許國鈺，任曉冬

(1.貴州師范大學 喀斯特研究院，貴州 貴陽 550001；2.國家喀斯特石漠化防治工程技術研究中心，貴州 貴陽 550001)

0 引 言

水是人類社會經(jīng)濟發(fā)展的戰(zhàn)略性資源。雖然中國流域廣大，水資源總量大，但是人均水資源稀少而且時空分布不均。另外，城鎮(zhèn)化的快速發(fā)展也引發(fā)水資源枯竭，水質(zhì)污染，水生境惡化[1-3]等問題。貴州省畢節(jié)市是西南石漠化最嚴重的地區(qū)之一，雖有大河流經(jīng)，水資源總量豐富，但區(qū)域內(nèi)巖溶發(fā)育嚴重，導致“地高水低”“雨多地漏”[5,6]的現(xiàn)象。該區(qū)生態(tài)脆弱, 地表蒸發(fā)嚴重，蓄水能力差。多年人均水資源量只占全國平均值的30%[7]，一直存在著“水既多又缺”的問題。畢節(jié)市是貴州省的第四大經(jīng)濟體，人口壓力巨大，由于十二五以來全省推進山地特色城鎮(zhèn)化，但配套設備和環(huán)境政策卻滯后于經(jīng)濟發(fā)展[7]。畢節(jié)市水資源極度緊張，水資源與喀斯特地區(qū)城市經(jīng)濟可持續(xù)發(fā)展休戚相關。一些學者在研究生態(tài)環(huán)境脆弱的喀斯特地區(qū)的水資源主要側重于水資源承載力和水安全方面[8-14]。并沒有引入具體的社會經(jīng)濟影響因素(如：人口，GDP等)去分析和驗證城鎮(zhèn)化進程中，水資源消耗與社會經(jīng)濟因素的相關性，及具體的經(jīng)濟影響因素對城市發(fā)展的影響。

本文選取Dietz等提出的可拓展的隨機性環(huán)境影響評估模型STRIPAT[15]，該模型在研究人口，經(jīng)濟等人文驅(qū)動因素對環(huán)境載荷的影響，并取得一定的成果。例如：Ying.y利用STRIPAT模型研究由于快速工業(yè)化和城鎮(zhèn)化導致上海市周邊湖泊沉積物中汞超標。苑邵峰等人基于STRIPAT模型并用地理加權回歸分享我國31省市耕地非農(nóng)化影響。肖思思等采用PLS對STRIPAT的修正，探討江蘇省生態(tài)足跡變化的重要驅(qū)動因素。胡雪萍等人用STRIPAT模型中各個影響因子分析安徽省城鎮(zhèn)化進程中對生態(tài)足跡的影響等其他一系列研究[16-29]。

STRIPAT模型的優(yōu)點在于把具體的人文因素引入到對環(huán)境載荷的評估中，并可以具體分析每個影響因素和因變量的相關性。因此筆者引入STRIPAT模型，利用嶺回歸，研究在推進山地城鎮(zhèn)化過程中，人口、經(jīng)濟，城鎮(zhèn)化，技術水平等因素對水資源載荷(即用水量)的動態(tài)影響，并根據(jù)以上幾個因素模擬6種發(fā)展模式。

1 研究方法和數(shù)據(jù)來源

1.1 STIRPAT模型

STIRPAT模型是通過對人口，財產(chǎn)，技術3個影響因素對環(huán)境載荷之間的關系進行評估。其具體形式如下：

Ii=ηPμiAθiTφiεi

(1)

式中：Ii(Impact)本文指代水資源載荷；Pi(Population)本文引入的是畢節(jié)市常住人口總量；Ai(Affluence)本文引入的畢節(jié)市人均GDP；Ti(Technology)是以畢節(jié)市萬元耗水量來度量的；η是模型的系數(shù)；μ、φ則分別是公式中幾個因素的人文驅(qū)動力的指數(shù)；εi為模型誤差項。由于STIRPAT模型是一個具有多個自變量的非線性模型，在式(1)兩邊取對數(shù)處理后：

lnIi=η+μlnPi+lnAi+φlnTi+lnεi

(2)

