縣域資源環(huán)境承載力綜合評價及驅(qū)動力研究
——以仁壽縣為例

陳青松，魯亞雄，羅 勇，張洪吉，譚小琴，朱 琛，費建波，楊鈺賜

（1.四川省自然資源科學(xué)研究院，四川 成都 610041；2.四川農(nóng)業(yè)大學(xué)資源學(xué)院，四川 成都 611130；3.四川省自然資源廳，四川 成都 610072；4.四川省林業(yè)和草原調(diào)查規(guī)劃院，四川 成都 610084；5.四川省國土空間規(guī)劃研究院，四川 成都 610081）

0 引言

資源環(huán)境承載力是衡量資源環(huán)境狀況受到人類生產(chǎn)生活干擾能力的一個重要指標(biāo)，相關(guān)研究也由來已久［1］，總體上經(jīng)歷了從生物生態(tài)學(xué)到資源環(huán)境科學(xué)的綜合認(rèn)識過程［2，3］。目前，通過構(gòu)建指標(biāo)體系開展資源環(huán)境承載力評價是常用方法［4，5］，而運用熵值法對指標(biāo)進(jìn)行權(quán)重賦值能有效排除主觀因素的干擾［4，5］；基于上述方法，學(xué)者開展了不同研究尺度的資源環(huán)境承載力的綜合評價研究工作，如國家尺度［6-8］、省域尺度［9-11］、區(qū)域尺度［12-16］、市縣尺度［17-19］等，在分析資源環(huán)境承載力基礎(chǔ)上借助變量深入分析其驅(qū)動因素研究還相對較少［16，20］；地理加權(quán)回歸模型（Geographically Weighted Regression，GWR）是常用的空間異質(zhì)影響因素分析模型［21］，可用于驅(qū)動因子的篩選［22］；相較于大尺度的資源環(huán)境承載力評價，縣域內(nèi)的評價更需要精細(xì)的基礎(chǔ)資料才能有針對性地指導(dǎo)資源利用和環(huán)境調(diào)控［23］，因此在縣域開展資源環(huán)境承載力評價研究更具有理論與實踐探索必要性，有利于完善和改進(jìn)現(xiàn)有的評價框架和承載力評價方法，將空間管制和空間治理相結(jié)合，為城鎮(zhèn)空間擴展、生態(tài)空間保護、生產(chǎn)要素和資源的空間配置以及空間規(guī)劃編制等研究提供參考。

1 研究區(qū)及研究方法

1.1 研究區(qū)及研究數(shù)據(jù)

仁壽縣地理坐標(biāo)為103°55'—104°30'E、29°38'—30°20'N，隸屬于眉山市，位于四川盆地南部，人口密度高、人均耕地少、人地矛盾突出，周邊與6市區(qū)接壤，北接成都市雙流區(qū)，是西南經(jīng)濟百強縣，全域進(jìn)入天府新區(qū)輻射區(qū)、影響區(qū)，經(jīng)濟發(fā)展較快。全縣幅員面積2 716.86km2，東西長73km，南北長55km，地勢由西北向東南逐漸傾斜，整體南北高、中間低、呈谷峰型，海拔高度470.6—1 383m。轄32個鄉(xiāng)鎮(zhèn)（街道），縣城建成區(qū)面積超過40km2，據(jù)統(tǒng)計2020 年仁壽縣常住人口數(shù)量111.1 萬人，縣內(nèi)分布有彝族、藏族、羌族等16 個少數(shù)民族，地區(qū)生產(chǎn)總值為457.4 億元。仁壽縣自然資源豐富，擁有煤炭、石灰石、石英砂等礦產(chǎn)資源；同時也是產(chǎn)糧大縣，果蔬之鄉(xiāng)；擁有野生動物100 余種，野生有利用價值的植物560 余種；地表水沿龍泉山山脈東西分流，縣內(nèi)流域面積可達(dá)2 200 余km2，年均徑流量約10 億m3；縣內(nèi)全域呈現(xiàn)南北高中間低的地勢，境內(nèi)地質(zhì)構(gòu)造單元處于川西臺陷龍泉褶皺與川中臺拱、威遠(yuǎn)穹隆的接合部位，屬地質(zhì)災(zāi)害易發(fā)縣。仁壽縣屬亞熱帶濕潤季風(fēng)氣候區(qū)，年均氣溫17.3℃，年均降水量1 018.7mm，年均日照時數(shù)1 179.4h，年均相對濕度77%。

