很理想,且趨近于負(fù)增長.效率變化指數(shù)是指產(chǎn)業(yè)結(jié)構(gòu)能否符合總體要求并使之發(fā)揮最大的經(jīng)濟(jì)利益和社會效益,長江三角洲城市群的效率變化指數(shù)較低,說明近些年由于環(huán)境的約束其產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和城市轉(zhuǎn)型面臨著諸多困難,不能發(fā)揮最大的經(jīng)濟(jì)效益.

表1 在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率空間分布特征Table 1 Spatial distribution characteristics of investment eきciency about Yangtze River Economic Belt under the restriction of environment

2.4 環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的時間演變特征

為了進(jìn)一步分析長江經(jīng)濟(jì)帶投入效率在時間維度上的動態(tài)變化情況,本工作對長江經(jīng)濟(jì)帶15個主要城市從2000年至2013年在環(huán)境約束下的投入效率進(jìn)行計算,得到了這15個主要城市總體投入效率及分解數(shù)據(jù)(見表2),以及在考慮環(huán)境因素時投入效率的變化趨勢(見圖2).

研究發(fā)現(xiàn),長江經(jīng)濟(jì)帶從2000年至2013年在環(huán)境約束下投入效率的動態(tài)變化平均值為1.051 3,這表明其投入效率改善上升了5.13%;整體投入效率水平均大于1,說明長江經(jīng)濟(jì)帶整體經(jīng)濟(jì)增長效率呈遞增趨勢,表明中國近幾年出臺的環(huán)境政策對于改善環(huán)境問題和轉(zhuǎn)變生產(chǎn)方式產(chǎn)生了一定積極的影響.同時從圖2中可以看出,技術(shù)進(jìn)步指數(shù)的變化趨勢與在環(huán)境約束下投入效率的變化趨勢基本一致,進(jìn)一步表明長江經(jīng)濟(jì)帶投入效率的提高,即經(jīng)濟(jì)增長效率水平的提升主要是由于技術(shù)進(jìn)步,而不是效率變化.其次,2000年至2007年長江經(jīng)濟(jì)帶在環(huán)境約束下的投入效率整體呈上升趨勢,增長率的最大值達(dá)到7.43%;從2008年開始呈下降趨勢,2009年增長率下降為4.12%.這主要是由于2008年源于美國世界范圍的經(jīng)濟(jì)危機(jī),導(dǎo)致全球經(jīng)濟(jì)和金融震蕩.中國處于這樣的大環(huán)境中,雖然實行保增長、反膨脹的宏觀調(diào)控,但是為了保增長,中國經(jīng)濟(jì)增長的質(zhì)量還是有所下降.最后,2009年以后投入效率又出現(xiàn)回升趨勢,這可能是因為中國積極的調(diào)控政策致使國家經(jīng)濟(jì)開始逐步復(fù)蘇.

表2 環(huán)境約束下長江經(jīng)濟(jì)帶投入效率時間演變特征Table 2 Temporal distribution characteristics of investment eきciency about Yangtze River Economic Belt under the restriction of environment

圖2 在考慮環(huán)境因素時長江經(jīng)濟(jì)帶的投入效率變化趨勢Fig.2 Variation tendency of investment eきciency about the Yangtze River Economic Belt under the restriction of environment

3 結(jié)論

本工作通過構(gòu)建在環(huán)境約束下長江經(jīng)濟(jì)帶投入效率的SML指數(shù)模型,運(yùn)用R語言軟件測算了長江經(jīng)濟(jì)帶主要15個城市在考慮環(huán)境因素下的投入效率及其分解情況,得到如下結(jié)論.

(1)長江經(jīng)濟(jì)帶作為中國綜合實力最強(qiáng)、戰(zhàn)略支撐作用最大的區(qū)域之一,在環(huán)境約束下的投入效率隨時間的演變呈上升—下降—上升的變化趨勢.在2000年至2013年之間,長江經(jīng)濟(jì)帶整體的投入效率呈現(xiàn)上升趨勢,長江經(jīng)濟(jì)帶2013年投入效率較2000年上升了5.13%;技術(shù)進(jìn)步指數(shù)的變化趨勢與投入效率的變化趨勢基本一致,進(jìn)一步表明長江經(jīng)濟(jì)帶投入效率的提高主要是由于技術(shù)的進(jìn)步,而不是效率的變化.

