徐 寧

（寧波大學(xué) 商學(xué)院，浙江 寧波 315211）

一、引言

生態(tài)環(huán)境是人類生產(chǎn)生活的重要依托，而自然資源作為一種“稀缺品”，對其開發(fā)利用的合理安排是人類社會的重要課題。可持續(xù)發(fā)展理論警示人類，為了經(jīng)濟發(fā)展而進行的自然資源消耗不應(yīng)當(dāng)超過生態(tài)環(huán)境的承載力，而如何量化人類生產(chǎn)生活對于自然資源的影響，如何評估經(jīng)濟效率以及其與生態(tài)變化之間的復(fù)雜關(guān)系，成為優(yōu)化經(jīng)濟發(fā)展路徑的必要工作。

既然生態(tài)平衡與經(jīng)濟效率提升之間的相互關(guān)系是生態(tài)經(jīng)濟學(xué)探討的核心內(nèi)容之一，區(qū)域內(nèi)生態(tài)資源消耗權(quán)如何分配（碳排放權(quán)等）更是學(xué)者們感興趣的話題，那么，單個城市在追求自身經(jīng)濟效率提升時所做出的決策，是否與當(dāng)?shù)厣鷳B(tài)環(huán)境的開發(fā)程度總是相適應(yīng)的？區(qū)域內(nèi)進行城市間資源消耗權(quán)的分配時，若只以經(jīng)濟效率作為分配的衡量指標(biāo)，對于地區(qū)生態(tài)利用或保護是否可能是不利的？本文將嘗試對以上兩個問題進行初步探討。

長江三角洲地區(qū)是我國最具經(jīng)濟活力的區(qū)域之一，該區(qū)域的發(fā)展在國家現(xiàn)代化建設(shè)中具有舉足輕重的戰(zhàn)略地位。本文將對長三角地區(qū)2010—2019 年各地級市的生態(tài)盈虧進行測算，并進一步分析長三角地區(qū)生態(tài)盈虧指數(shù)的時空規(guī)律，同時對這一研究時段內(nèi)各城市經(jīng)濟效率水平進行測度，以此分析城市經(jīng)濟效率提升與生態(tài)變化之間的聯(lián)系，判斷地區(qū)內(nèi)經(jīng)濟效率與生態(tài)環(huán)境是否存在不平衡狀況。

二、文獻回顧

從研究方法上來看，生態(tài)足跡及生態(tài)盈虧模型是量化自然資源的常用方法。Wackernagel 和Rees（1996）[1]率先建立了生態(tài)足跡模型，對世界52 個國家和地區(qū)進行了相關(guān)測算；李鵬輝等（2022）[2]將生態(tài)足跡結(jié)合自然資源資產(chǎn)核算，構(gòu)建了土地資源核算體系，并對新疆地區(qū)進行分析；王喜君等（2022）[3]利用水資源生態(tài)足跡模型，對天水市2012—2018 年生態(tài)足跡、生態(tài)盈虧狀況進行測算；蔡懿苒等（2021）[4]依托生態(tài)足跡模型，對安徽省近年來生態(tài)盈虧指數(shù)進行分析，發(fā)現(xiàn)當(dāng)?shù)丨h(huán)境超載問題正不斷加重；此外，各行業(yè)和多領(lǐng)域的相關(guān)學(xué)者也都逐漸采用該模型進行相關(guān)研究。

在經(jīng)濟效率的測度方法中，較多學(xué)者采用數(shù)據(jù)包絡(luò)分析法（DEA）進行測度。劉浩然（2023）[5]基于13個地級市的面板數(shù)據(jù)，采用非期望產(chǎn)出的超效率SBM 模型對京津冀地區(qū)發(fā)展效率進行測度；孫才志和李曉瑋（2022）[6]采用SBM 超效率模型測度了2000—2018 年沿海11 省的海洋經(jīng)濟效率，并運用VAR 模型進一步考察動態(tài)關(guān)系；吳遵杰和巫南杰（2021）[7]采用非期望產(chǎn)出的超效率SBM 模型及ML 指數(shù)，對2005—2016 年期間長江經(jīng)濟帶108 個城市的綠色經(jīng)濟效率及其分解項進行了測度。