選取仁壽縣2016 年開始融入成都天府新區(qū)到2020 年發(fā)展成型的兩個年份，搜集了相關(guān)自然和社會經(jīng)濟的研究數(shù)據(jù)，包括指標(biāo)層中25 個指標(biāo)（表1），數(shù)據(jù)收集整理以鄉(xiāng)鎮(zhèn)為單元，數(shù)據(jù)來源于仁壽縣規(guī)劃和自然資源局、生態(tài)環(huán)境局、水利局及農(nóng)業(yè)農(nóng)村局等部門，經(jīng)過數(shù)據(jù)申請和走訪得到，同時查閱仁壽縣統(tǒng)計年鑒、眉山市統(tǒng)計年鑒等對數(shù)據(jù)進(jìn)行補充。

圖1 仁壽縣區(qū)位Figure 1 Location of Renshou County

1.2 研究方法

1.2.1 基于PSR模型的指標(biāo)體系構(gòu)建

“壓力—狀態(tài)—響應(yīng)”（Pressure - State - Response，PSR）被廣泛用于資源環(huán)境承載力的評價，該模型最早有加拿大統(tǒng)計學(xué)家David J.Rapport 和Tony Friend兩人提出，后經(jīng)經(jīng)濟合作與發(fā)展組織（OECD）和聯(lián)合國環(huán)境規(guī)劃署（UNEP）逐漸發(fā)展為研究環(huán)境問題的框架［24］，該模型是結(jié)合自然生態(tài)環(huán)境和社會經(jīng)濟相互內(nèi)在互動關(guān)系，以一定的邏輯關(guān)系，對區(qū)域資源環(huán)境承載力進(jìn)行評價，其動因則是人類的各類生產(chǎn)和生活活動給生態(tài)環(huán)境所帶來的各種擾動，人類的擾動又使得生態(tài)環(huán)境出現(xiàn)相應(yīng)的不平衡狀態(tài)，從而影響人類生存和發(fā)展，一段時間持續(xù)的擾動下生態(tài)環(huán)境無法通過自我調(diào)節(jié)維持這種平衡狀態(tài)，從而人類社會必須根據(jù)生態(tài)環(huán)境的狀況做出相應(yīng)的應(yīng)對措施，對其進(jìn)行評估后采取相應(yīng)的調(diào)整措施，以幫助生態(tài)環(huán)境維持平衡狀態(tài)。其中壓力是人類帶來的擾動，如資源消耗、環(huán)境污染等，這種擾動甚至可稱之為對資源環(huán)境的脅迫，本文分別選取4個方面的內(nèi)容構(gòu)建10 種壓力型指標(biāo)，為負(fù)指標(biāo)。狀態(tài)，指的是在一定時間下生態(tài)環(huán)境狀態(tài)的變化，本文構(gòu)建9 種狀態(tài)指標(biāo)，為正指標(biāo)；響應(yīng)則是人類社會所采取的減少擾動應(yīng)對措施，能夠體現(xiàn)為生態(tài)環(huán)境提供保障的指標(biāo)，共計6 種，為正指標(biāo)。

以PSR模型為基準(zhǔn)構(gòu)建與仁壽縣人口、資源、環(huán)境和社會經(jīng)濟等要素和資源環(huán)境承載力密切相關(guān)的因素，同時在參閱相關(guān)文獻(xiàn)的基礎(chǔ)上［24，25］，遵循科學(xué)性、綜合性、代表性和層次性的原則，構(gòu)建仁壽縣資源環(huán)境承載力評價體系。評價指標(biāo)體系包括目標(biāo)層、準(zhǔn)則層、分準(zhǔn)則層、指標(biāo)層等4 個層次。基于PSR模型及層次劃分原則，結(jié)合典型縣域資源環(huán)境承載力綜合指數(shù)分為壓力評價指標(biāo)、狀態(tài)評價指標(biāo)和相應(yīng)評價指標(biāo)，共25 個指標(biāo)因子構(gòu)建仁壽縣資源環(huán)境承載力評價指標(biāo)體系（表1）。

1.2.2 熵權(quán)法構(gòu)建資源環(huán)境承載力指數(shù)

隨著權(quán)重確定方法研究的日趨成熟，國內(nèi)外學(xué)者發(fā)展了層次分析法、特爾菲法、回歸系數(shù)法、等差法和熵權(quán)法等權(quán)重確定方法。相對于其他權(quán)重確定方法，熵權(quán)法能夠避免主觀色彩對評價結(jié)果的影響［20］，是一種客觀的賦權(quán)方法。

首先，根據(jù)各指標(biāo)評價數(shù)據(jù)建立矩陣Rij＝n ×m，一般認(rèn)為所統(tǒng)計的指標(biāo)為一般分布；利用極值標(biāo)準(zhǔn)化（Min—Max）法對評價的指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，從而消除指標(biāo)間的內(nèi)部差異［26］，其標(biāo)準(zhǔn)化方法如下：