式中：Ii是因變量；Pi、Ai、Ti是自變量；η是常數(shù)項；εi是誤差項，把式(2)進行多元回歸，根據(jù)彈性系數(shù)的概念，模型中3個自變量，如發(fā)生1%的變化，就會分別引起因變量各自發(fā)生μ%和φ% 的變化。本模型是對人文驅(qū)動因素與環(huán)境壓力的一種非線性關系假設。

本文將式(2)中分解為和lnAi和(lnAi)2兩項，并且引入城鎮(zhèn)化Ui驗證城鎮(zhèn)化水平(即城鎮(zhèn)人口占常住人口比例)對水資源載荷是否有影響，及模型中的各個因素與水資源載荷是否存在倒“U”的EKC曲線[29]即得出公式：

lnIi=η+μlnPi+klnUi+θ1lnAi+

θ2(lnAi)2+φlnTi+lnεi

(3)

再對式(3)中求一階偏導數(shù)，就得出富裕度，即人均GDP對水資源載荷的彈性系數(shù)為θ1+2θ2(lnAi)。

1.2 嶺回歸模型擬合

本文采用嶺回歸(Ridge Regression)對模型進行擬合。嶺回歸是1970年Hoerl和Kennard于提出的,嶺回歸作為一種修正和改良后的最小二乘法(OLS)，自變量之間具有多重相關性，嶺回歸比OLS有著更為穩(wěn)定的估計，而且其回歸系數(shù)的標準也要比最小二乘法小很多。嶺回歸(Ridge Regression)函數(shù)為：

式(3)中θ1lnAi和θ2(lnAi)2之間具有多重共線性，本文利用SPSS20.0提供的嶺回歸函數(shù)對公式(3)進行擬合，系數(shù)K在(0，1)之間，用K=0.5時具體擬合結果見表1所示。表1結果中的t值表明Ii與Pi、Ai、Ti之間存在顯著的相關性。當K=0.5時，嶺回歸的方差檢驗結果見表2，方差分析F值為4.224。說明回歸方程通過了顯著性檢驗[30,31]。根據(jù)表1中所列的數(shù)據(jù)的嶺回歸擬合模型公式為：

ln Ii=4.069 8-0.200 8 ln Pi+0.316 2 ln Ui- 0.041 9 ln Ai+0.002 1(ln Ai)2-0.014 0 ln Ti+0.126 9 (4)

表2 嶺回歸的方差分析Tab.2 Variance analysis of ridge regression

根據(jù)式(4)推出城市總人口數(shù)量、城市化率人均GDP、人口數(shù)量、和萬元耗水量每發(fā)生1%的變化，水資源載荷總量相應發(fā)生-0.200 8%、0.316 2%，-(0.041 9%-0.004 2%InAi)%、和 -0.014 0%的變化。如人均GDP取不同值，水資源消耗總量的彈性系數(shù)EE如表3所示。

表3 畢節(jié)市水資源載荷總量對不同單位人均GDP(元)的彈性系數(shù)Tab.3 Elasticity coefficient of water consumption for different units of per capita GDP in Bijie city

式(4)lnAi的二次項系數(shù)是正值，在表3所列的數(shù)據(jù)當中，隨著人均GDP的增加，其對水環(huán)境載荷的彈性系數(shù)雖有一定變動，但整體大致呈上升趨勢，人均GDP每增加1%，相應水資源載荷量的上漲并超過1%。所以水資源載荷的變化量未出現(xiàn)環(huán)境庫涅茨曲線。