對于經(jīng)濟發(fā)展、經(jīng)濟效率與生態(tài)環(huán)境之間的聯(lián)系，不同學(xué)者也從不同角度提出了自己的觀點。姜明棟等（2022）[8]采用面板門檻模型，對我國2003—2018 年284 個區(qū)市面板數(shù)據(jù)進行分析，發(fā)現(xiàn)生態(tài)環(huán)境質(zhì)量在城市經(jīng)濟效率中有著顯著的門檻效應(yīng)；李政通等（2016）[9]采用Malmquist 指數(shù)分析和重復(fù)博弈模型，探究了長江流域各省市發(fā)展效率與生態(tài)環(huán)境補償機制的相關(guān)關(guān)系；薛明月（2022）[10]采用熵值法和耦合協(xié)調(diào)模型，對黃河流域91 個地市進行分析，構(gòu)建了區(qū)域經(jīng)濟發(fā)展和生態(tài)環(huán)境的耦合協(xié)調(diào)評價指標(biāo)體系，劉鵬凌等（2021）[11]同樣運用該方法對全國31 個省級行政區(qū)進行分析。

綜上所述，目前現(xiàn)有文獻當(dāng)中，對于生態(tài)足跡或生態(tài)盈虧模型的研究較為豐富，但主要集中于某一地區(qū)某段時間內(nèi)的數(shù)值測算，由于不同地區(qū)統(tǒng)計口徑存在差異，跨區(qū)域的生態(tài)盈虧指數(shù)計算與對比較為困難，目前暫未有長三角地區(qū)地級市層面多年份生態(tài)盈虧指數(shù)測算的相關(guān)研究。而在經(jīng)濟與生態(tài)協(xié)同性分析的相關(guān)文獻中，大多數(shù)研究聚焦于經(jīng)濟發(fā)展總量與生態(tài)環(huán)境之間的相關(guān)關(guān)系，而在經(jīng)濟效率與生態(tài)協(xié)同性的相關(guān)文獻中，也主要以耦合分析為主，缺乏其他視角的觀察研究?；诖吮疚目赡艿呢暙I在于，對長三角地區(qū)城市生態(tài)盈虧測算文獻的豐富，以及對經(jīng)濟效率與生態(tài)環(huán)境之間相關(guān)關(guān)聯(lián)不同視角的分析。

三、長三角地區(qū)生態(tài)盈虧數(shù)值測算

（一）生態(tài)足跡與生態(tài)盈虧模型

生態(tài)足跡（EF）與生態(tài)盈虧（EB）理論是學(xué)者們試圖對人類生產(chǎn)生活過程中一切資源的消耗情況進行核算，并以人類對土地的需求量進行統(tǒng)一分析而提出的一種衡量方式。其基本計算模型如式（1）：

其中，ef為人均生態(tài)足跡；N為地區(qū)人口總量；i為不同生產(chǎn)類土地，包括耕地、林地、草地、水域、建設(shè)用地、化石燃料土地六類；ri為均衡因子，用以對不同生產(chǎn)能力的各類型土地進行權(quán)重調(diào)整；cj、pj分別為j種生物資源或化石資源的人均消費量與全球平均生產(chǎn)水平。參考生態(tài)足跡方法提出以來各類文獻對該模型的優(yōu)化，針對本文研究需求，對傳統(tǒng)生態(tài)足跡模型進行以下改進：

1.以“國家公頃”替代“全球公頃”。多數(shù)傳統(tǒng)全球公頃的研究論文采用Wackernagel 和Rees（1996）[1]所使用的聯(lián)合國糧農(nóng)組織于1993 年統(tǒng)計發(fā)布的世界生物資料平均生產(chǎn)產(chǎn)量數(shù)據(jù)，但各個國家與地區(qū)之間的土地類型分布不盡相同，其生產(chǎn)能力也不能一概而論，因此本文將以2010 年為基期，以《中國統(tǒng)計年鑒》中相關(guān)數(shù)據(jù)的計算結(jié)果作為“國家公頃”進行替換。

2.以“凈生態(tài)系統(tǒng)生產(chǎn)量”替代“全球平均能源足跡”。參考謝鴻宇等（2008）[12]從碳循環(huán)視角對化石能源生態(tài)足跡的分析，溫室氣體以草原碳蓄積與森林碳蓄積兩種方式，以一定比例被不同類型土地消化，基于此對本文化石能源生態(tài)足跡計算公式進行修改。

3.以生物資源“人均生產(chǎn)量”替代“人均消費量”。隨著跨區(qū)域貿(mào)易的發(fā)展，以消費量衡量地區(qū)對生態(tài)資源的消耗所產(chǎn)生的偏差逐漸增大，因此以地區(qū)生產(chǎn)量進行替代。

調(diào)整后的生態(tài)足跡模型如式（2）：

EF1、EF2分別為生物資源生產(chǎn)性生態(tài)足跡和化石能源消耗性生態(tài)足跡（hm2），兩者總和為總生態(tài)足跡。其中，Lj為地區(qū)j種生物資源人均生產(chǎn)量（kg/人）；Kj為j種生物資源全國平均生產(chǎn)水平（kg/hm2）；r5為化石燃料土地均衡因子；Lt為地區(qū)t種化石能源人均消費量，Ht為熱量（TJ/kt），Qt為碳排放系數(shù)（tC/TJ）；Perf和Perg分別為森林與草地碳積蓄的份額，分別為83%和17%；Sf和Sg為森林、草地平均碳積蓄能力（t/hm2）。