式中：Rij為第j個指標(biāo)第i 個項目的初始值；為對應(yīng)第j個指標(biāo)標(biāo)準(zhǔn)化后的值；Rj-max和Rj-min分別為第i個指標(biāo)的最大值和最小值。

其次，計算各指標(biāo)的比重Pij：

式中：n為項目個數(shù)。

最后，在獲得項目的熵值后，計算第j個指標(biāo)的熵權(quán)：

式中：wj為項目的熵權(quán)值；m為指標(biāo)數(shù)量。

本文采用多指標(biāo)加權(quán)函數(shù)模型來描述縣域資源環(huán)境承載力指數(shù)。即將單一指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值乘以與之對應(yīng)的權(quán)重再相加求和的方法得到一個綜合性指標(biāo)數(shù)值，這個數(shù)值即為綜合承載力指數(shù)［27］，取值范圍在0—1 之間，分值越高，表明資源環(huán)境承載力水平越高，具體計算公式如下：

式中：RECC為資源承載力綜合評價指數(shù)；Wj為第j個指標(biāo)的權(quán)重；為第i年的無量綱標(biāo)準(zhǔn)化值；n為指標(biāo)個數(shù)。

1.2.3 全局空間自相關(guān)

為探究縣域資源環(huán)境承載力的空間變異情況，運用GIS的空間統(tǒng)計分析，全局空間自相關(guān)分析，在給定的空間要素即相關(guān)屬性的值，用以評估所表達(dá)的模式為聚類模式、離散模式或者是隨機模式，Z和P 值的得分表示統(tǒng)計學(xué)的顯著意義，而莫蘭指數(shù)（Moran's I）的值則指示著空間上的聚集和離散，即莫蘭指數(shù)為正值，則得到空間聚集的統(tǒng)計學(xué)意義，若莫蘭指數(shù)為負(fù)值時則指示空間上為離散的趨勢。本研究以空間自相關(guān)分析資源環(huán)境承載力的空間關(guān)聯(lián)和空間差異，在空間統(tǒng)計學(xué)中，常用的度量空間自相關(guān)程度的統(tǒng)計指標(biāo)為莫蘭指數(shù)，其計算公式為：

式中：n為樣本量；xi、xj為空間位置i 和j 的觀察量；Wij表示空間位置i 和j 的鄰近關(guān)系，當(dāng)i 和j鄰近時，Wij＝1；反之為0。全局Moran's I指數(shù)的取值范圍為［-1，1］，大于0 為空間正相關(guān)，小于0 為負(fù)相關(guān)，等于0 為不相關(guān)。

1.2.4 地理加權(quán)回歸

地理加權(quán)回歸（GWR）是一種廣泛應(yīng)用的空間分析方法，該方法通過建立空間局部點的局部回歸方程，可以探究所研究的對象在一定空間尺度下的變化和相關(guān)驅(qū)動因素［22，28］。因此本研究選擇GWR模型評估相關(guān)驅(qū)動因子在空間上對縣域資源環(huán)境承載力指數(shù)的影響。同時可以進(jìn)行預(yù)測，而一般的回歸模型不考慮空間性，但在實際問題中，回歸參數(shù)往往是以從不同地理位置上采集的，有位置上的變化，為了考慮回歸參數(shù)在不同地理位置上的變化，引入GWR模型進(jìn)行不同指標(biāo)的回歸分析，以得到資源環(huán)境承載力的空間驅(qū)動力。GWR 模型是普通的回歸模型的擴展，加入了空間特性，并以距離加權(quán)的方式引入到模型中，具體模型如下［29］。

式中：yi為第i 個空間位置上的被解釋變量；（ui，vi）為第i 個樣點的空間坐標(biāo)；βio為第i 個樣本點的常數(shù)估計值；βij（ui，vi）為第i個樣本點第j個自變量系數(shù)，與其空間位置關(guān)系有關(guān)；xij為第j 個自變量在樣本i的值；εi為殘差。

通常假定其服從的是獨立正太分布，在空間上個點回歸系數(shù)的球解如下：

式中：X、y為各樣本點的自變量與因變量矩陣；W（ui，vi）＝diag（Wi1，Wi2，…，Win）為樣本點i 的空間權(quán)重矩陣；＝（xi1，xi2，…，xin）。其中，X ＝為由解釋變量觀測值構(gòu)成的設(shè)計矩陣；為由被解釋變量觀測值構(gòu)成的列向量；元素dij，表示空間位置點j 到回歸點i 的歐氏距離；D 是從回歸點i到其第M個最近鄰居的距離；M是最近鄰居的最優(yōu)值?？臻g核函數(shù)類型選擇高斯函數(shù)法，高斯函數(shù)用一個連續(xù)單調(diào)衰減函數(shù)表示權(quán)重Wij與距離dij之間的連續(xù)單調(diào)遞減函數(shù)，可以克服上述空間權(quán)函數(shù)不連續(xù)的缺點，函數(shù)形式如下所示：