1.3 數(shù)據(jù)來源

本文數(shù)據(jù)來源于2001年至2015的《貴州省統(tǒng)計年鑒》，《畢節(jié)市統(tǒng)計年鑒》，《畢節(jié)市水資源公報》，《畢節(jié)市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》。城鎮(zhèn)化人口，學術界有人口比重指標法，農(nóng)村城鎮(zhèn)化指標，現(xiàn)代城市化指標法，調(diào)整序數(shù)法，城鎮(zhèn)土地指標法，本文采用的是人口比重指標即城鎮(zhèn)人口占總人口的比例。本文中的城市用水總量是根據(jù)《畢節(jié)市水資源公報》中生活用水(含居民生活用水，城鎮(zhèn)公共用水)，生產(chǎn)用水(農(nóng)田灌溉用水，林牧漁畜用水，工業(yè)用水)，生態(tài)環(huán)境用水。幾個指標總量幾乎和城市供水量持平，所以本文引入的是畢節(jié)市供水總量。因為用水量有部分年份數(shù)據(jù)缺失，筆者到畢節(jié)市水利局調(diào)研經(jīng)過效正后計入樣本數(shù)據(jù)。為避免歷年GDP產(chǎn)值受價格因素的影響，以2001年為基期年，采用平減指數(shù)法換算成可比價格后核算GDP年增長率 。

2 實證部分

2.1 研究區(qū)概況

畢節(jié)市位于東經(jīng)105°36′～106°43′，北緯26°21′～27°46′之間。地處貴州省西北部，素有黔西北門戶之稱。是貴州金三角之一，屬烏蒙山腹地，畢節(jié)市是典型的喀斯特地形區(qū)，巖溶面積約占70%，山地占93.3%,山高坡陸,河谷深切。全市大部分屬亞熱帶季風氣候，畢節(jié)市內(nèi)屬長江流域，主要有烏江水系、金沙江水系和赤水河等，內(nèi)共有193條長度大于10 km的河流，但是由于喀斯特地區(qū)獨特的地質(zhì)條件，地下水資源雖然豐富，由于獨特地質(zhì)條件導致用水率極低，工程性缺水明顯，干旱現(xiàn)象嚴重。

1988年，由國務院批準，貴州省建立起了畢節(jié)試驗區(qū),并確定了“開發(fā)扶貧、生態(tài)建設、人口控制”的三大主題[32]。在經(jīng)過27年的建設和發(fā)展，畢節(jié)市GDP總產(chǎn)值由2001年的14.22億元提高到2015年的192.71億元。截止2015年末,貴州省常住人口為654.12萬人。第一、二、三產(chǎn)業(yè)占國內(nèi)生產(chǎn)總值的比重由2000年的32.17∶37.51∶30.32發(fā)展為2015年的22.70∶43.23∶36.07,第二、三產(chǎn)業(yè)發(fā)展速度較快,產(chǎn)業(yè)結構由原來的二一三模式，變?yōu)楝F(xiàn)在的二三一模式[32]。產(chǎn)業(yè)結構改變，產(chǎn)業(yè)結構改變對水資源的需求日益加劇。對此，加強對水資源的開發(fā)利用，科學管理及其優(yōu)化配置，對畢節(jié)市的發(fā)展沖破瓶頸效應尤為重要。

2.2 水資源消耗下經(jīng)濟與生態(tài)分析

基于IGT模型的環(huán)境壓力與經(jīng)濟發(fā)展分析：IGT是由STIRPAT的原始方程IPAT方程：

I=P×A×T

(5)

公式(5)經(jīng)演變得出：

(6)

G0=G0(1+g)n

(7)

Tn=T0(1-t)n

(8)

式中：G0為基年GDP;T0為基年萬元耗水量；g為GDP年均增長率；t為技術水平年均增長率(萬元耗水量下降率)。將式(7)和(8)帶入式(6)可得：

In=G0T0(1+g)n(1-t)n

(9)

假定g*=g/(1+g)，公式(9)化為：

(10)

通過公式(10)可以得到In為第n年的環(huán)境載荷，t表示技術發(fā)展對環(huán)境的正向作用；g*表示經(jīng)濟發(fā)展對環(huán)境的負向作用，如果t>g*,表示第n年的水資源載荷減小，科技發(fā)展對環(huán)境的積極影響超過經(jīng)濟發(fā)展的負影響；相反如果t