(2)從空間上看,長江經(jīng)濟(jì)帶15個城市在考慮環(huán)境因素時的投入效率均大于1,且技術(shù)進(jìn)步是推動各個城市投入效率提高的主要原因,表明各個城市在發(fā)展過程中,逐步由原有的粗放型經(jīng)濟(jì)增長方式向集約型經(jīng)濟(jì)增長方式轉(zhuǎn)變,且通過積極采用新技術(shù)、新工藝,以創(chuàng)新理念增強(qiáng)發(fā)展動力.從各個城市群投入效率的變化情況來看,沿著長江自上游至下游,各城市群的投入效率呈逐步上升的變化趨勢.其中長江三角洲城市群投入效率明顯高于其他城市群,黔中和滇中城市群則為最低.這表明,相較于長江中下游城市群,長江上游城市群的經(jīng)濟(jì)發(fā)展主要依靠要素投入,同時總的污染物排放仍在高水平上,環(huán)境污染仍然非常嚴(yán)重.長江三角洲城市群的技術(shù)進(jìn)步指數(shù)明顯高于其他城市群,但其效率變化指數(shù)卻不如成渝城市群和長江中游城市群.這進(jìn)一步說明效率變化指數(shù)的惡化是阻礙各城市投入效率提高的主要原因.

針對本工作的研究發(fā)現(xiàn),提出以下幾點(diǎn)建議.①在發(fā)展過程中,長江經(jīng)濟(jì)帶首先應(yīng)解決生態(tài)治理問題,建立完善的長江流域生態(tài)補(bǔ)償機(jī)制以及污染聯(lián)防聯(lián)控應(yīng)急預(yù)警機(jī)制,推進(jìn)要素投入組合結(jié)構(gòu)調(diào)整.②長江經(jīng)濟(jì)帶是“一帶一路”的關(guān)鍵,中國在長江經(jīng)濟(jì)帶建設(shè)過程中,應(yīng)努力提高技術(shù)效率對投入效率的貢獻(xiàn),同時踐行創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級發(fā)展和經(jīng)濟(jì)增長質(zhì)量的提升.③加強(qiáng)各城市群之間的協(xié)作,充分發(fā)揮長江經(jīng)濟(jì)帶的龍頭作用,促進(jìn)“東中西”3大區(qū)域經(jīng)濟(jì)和“上中下”3大城市群的協(xié)調(diào)發(fā)展,促進(jìn)中上游地區(qū)有序承接產(chǎn)業(yè)轉(zhuǎn)移,帶動黔中和滇中城市群的發(fā)展.另外,上海市作為長江經(jīng)濟(jì)帶上的龍頭城市,更應(yīng)對沿江開放起到引領(lǐng)帶動作用,實現(xiàn)要素和資源的交換與集散,促進(jìn)區(qū)域協(xié)調(diào)發(fā)展.

[1]CHUNG Y,F¨ARE R,GROSSKOPF S.Productivity and undesirable outputs:a directional distance function approach[J].Journal of Environmental Management,1997,51(3):229-240.

[2]田銀華,賀勝兵,胡石其.環(huán)境約束下地區(qū)全要素生產(chǎn)率增長的再估算:1998—2008[J].中國工業(yè)經(jīng)濟(jì),2011(1):47-57.

[3]李靜,陳武.中國工業(yè)的環(huán)境績效與治理投資的規(guī)模報酬研究[J].華東經(jīng)濟(jì)管理,2013(3):44-50.

[4]張建升.環(huán)境約束下長江流域主要城市全要素生產(chǎn)率研究[J].華東經(jīng)濟(jì)管理,2014(12):59-63.

[5]F¨ARE R,GROSSKOPF S,PASURKA C A.Environmental production functions and environmental directional distance functions[J].Energy,2007,32(7):1055-1066.

[6]KUMAR S.Environmentally sensitive productivity growth:a global analysis using Malmquist—Luenberger index[J].Ecological Economics,2006,56(2):280-293.

[7]OH D,HESHMATI A.A sequential Malmquist-Luenberger productivity index:environmentally sensitive productivity growth considering the progressive nature of technology[J].Energy Economics,2010,32(6):1345-1355.

[8]SHEPHERD R W.Multilateral productivity comparisons with undesirable outputs[J].Economic Journal,1970,93:883-891.

[9]張軍,吳桂英,張吉鵬.中國省際物質(zhì)資本存量估算:1952—2000[J].經(jīng)濟(jì)研究,2004(10):35-44.

[10]KANEKO S,MANAGI S.Environmental productivity in China[J].Economics Bulletin,2004,17(2):1-10.

[11]MANAGI S,KANEKO S.Economic growth and the environment in China:an empirical analysis of productivity[J].International Journal of Global Environmental Issues,2006,6(1):89-133.

[12]WATANABE M,TANAKA K.Eきciency analysis of Chinese industry:a directional distance function approach[J].Energy Policy,2007,35(12):6323-6331.

[13]涂正革.環(huán)境,資源與工業(yè)增長的協(xié)調(diào)性[J].經(jīng)濟(jì)研究,2008(3):93-105.

[14]李紅清.長江流域自然保護(hù)區(qū)建設(shè)現(xiàn)狀與生態(tài)保護(hù)[J].長江流域資源與環(huán)境,2011,20(2):150-155.