帶寬則是由Akaike信息準(zhǔn)則，可以通過使該值達(dá)到最小來確定［30］，計算公式如下：

2 結(jié)果及分析

2.1 仁壽縣資源環(huán)境承載力綜合評價

通過熵值法確定的各資源環(huán)境承載力指數(shù)情況，運用“壓力—狀態(tài)—響應(yīng)”模型構(gòu)建了32 個鄉(xiāng)鎮(zhèn)2016 年和2020 年的PSR 各子系統(tǒng)的承載指數(shù)值，結(jié)合縣內(nèi)的資源環(huán)境概況，對不同的子系統(tǒng)進(jìn)行綜合分析評價。

2016 年仁壽縣鄉(xiāng)鎮(zhèn)的整體情況如圖2 所示。從圖2 可見，各鄉(xiāng)鎮(zhèn)壓力指數(shù)與狀態(tài)指數(shù)較為接近，都表現(xiàn)出較高的水平，但總體的壓力指數(shù)水平小于狀態(tài)指數(shù)，突兀的峰值出現(xiàn)在縣城所在的街道，即懷仁、普寧、文林及視高街道，上述鄉(xiāng)鎮(zhèn)均表現(xiàn)為經(jīng)濟發(fā)展迅速，土地供應(yīng)量大，人口不斷涌入，人地矛盾較突出，資源消耗和環(huán)境壓力較大，因而表現(xiàn)出較高的壓力指數(shù)；響應(yīng)指數(shù)方面，與壓力和狀態(tài)指數(shù)不同，存在壓力和狀態(tài)指數(shù)高而響應(yīng)指數(shù)低的狀況，如寶馬鎮(zhèn)；其中黑龍灘鎮(zhèn)的響應(yīng)指數(shù)最高，說明在該時期有相關(guān)減輕資源索取消耗和環(huán)境整治的措施，通過響應(yīng)年份的仁壽縣統(tǒng)計年鑒發(fā)現(xiàn)，2016 年對黑龍灘鎮(zhèn)中的黑龍灘水庫進(jìn)行了整治，且對位于仁壽城區(qū)內(nèi)的中央水體公園、仁壽城市濕地公園、響水六坊公園開園投用，減輕了資源與環(huán)境壓力。

圖2 2016 年仁壽縣各鄉(xiāng)鎮(zhèn)PSR指數(shù)Figure 2 PSR index of each township in Renshou County in 2016

2020 年各鄉(xiāng)鎮(zhèn)的PSR指數(shù)如圖3 所示。從圖3可見，壓力和狀態(tài)指數(shù)在縣城所在鄉(xiāng)鎮(zhèn)任然表現(xiàn)較高，但與2016 年相比壓力指數(shù)的變化較大，整體呈現(xiàn)下降的趨勢；狀態(tài)指數(shù)較2016 年相比在個別鄉(xiāng)鎮(zhèn)上表現(xiàn)較明顯，整體有一個增加的趨勢，具體在方家鎮(zhèn)、懷仁、普寧、視高及文林街道等鄉(xiāng)鎮(zhèn)，其中變化突出的方家鎮(zhèn)和視高街道，方家鎮(zhèn)作為撤鄉(xiāng)并鎮(zhèn)的排頭兵，行政區(qū)劃的調(diào)整使得鎮(zhèn)內(nèi)資源利用和產(chǎn)業(yè)發(fā)展提升較大；響應(yīng)指數(shù)方面整體呈現(xiàn)減小的趨勢，其中縣城所在的懷仁街道、普寧街道以、文林街道及視高鎮(zhèn)表現(xiàn)出較高的響應(yīng)指數(shù)，上述街道的響應(yīng)指數(shù)和壓力指數(shù)呈現(xiàn)同減的趨勢。

圖3 2020 年仁壽縣各鄉(xiāng)鎮(zhèn)PSR指數(shù)Figure 3 PSR index of each township in Renshou County in 2020