畢節(jié)是國家發(fā)改委牽頭的黔中城市群之一，處在高速發(fā)展的階段，作為貴州省第四大經(jīng)濟體，在這種快速的經(jīng)濟發(fā)展中水資源的依賴程度十分高。圖1可看出畢節(jié)市供水處在一個較高水平。2001-2007年畢節(jié)市城市水供給處于一種不規(guī)則的變動，但曲線t、g*基本重合。生態(tài)環(huán)境中的經(jīng)濟增長的負影響和科技進步所帶來的積極影響基本持平，整個區(qū)域的用水情況會在一定程度上加劇該地區(qū)的石漠化嚴重程度，2008年和2010年曲線t和g*位置發(fā)生顯著變化，這個與2008年遇到百年不遇雪凝災害和2010年嚴重干旱影響了用水量導致g*曲線與t曲線的極大波動，2011-2015年即十二五期間曲線t從2013年開始遠高于曲線g，是因為畢節(jié)市實施中小河流治理工程54條，著手治理的水土流失面積達到429 km2，修整病險水庫79座并新建18座中小型水庫。還修建了夾巖水利樞紐及黔西北供水工程，這個工程在貴州省歷史上是灌溉面積最廣、受益人口最多的，投資最大的工程。這個使得畢節(jié)市用水效率提高，水資源適應產(chǎn)業(yè)發(fā)展的調(diào)整。

圖1 畢節(jié)市2001-2015年萬元GDP用水下降率t與經(jīng)濟增長率g*Fig.1 The descent rate of water consumption of per ten thousands GDP and economic growth rate(g*)in Bijie City from 2001 to 2015

2.3 水資源利用模式設定

通過上述分析人口，城市化，對水資源消費的影響較大，其次是技術和經(jīng)濟因素。本文與典型的喀斯特城市畢節(jié)為例，以畢節(jié)市常住人口Pi、城鎮(zhèn)化水平Ui、技術水平Ti、經(jīng)濟發(fā)展水平Ai4個人文因素的高水平發(fā)展方案和低水平發(fā)展方案，來設置6種發(fā)展模式。并通過定量的方法計算不同模式下水資源環(huán)境載荷變動Ii，并尋找最有利的水控制下的城鎮(zhèn)化發(fā)展模式。具體分析如下：

(1)常住人口預測Pi:通過對畢節(jié)市近年來常住人口統(tǒng)計的調(diào)查情況表明，畢節(jié)市為貴州省的勞務輸出大市，加之國家對畢節(jié)市重度石漠化地區(qū)進行生態(tài)移民政策，使人口總量和其增長速度下降，本文中以畢節(jié)市2001-2015的常住人口年均增長率(-0.901%)作為畢節(jié)市下一個人口增長的低水平控制方案，以2001-2015年常住人口最低長率(-0.069%)，作為其下一個10年畢節(jié)市人口的高控制方案。

表4 畢節(jié)市常住人口預測 萬人

(2)城鎮(zhèn)化進程預測Ui:方案一將2010-2014年城市人口增長率作為2015-2025的參考，其中umax表示2010-2014年城鎮(zhèn)人口最大增長率，Δu本文定義為2010-2014年年均增長率與2005-2009年年均增長率(0.371%)，umin表示2010-2014城鎮(zhèn)人口年均下降率的最小值(-0.565%)。

表5 畢節(jié)市城鎮(zhèn)化進程預測 %

(3)經(jīng)濟增長預測g:本研究將2010-2014年的GDP率作為2015-2025年的參考，其中gmax表示2010-2014年GDP最大增長率，gmin表示其最小增長率，Δg本文定義于2010-2014年年均增長率與2006-2010年年均增長率之差(4.89%)。

表6 未來10年畢節(jié)市經(jīng)濟增長預測 %

(4)技術進步預測T：同樣以畢節(jié)市2010-2014的萬元耗水量下降率作為2015到2025的參考，其中tmax作為2015到2020年萬元耗水量年均下降最大值( 36.42% )，tmin表示2010-2014萬元耗水量年均下降率的最小值(-0.565%)，Δt定義為2011-2015年畢節(jié)市與2006-2010年年均下降率之差(0.468%)。