生態(tài)足跡用以衡量人類生產(chǎn)生活所消耗的生態(tài)資源，而與之相對應(yīng)的概念即為生態(tài)承載力（BC），以衡量某地區(qū)能夠供給的自然資源，數(shù)值上體現(xiàn)為各類型土地供給的加權(quán)總和。其公式為式（3）：

bc為該地區(qū)人均生態(tài)承載力；ωi為產(chǎn)量因子，用以對不同產(chǎn)量狀況的土地進行權(quán)重調(diào)整；Ai為i種類型土地的實際面積。

由此，將人均生態(tài)承載力（bc）與人均生態(tài)足跡（ef）作差，即可得到人均生態(tài)盈虧（eb）的計算結(jié)果（eb=bc-ef）。差值為正數(shù)時稱為生態(tài)盈余，為負數(shù)時稱為生態(tài)赤字，生態(tài)壓力隨著數(shù)值的降低而增大。在許多對生態(tài)環(huán)境分析的文獻中，許多學(xué)者僅對地區(qū)的人均生態(tài)足跡進行測算并進一步分析，然而對于人均生態(tài)盈虧的測算是更具有意義的。一方面，生態(tài)資源較為豐富的地區(qū)能夠供給的生態(tài)承載力更高，因此產(chǎn)生更多的生態(tài)足跡并不必然等同于對地區(qū)生態(tài)產(chǎn)生更大的破壞；另一方面，由于人類建設(shè)用地的不斷增加，對森林草原等生態(tài)土地的不斷侵占也造成生態(tài)承載力的不斷變化（見圖1），因此更應(yīng)從人均生態(tài)盈虧的視角，對承載力與生態(tài)足跡進行綜合分析。

圖1 2000—2020 年長三角地區(qū)土地利用情況變化

（二）數(shù)值測算

數(shù)據(jù)說明。本文所使用的生物資源產(chǎn)量、化石能源消費量、人口總量均來自各省各地級市統(tǒng)計年鑒、能源統(tǒng)計年鑒。均衡因子參考劉某承和李文華（2009）[13]基于凈初級生產(chǎn)力的中國生態(tài)足跡均衡因子測算結(jié)果，如表1 所示。

表1 基于國家公頃的均衡因子

由于水域地區(qū)區(qū)域劃分不明晰，且相關(guān)生物資源產(chǎn)量數(shù)據(jù)不足，本文將忽略水域地區(qū)的生態(tài)足跡及生態(tài)承載力的計算。參考史丹和王俊杰（2016）[14]對2011 年國家生態(tài)足跡賬戶的總結(jié)，水域足跡約占總足跡2%，其對溫室氣體的吸收能力也可忽略不計，因此對計算結(jié)果影響較小。同時，生態(tài)足跡計算中通常也假設(shè)建設(shè)用地的生態(tài)足跡等于其生態(tài)承載力。

人類生產(chǎn)生活涉及的生物資源數(shù)目繁多，且不同地區(qū)統(tǒng)計方式有所差異，本文在考慮數(shù)據(jù)可得性的同時，將納入資源賬戶的生物資源聚焦于各類產(chǎn)品中的主要生物資源。生物及能源賬戶內(nèi)容及分類如表2 所示。

表2 生物資源及化石能源賬戶

根據(jù)上述模型及對象選擇，本文對2010—2019年長三角三省一市，共計41 個地級市的面板數(shù)據(jù)進行計算，各地區(qū)年均人均生態(tài)足跡及化石燃料足跡如表3 所示。

表3 長三角各地級市2010—2019 年均人均生態(tài)足跡及化石燃料足跡

本文在計算人均生態(tài)承載力中使用的產(chǎn)量因子均參考劉某承等（2010）[15]基于凈初級生產(chǎn)力所得到的測算值；各地級市不同利用類型的各年份土地面積使用Yang 和Huang（2021）[16]發(fā)布的土地覆蓋柵格數(shù)據(jù)，使用ArcGIS 10.7 軟件計算分析。最終得到各城市人均生態(tài)承載力、人均生態(tài)盈虧數(shù)值。產(chǎn)量因子具體數(shù)值及各城市年均人均生態(tài)承載力、生態(tài)盈虧數(shù)值如表4、表5 所示。