通過熵值法確定2016—2020 年仁壽縣資源環(huán)境承載力綜合評價指數(shù)變化情況，結(jié)果如圖4 所示。從圖4 可見，2016—2020 年仁壽縣各鄉(xiāng)鎮(zhèn)的資源環(huán)境承載力整體上增加的鄉(xiāng)鎮(zhèn)多，達(dá)到23 個，整體上減小的鄉(xiāng)鎮(zhèn)數(shù)僅9 個。但存在研究期內(nèi)個別鄉(xiāng)鎮(zhèn)資源環(huán)境承載力劇烈變化的情況，如黑龍灘鎮(zhèn)；人口集中、資源消耗較大的縣城所在街道的資源環(huán)境承載力均出現(xiàn)增加，這表明人口用地高度集中的城市在面對資源環(huán)境承載壓力不斷增加的同時，注意提升城市自身對資源環(huán)境承載力的響應(yīng)能力，合理調(diào)配資源，注重保護城市環(huán)境，其資源環(huán)境承載力是可以優(yōu)化提升的。

圖4 2016—2020 年仁壽縣資源環(huán)境承載力指數(shù)的變化情況Figure 4 Changes in the resource and environment carrying capacity index of Renshou County，2016—2020

2.2 縣域資源環(huán)境承載力空間變化特征

通過空間自相關(guān)統(tǒng)計，兩個年份的莫蘭指數(shù)統(tǒng)計如表2 所示。由表2 所示，兩個年份的的莫蘭指數(shù)均大于0，說明研究中各鄉(xiāng)鎮(zhèn)的資源環(huán)境承載力在空間上表出聚集的趨勢。在Z 值的得分上，當(dāng)Z值得分大于2.58 時，隨機產(chǎn)生此高聚類模式的可能性要小于1%，而Z 值得分大于1.96 時，則隨機產(chǎn)生此高聚類模式的可能性要小于5%，本研究中2016 年的Z值為2.164，該值大于1.96 小于2.58，則本研究資源環(huán)境承載力的空間表現(xiàn)指示隨機產(chǎn)生高聚類模式的可能性小于5%，這說明在研究中各鄉(xiāng)鎮(zhèn)的資源環(huán)境承載力值的空間分布表現(xiàn)聚集性，且高聚集模式概率超過95%。2020 年的Z 得分為1.55，小于1.96，沒達(dá)到顯著性要求，聚集的概率小于2016 年。

表2 莫蘭指數(shù)統(tǒng)計表Table 2 Moran's I index statistics

各鄉(xiāng)鎮(zhèn)的空間聚類分析如圖5 所示，可以看出，2016 年資源環(huán)境承載空間上無顯著聚集性的鄉(xiāng)鎮(zhèn)數(shù)為27 個，有顯著聚集性意義的鄉(xiāng)鎮(zhèn)數(shù)為5 個，約占總鄉(xiāng)鎮(zhèn)的15.6%，其中高高聚類集中在縣城轄區(qū)的街道，如文林街道、懷仁街道；而2020 年的聚類P值為0.121，大于0.05，未達(dá)到顯著水平，則表明該年度資源環(huán)境承載力的空間分布是隨機空間過程的結(jié)果，不存在明顯的聚類現(xiàn)象。與2020 年相比2016 年的縣域內(nèi)資源環(huán)境承載力變異度降低。

圖5 仁壽縣資源環(huán)境承載力空間變異特征分布Figure 5 Distribution of spatial variation characteristics of resource and environment carrying capacity

從高低聚集程度來說，2016 年出現(xiàn)了一定的空間聚集現(xiàn)象，其中高—高聚集在文林街道和懷仁街道，為縣城所在區(qū)域，呈現(xiàn)高承載力，周邊也是高承載力現(xiàn)象；兩個年度中富家鎮(zhèn)2016 年還呈現(xiàn)高低聚集的現(xiàn)象，而2020 年則表現(xiàn)為低低聚集，資源環(huán)境承載力的下降；大化鎮(zhèn)兩個年度均表現(xiàn)出低高聚集，即周圍表現(xiàn)高資源環(huán)境承載，本鎮(zhèn)表現(xiàn)為低資源環(huán)境承載力；低低聚集現(xiàn)象的鄉(xiāng)鎮(zhèn)在2020 年有所增加，對整體資源環(huán)境承載力的下降起到指示作用。