表7 技術進步預測(萬元GDP耗水量) m3/萬元

根據(jù)畢節(jié)市常住人口Pi、城鎮(zhèn)化水平Ui、技術水平Ti、經(jīng)濟發(fā)展水平Ai4個人文因素的高水平發(fā)展方案和低水平發(fā)展方案，設置6種發(fā)展模式(見表8)。

表8 畢節(jié)市未來發(fā)展模式及描述Tab.8 Future devoploment model of bijie city and its description

2.4 定量分析結果

利用前面公式(4)對畢節(jié)市水資源載荷進行模型預測，具體公式如下：

Ii=exp(4.069 8-0.200 8 lnPi+0.316 2 lnUi-

0.041 9 lnAi+0.002 1(lnAi)2-0.014 0 lnTi+0.126 9)

(11)

綜合上述6個發(fā)展模式，利用公式(11)對畢節(jié)市2020和2025的水資源消費總量進行計算(圖2)。2020和2025年畢節(jié)市水資源消費總量分別為767 081.9～819 260.7 萬m3和781 036～84 3617.2 萬m3相對于2015年畢節(jié)市水資源消費總量分別減少409 119.3～438 739.3 萬m3和414 382.8～476 963.1 萬m3。

圖2 6種不同模式下畢節(jié)市2020年和2025年用水量的預測Fig.2 The prediction of water consumption of Bijie city in 2020 and 2025 under six different patterns

2015和2020年的基準方案1下，畢節(jié)市水資源消費總量分別為771 746.4 萬m3和785 156.4 萬m3。在模式1的基礎上，經(jīng)濟發(fā)展水平如果保持基準的增長速度，而城鎮(zhèn)化水平加快，技術又處于高水平增長(模式2)則2020年和2025年畢節(jié)市水資源消費量在804 563.4 萬m3和818919.11 萬m3；如果此時畢節(jié)強調(diào)對人口的嚴格控制(模式3)，則畢節(jié)市2020年和2025年水資源消費總量將增加，相比模式1增加43 045.3 萬m3和25 081.4 萬m3。(模式4)假設各種不可控風險導致經(jīng)濟增長速度下降且低于模式1，城鎮(zhèn)化水平和技術都以較高的速度增長，人口也處于低增長狀態(tài)，模式4比起模式3，在2020年和2025年畢節(jié)市水資源消費總量分別減少4 469 萬m3和3 745.9 萬m3。

如果2020到2025年GDP增長速度處于高速增長趨勢(模式5)常駐人口保持中速增長，城鎮(zhèn)化水平放慢并嚴格控制城鎮(zhèn)化進程，及節(jié)水能效提高，則2020年和2025年畢節(jié)市水資源消費總量分別是771 746.4 萬m3和781 036.93 萬m3,此時畢節(jié)市的環(huán)境載荷量最小。在(模式6)中經(jīng)濟處于高速發(fā)展，人口處于高水平增長，城市化水平，技術處于高水平增長狀態(tài)，此時的2020年到2025年畢節(jié)市水資源消費量是809 867.02 萬m3和835 466.52 萬m3,此時畢節(jié)市的水資源載荷處于最大量。

綜上所述，根據(jù)以上6個方案，2020和2025年畢節(jié)市水資源消費總量都會出現(xiàn)不同程度的下降。其中在經(jīng)濟高速增長，人口實行高度控制，城鎮(zhèn)化水平下降，技術水平處于高水平增長時，環(huán)境載荷最低，因此有關部門可以考慮模式5作為畢節(jié)市的發(fā)展模式，以減緩水資源載荷。