2.3 縣域資源環(huán)境承載力驅(qū)動因素分析

2.3.1 驅(qū)動力變量選擇

為了弄清資源環(huán)境承載力變化的驅(qū)動因素，選擇適當(dāng)?shù)淖兞窟M(jìn)行研究。在選擇研究變量時，主要是根據(jù)自變量與因變量之間的相關(guān)關(guān)系以及相關(guān)描述性統(tǒng)計分析結(jié)果來反映，將驅(qū)動力變量指標(biāo)作描述性統(tǒng)計分析，結(jié)果能夠反映原始指標(biāo)體系數(shù)據(jù)的整體情況，本研究借助描述性統(tǒng)計和回歸分析對2016 年和2020 年的指標(biāo)變量進(jìn)行了分析，統(tǒng)計得到了25 個指標(biāo)的整體情況，2016 年的指標(biāo)中各指標(biāo)的Pearson相關(guān)系數(shù)值在-0.565—0.783 之間，25 個指標(biāo)變量與資源環(huán)境承載力顯著性統(tǒng)計顯示，除了A13和A19，其余指標(biāo)顯著性均在95%置信區(qū)間，其中指標(biāo)A16的統(tǒng)計量被排除在指標(biāo)之外；2020年的指標(biāo)中Pearson 相關(guān)系數(shù)值在-0.732—0.899之間，顯著性統(tǒng)計顯示，全部滿足顯著性在95%置信區(qū)間，其中指標(biāo)A5的統(tǒng)計量被排除。

在模型構(gòu)建之前，引入方差膨脹因子（VIF）對各指標(biāo)的共線性進(jìn)行判斷，VIF 值越大則表明變量之間共線性越強，一般而言，VIF 值越小越能滿足地理加權(quán)回歸的要求，對于VIF 大于5 的變量則認(rèn)為不滿足共線性要求［21］。從表5 中選取VIF 小于5且顯著性水平在95%置信區(qū)間的變量指標(biāo)，從而篩選出構(gòu)建地理加權(quán)回歸模型的變量（表3）。

表3 驅(qū)動變量篩選結(jié)果Table 3 Screening results of driving variables

2.3.2 驅(qū)動力因素分析

研究對比了最小二乘法（OLS）與地理加權(quán)回歸（GWR）的結(jié)果（表4），由表4 可知，OLS 的回歸結(jié)果擬合度調(diào)整R2小于GWR 的擬合度，因此研究采用GWR的回歸結(jié)果進(jìn)行驅(qū)動力分析?；诤Y選后的驅(qū)動因子，確定相關(guān)參數(shù)后，輸入地理加權(quán)回歸模型得到相應(yīng)的驅(qū)動因素的擬合結(jié)果，整體結(jié)果包括AICc和調(diào)整R2，其反映了地理加權(quán)回歸的可信度。其中2016 年篩選了3 個因子，2020 年篩選了5 個因子，兩個年份的AICc值均小于100，表明模型擬合較好。將擬合結(jié)果輸入空間可視化軟件后，獲得仁壽縣資源環(huán)境承載力GWR 擬合結(jié)果空間分布，其中渲染得到2016 年局部擬合度（圖6）。

表4 地理加權(quán)回歸分析結(jié)果統(tǒng)計表Table 4 Statistical table of geographically weighted regression analysis results

圖6 2016、2020 年地理加權(quán)回歸的局部R2 渲染Figure 6 Local R2 rendering and standard error plots of geographically weighted regressions in 2016 and 2020

從圖6 可見，2016 年的全局?jǐn)M合度即響應(yīng)的擬合效果，整體擬合效果較好，R2均超過了0.5，仁壽縣北部鄉(xiāng)鎮(zhèn)的擬合度高于南部鄉(xiāng)鎮(zhèn)，北部鄉(xiāng)鎮(zhèn)出現(xiàn)了聚集的趨勢。2020 年的擬合度整體也超過0.5，呈現(xiàn)自北向南逐漸降低的趨勢，標(biāo)準(zhǔn)誤差顯示僅有視高街道、文林街道的誤差相對較大，擬合效果不太理想，其余地區(qū)的回歸擬合效果都比較理想，整體誤差還是偏小的。

將地理加權(quán)回歸所得系數(shù)分別輸入到空間可視化軟件進(jìn)行可視化展示（圖7），分別對GDP增長率（A2）、萬元工業(yè)產(chǎn)值標(biāo)準(zhǔn)能耗（A23）和農(nóng)藥使用量（A25）進(jìn)行渲染。由圖7a可知，在汪洋鎮(zhèn)、祿加鎮(zhèn)和禾加鎮(zhèn)的GDP增長率對資源環(huán)境承載力表現(xiàn)出負(fù)向作用，3 個鎮(zhèn)處在仁壽縣的最南端，產(chǎn)業(yè)結(jié)構(gòu)和布局處在邊緣區(qū)域，可能是表現(xiàn)負(fù)向作用的原因；而其余鎮(zhèn)對整個縣的資源環(huán)境承載力均表現(xiàn)正向作用，正向作用力從北向南逐漸增強；而萬元工業(yè)產(chǎn)值標(biāo)準(zhǔn)能耗對資源環(huán)境承載力均表現(xiàn)為負(fù)向作用，自西北向東南的負(fù)向作用逐漸增強；農(nóng)藥使用量的回歸結(jié)果表明，農(nóng)藥使用量對資源環(huán)境承載力整體表現(xiàn)為正向的驅(qū)動作用，但驅(qū)動力較小，呈現(xiàn)出東西方向的變化趨勢，自東向西逐漸減小，農(nóng)藥化肥是農(nóng)業(yè)生產(chǎn)的必須投入品，合理施用農(nóng)藥是資源環(huán)境有一定的正向作用。