3 結 語

(1)根據(jù)STIRPAT模型的嶺回歸擬合結果得知，人均GDP，人口數(shù)量，城市化水平和萬元耗水量發(fā)生1%的變化，畢節(jié)市水資源消費總量發(fā)生-(0.041 9%～0.004 2%InA)%、-0.200 8%、0.316 2%和 -0.014 0%的變化。公式中的人均GDP二次項序數(shù)為負，說明隨著人均GDP的增加，對環(huán)境壓力的影響有所增加，但人均GDP每增加1%，相應的畢節(jié)市水資源消費總量下降幅度并未超過1%，這個結論充分說明隨人均GDP的增加，在收集的數(shù)據(jù)范圍內(nèi)未出現(xiàn)環(huán)境kuznets曲線。

(2)經(jīng)過對畢節(jié)市設置6種模式比較，即(模式5)保持經(jīng)濟的高速發(fā)展下，城鎮(zhèn)化處于快速推進狀態(tài)，節(jié)水技術和水工程建設取得較大進步時(模式5)，能夠在一定程度上緩解目前畢節(jié)市所面臨的水資源壓力，同時又能滿足畢節(jié)市的發(fā)展要求，這個模式相比其他5個模式來說是一種相對合適畢節(jié)市的發(fā)展模式，在此情景下2020年和2025年的水資源消費總量是771 746.41 萬m3和781 036.93 萬m3。

(3)本文采用STIRPAT模型及其嶺回歸模型擬合探尋出了如何在4個影響因子下畢節(jié)市的水資源消耗量，并預測出十三五和十四五期間畢節(jié)市整個用水量區(qū)間，雖然有一定理據(jù)，但是僅靠數(shù)量分析對一個市的發(fā)展模式的實際的指導是有限的，水資源的環(huán)境載荷如何受(Pi、Ui、Ai、Ti)幾個因子的影響以及各個影響因子之間的相關性等問題，還有待研究。

□

[1] 胡雪萍,李丹青. 城鎮(zhèn)化進程中生態(tài)足跡的動態(tài)變化及影響因素分析——以安徽省為例[J].長江流域資源與環(huán)境,2016,25(2):300-306.

[2] 章 茹,蔣元勇,萬金保,等. 城鎮(zhèn)化過程對鄱陽湖流域生態(tài)系統(tǒng)的影響[J].長江流域資源與環(huán)境,2014,23(3):400-406.

[3] Coordination of Urbanization and Water Ecological Environment in Shayinghe River Basin,China[J]. Chinese Geographical Science,2011,21(4):476-495.

[4] 官冬杰,蘇 印,左太安,等. 貴州省畢節(jié)市水資源生態(tài)承載力動態(tài)變化評價[J]. 重慶交通大學學報(自然科學版),2015,34(2):77-84.

[5] 袁道先．對南方巖溶石山地區(qū)地下水資源及生態(tài)環(huán)境地質(zhì)調(diào)查的一些意見[J].中國巖溶,2000,19(2):103-108.

[6] 袁道先,薛禹群,傅家謨,等.防止我國西南巖溶地區(qū)地下河變成“下水道”的對策和建議[R]. 北京:中國科學院院士建議, 2007:1-16．

[7] 水美貴州“十二五”巡禮·畢節(jié)市 烏蒙激蕩水能量 http:∥www.gywb.cn/content/2015-12/24/content_4379119.htm

[8] 蘇 印,官冬杰,蘇維詞.基于SPA的喀斯特地區(qū)水安全評價——以貴州省為例[J]. 中國巖溶, 2015,34(6):560-569.

[9] 楊振華,蘇維詞,趙衛(wèi)權.巖溶地區(qū)水資源與經(jīng)濟發(fā)展脫鉤分析[J]. 經(jīng)濟地理, 2016,36(10):159-165.

[10] 張鳳太,王臘春,蘇維詞.基于DPSIRM概念框架模型的巖溶區(qū)水資源安全評價[J].中國環(huán)境科學, 2015,35(11):3 511-3 520.

[11] 周亮廣,梁 虹.喀斯特地區(qū)水資源承載力評價研究——以貴州省為例[J].中國巖溶,2006,25(1):23-28.