圖7 2016 年地理加權(quán)回歸系數(shù)渲染Figure 7 Rendering of geographically weighted regression coefficients in 2016

同樣對2020 年回歸系數(shù)結(jié)果進(jìn)行渲染，結(jié)果如圖8 所示。由圖8a 可知，2020 年的第二產(chǎn)業(yè)、第三產(chǎn)業(yè)占GDP的比例（A3）對資源環(huán)境承載力的均表現(xiàn)為負(fù)向的驅(qū)動力，二三產(chǎn)業(yè)對GDP 的貢獻(xiàn)率越大，對資源環(huán)境承載力的壓力也就越大，壓力趨向降低資源環(huán)境承載力的大小，分布的趨勢呈現(xiàn)從西南向東北逐漸增強的的趨勢，即高家鎮(zhèn)向東南方向至北斗鎮(zhèn)表現(xiàn)較高的負(fù)向驅(qū)動力，該區(qū)域內(nèi)是環(huán)天經(jīng)濟區(qū)的主要區(qū)域，與成都天府新區(qū)、東部新區(qū)接壤，二三產(chǎn)業(yè)的發(fā)展尤其是三產(chǎn)業(yè)的發(fā)展是能源消耗和環(huán)境壓力的主要因素，因而表現(xiàn)較強的負(fù)向能力。由圖8b可知，水資源開發(fā)利用率（A18）同樣整體表現(xiàn)出對資源環(huán)境承載力負(fù)向的影響能力，強弱從西北向東南逐漸增強，最強的依然出現(xiàn)在汪洋鎮(zhèn)、祿加鎮(zhèn)及禾加鎮(zhèn)等，該區(qū)域是縣域內(nèi)水環(huán)境工業(yè)污染重點控制區(qū)域，水資源的開發(fā)利用需要更注重防止工業(yè)污染。濕地是動植物多樣性的集中表現(xiàn)區(qū)域，能夠調(diào)節(jié)氣候，緩沖環(huán)境污染的壓力，是資源環(huán)境承載力正向的驅(qū)動力，圖8c顯示結(jié)果表明縣區(qū)內(nèi)濕地保有量（A22）對資源環(huán)境承載力的驅(qū)動均表現(xiàn)為正向的驅(qū)動影響力，正向趨勢的影響力差異較小，但依然呈現(xiàn)自北向南逐漸增強的趨勢，這種格局可能是因為北部靠近成都的部分鄉(xiāng)鎮(zhèn)的濕地對資源環(huán)境承載力的正向驅(qū)動力要小于經(jīng)濟發(fā)展所帶來的壓力。對比圖8d與圖7b可以發(fā)現(xiàn)，2016 年的萬元工業(yè)產(chǎn)值標(biāo)準(zhǔn)能耗（A23）相比2020 年，表現(xiàn)有所不同，整體呈現(xiàn)一種正向的驅(qū)動作用力，分布趨勢呈現(xiàn)自西向東逐漸增強的趨勢，說明產(chǎn)業(yè)升級，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，包括發(fā)展理念的轉(zhuǎn)變，使得資源節(jié)約、環(huán)境友好型工業(yè)發(fā)展對資源環(huán)境承載力的驅(qū)動由負(fù)轉(zhuǎn)正。同2016 年的農(nóng)藥使用量相比，化肥的使用表現(xiàn)除了不同的趨勢（圖8e），農(nóng)用化肥使用量（A24）對資源環(huán)境承載力整體都表現(xiàn)出了負(fù)向的影響力，表現(xiàn)出自西南向東北逐漸增強的趨勢，東北部分鄉(xiāng)鎮(zhèn)的農(nóng)用化肥使用量對資源環(huán)境承載力的驅(qū)動作用更強，化肥更容易引起資源環(huán)境承載力的負(fù)向變化。

圖8 2020 年驅(qū)動因素地理加權(quán)回歸系數(shù)渲染Figure 8 GWR coefficient rendering of driving factors in 2020