[12] 周亮廣,梁 虹.基于主成分分析和熵的喀斯特地區(qū)水資源承載力動態(tài)變化研究——以貴陽市為例[J].自然資源學報, 2006,21(5):827-833.

[13] 張鳳太,蘇維詞.基于均方差-TOPSIS模型的貴州水生態(tài)安全評價研究[J].灌溉排水學報,2016,35(9):88-92.

[14] 何仁偉,劉邵權,劉運偉.基于系統(tǒng)動力學的中國西南巖溶區(qū)的水資源承載力——以貴州省畢節(jié)地區(qū)為例[J]. 地理科學, 2011,31(11):1 376-1 382.

[15] DIETZ T,ROSA E A.Rethinking the environmental impacts of population,afflunence, and Technology[J].Human Ecology Re-view,1994,(11):277-300.

[16] Yang J, Chen L, Steele J C, et al. An extended study on historical mercury accumulation in lake sediment of Shanghai: The contribution of socioeconomic driver[J]. Environmental Pollution, 2016,219(7):612-619.

[17] WU Yu-ming,LIU Lu-yan. Spatial heterogeneity and its influencing factors of carbon emissions in 17 cities of Shandong province[J]. Ecological Economy,2015,(4):302-312.

[18] 黃 蕊,王 錚,丁冠群,等.基于STIRPAT模型的江蘇省能源消費碳排放影響因素分析及趨勢預測[J]地理研究,2016,35(4):781-789.

[19] Analysis of Major Driving Forces of Ecological Footprint Based on the STRIPAT Model and RR Method:A Case of Sichuan Province,Southwest China[J]. Journal of Mountain Science,2011,(4):611-618.

[20] 姜 磊,季民河.基于STIRPAT模型的中國能源壓力分析——基于空間計量經(jīng)濟學模型的視角[J]地理科學,2011,29(9):1 072-1 077.

[21] 孫昌龍,靳 諾,張小雷,杜宏茹.城市化不同演化階段對碳排放的影響差異[J].地理科學,2013,33(3):266-272.

[22] 苑韶峰,楊麗霞,楊桂山,姚士謀.耕地非農(nóng)化的社會經(jīng)濟驅(qū)動因素異質(zhì)性研究——基于STIRPAT和GWR模型的實證分析[J].經(jīng)濟地理,2013,33(5):137-143.

[23] 肖思思,黃賢金,吳春篤.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[J].地理與地理信息科學,2012,28(3):76-82.

[24] 張樂勤,陳素平,王文琴,等.基于STIRPAT模型的安徽省池州市建設用地擴展驅(qū)動因子測度[J].地理科學進展,2012,31(9):1 235-1 242.

[25] 魯 鳳,徐建華,胡秀芳,等. 生態(tài)足跡與經(jīng)濟增長的定量關系及其社會經(jīng)濟驅(qū)動機制——以新疆為例[J].地理與地理信息報,2012,28(5):70-74.

[26] 郭衛(wèi)華,周永章,闞興龍. 1990-2012年廣東省廢水排放特征及其驅(qū)動因素——基于STIRPAT模型和脫鉤指數(shù)的研究[J]. 灌溉排水學 報,2015,34(2):7-1 024.

[27] 金淑婷,石培基,李 博,等.基于STIRPAT模型分析水資源控制下①武威市城市發(fā)展模式[J].干旱區(qū)地理,2013,36(5):875-882.

[28] 楊萬平,袁曉玲.環(huán)境庫茲涅茨曲線假說在中國的經(jīng)驗研究[J]. 長江流域資源與環(huán)境,2009,18(8):704-710.

[29] 燕 華,郭運功,林逢春.基于STIRPAT模型分析CO2控制下上海城市發(fā)展模式[J] 地理學報,2010,65(8):983-990.

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

[31] 何曉群，劉云卿．《應用回歸分析》[M]．3版. 北京：中國人民大學出版社,2011.

[32] 左太安.西南喀斯特山區(qū)石漠化貧困效應研究[D].西南大學,2014.