3 結(jié)論與建議

3.1 結(jié)論

本文以縣域為研究尺度，通過構(gòu)建指標(biāo)體系，運用PSR模型和熵值法確定了資源環(huán)境評價指數(shù)，結(jié)合地理加權(quán)回歸分析，開展了縣域尺度資源環(huán)境承載力的時空變化及其驅(qū)動因素的實證研究。主要結(jié)論如下：①仁壽縣2016 年資源環(huán)境壓力和狀態(tài)指數(shù)均處于較高水平，部分鄉(xiāng)鎮(zhèn)的環(huán)境響應(yīng)指數(shù)高，人地矛盾突出的縣城和經(jīng)濟增長迅速的鄉(xiāng)鎮(zhèn)街道資源環(huán)境承載力的壓力指數(shù)明顯大于其他鄉(xiāng)鎮(zhèn)；2020 年人口聚集和城市開發(fā)集中的鄉(xiāng)鎮(zhèn)壓力指數(shù)有所緩解，同時響應(yīng)指數(shù)和狀態(tài)的增加明顯，因此在城市開發(fā)過程中更加注重對環(huán)境的正向響應(yīng)，有助于提高整體資源環(huán)境狀態(tài)指數(shù)；2016—2020 年雖然各狀態(tài)指數(shù)波動明顯，但主要人口聚集和城市開發(fā)的鄉(xiāng)鎮(zhèn)資源環(huán)境承載力呈現(xiàn)增加的趨勢，表明提升城市自身對資源環(huán)境的響應(yīng)，合理調(diào)配資源，注重保護城市環(huán)境，其資源環(huán)境承載力是可以優(yōu)化提升的。②仁壽縣資源環(huán)境承載力指數(shù)在2016 年呈現(xiàn)出一定的聚集分布，主要為縣城所在的文林街道、懷仁街道，呈現(xiàn)高高聚集；2020 年未呈現(xiàn)聚集分布，與2016 年相比低低聚集鄉(xiāng)鎮(zhèn)有所增加，資源環(huán)境承載力空間相關(guān)性下降。③仁壽縣資源環(huán)境承載力驅(qū)動因素主要集中在經(jīng)濟和生態(tài)子系統(tǒng)內(nèi)，擬合度2016 年優(yōu)于2020 年，整體誤差偏?。?016 年萬元工業(yè)產(chǎn)值標(biāo)準(zhǔn)能耗是主要負(fù)向驅(qū)動力，GDP增長率和農(nóng)藥使用量是主要正向驅(qū)動力；2020 年二三產(chǎn)業(yè)占比、農(nóng)用化肥施用和水資源開發(fā)是主要負(fù)向驅(qū)動力，濕地保有和萬元工業(yè)產(chǎn)值標(biāo)準(zhǔn)能耗是主要正向驅(qū)動力；從整體的回歸系數(shù)看負(fù)向驅(qū)動力強于正向驅(qū)動力，今后因在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整上多下功夫，合理水資源開發(fā)和農(nóng)藥使用，大力發(fā)展?jié)竦厣鷳B(tài)，有助于提升資源環(huán)境承載力。

3.2 建議

仁壽縣作為成都市的正南方，獨特的地理分布和自然資源稟賦為該區(qū)域的發(fā)展提供者源源不斷的支撐作用，因此縣域的未來高質(zhì)量發(fā)展必須建立在合理保護的基礎(chǔ)上，保護和開發(fā)都需要提升和優(yōu)化，以提高資源環(huán)境承載力水平。依據(jù)資源環(huán)境承載力的分析結(jié)果，首先，應(yīng)建立資源環(huán)境承載力底線約束機制?？h域內(nèi)生產(chǎn)生活與城鎮(zhèn)建設(shè)是影響資源環(huán)境承載力的關(guān)鍵因素，一方面要明確三線一單制度，即資源利用上限、環(huán)境保護底線、城市開發(fā)紅線以及資源環(huán)境負(fù)面清單，一方面要構(gòu)建相應(yīng)的保障制度確保制度的落實和實施；同時約束機制的建立還應(yīng)考慮不同發(fā)展的歷史時期下人們對資源環(huán)境總需求不降低的情況下，提高現(xiàn)有資源環(huán)境的開發(fā)效率。其次，持續(xù)優(yōu)化資源環(huán)境承載正負(fù)向驅(qū)動。資源環(huán)境承載力的變化受到各類社會、經(jīng)濟和環(huán)境因素的影響，加強正向驅(qū)動的促進(jìn)作用、減小負(fù)向驅(qū)動的抑制作用是維持資源環(huán)境承載力的途徑之一，對于仁壽縣，加強水資源開發(fā)利用的管控以及大力建設(shè)生態(tài)濕地?zé)o疑是維持資源環(huán)境承載力的重要方面。