表4 基于國家公頃的產(chǎn)量因子

表5 長三角各地級市2010—2019 年均人均生態(tài)承載力及生態(tài)盈虧

四、長三角地區(qū)生態(tài)盈余的空間演變與分布格局特征

（一）生態(tài)盈余的空間格局演變特征

基于前文中計算結(jié)果，分別截取2010 年、2014年、2019 年生態(tài)盈虧數(shù)據(jù)繪制長三角地區(qū)空間演變趨勢圖。如圖2 所示，長三角地區(qū)總體生態(tài)盈虧數(shù)值呈現(xiàn)西部高于東部的分布狀況，蘇南、浙北、上海等地總體數(shù)值偏低，安徽、浙南等地高于平均水平。10年期間總體生態(tài)盈虧數(shù)值則呈現(xiàn)不斷下降趨勢，這表明近年來由于生產(chǎn)水平和消費需求的提升，溫室氣體排放與生物資源生產(chǎn)量在不斷增加。對表3 中不同生物資源生態(tài)足跡占比進行分析，上海、江蘇、浙江、安徽地區(qū)化石燃料足跡平均占比分別為51.46%、30.3%、29.4%、17.5%，長三角入?？诘貐^(qū)城市碳排放占比顯著高于其他城市，這也是該地區(qū)生態(tài)盈虧指數(shù)低于平均水平的主要原因，這與長三角不同地區(qū)的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)差異與長三角地區(qū)整體產(chǎn)業(yè)布局情況相關(guān)。

圖2 長三角地區(qū)生態(tài)盈虧空間格局演變趨勢

圖3 2010 年、2014 年、2019 年長三角地區(qū)LISA 聚類圖

圖4 經(jīng)濟效率與生態(tài)盈虧協(xié)同變化示意圖

（二）生態(tài)盈余空間分布格局變化的實證分析

探索性空間數(shù)據(jù)分析方法（ESDA）被廣泛用于被探索對象的空間分布特征與依賴關(guān)系，通過研究樣本間的相關(guān)性及相關(guān)程度進行全局空間關(guān)聯(lián)性分析與局部空間關(guān)聯(lián)性研究。本文將采用全局Moran's I系數(shù)與局部自相關(guān)統(tǒng)計量（LISA）對長三角地區(qū)2010—1019 年生態(tài)盈虧的空間相關(guān)性進行分析，模型如式（4）、式（5）：

其中，Moran's I為全局自相關(guān)系數(shù)，n為空間單元個數(shù)，Wij為空間權(quán)重矩陣，xi與xj分別表示空間位置i和j處的eb值。Moran's I的取值范圍在[-1，1]內(nèi)，當(dāng)Moran's I＞0 時，表示被觀測對象呈現(xiàn)空間正相關(guān)，反之為負相關(guān)；Moran's I絕對值趨近于0時，其空間隨機性越大，即空間相關(guān)性越小。

Moran's I指數(shù)能夠從整體上分析長三角地區(qū)不同年份的生態(tài)盈虧指數(shù)分布狀態(tài)，局部空間自相關(guān)則將分析空間上具體范圍的相關(guān)性，計算公式如式（6）：

LISA值為局部自相關(guān)系數(shù)，當(dāng)LISA＞0 時，代表該區(qū)域單元周圍相似值在空間上集聚，反之代表非相似值在空間上集聚?；谝陨瞎?，使用ArcGIS 10.7 軟件計算相應(yīng)Moran's I指數(shù)、Z值并進行局部自相關(guān)分析。

2010—2019 年長三角地區(qū)的Moran's I指數(shù)均為正值（見表6），通過顯著性檢驗（P＜0.01），且Z得分均高于2.58，表明長三角地區(qū)在這一時間跨度內(nèi)生態(tài)盈虧指數(shù)呈現(xiàn)顯著集聚，有顯著的空間相關(guān)性影響，即生態(tài)盈虧數(shù)值較高地區(qū)相互鄰近，較低地區(qū)同樣如此，其空間異質(zhì)性則呈現(xiàn)出一定的循環(huán)波動態(tài)勢。

表6 2010—2019 年長三角各地級市生態(tài)盈虧指數(shù)的Moran's I

使用ArcGIS 軟件進行局部自相關(guān)分析，生成LISA聚類圖（見圖2）。從圖中能夠看出，不同年份中具有空間顯著性的地級市數(shù)量在7～12 個，其中低集聚區(qū)主要分布在蘇南、浙北、上海等地區(qū)，且集聚區(qū)范圍隨著時間推移而不斷擴大，這主要與城市地區(qū)人口集聚有關(guān)；高集聚區(qū)2010 年主要集中于浙南地區(qū)，并逐漸向浙西、皖南地區(qū)轉(zhuǎn)移。

五、長三角地區(qū)經(jīng)濟效率與生態(tài)發(fā)展錯位情況分析

（一）經(jīng)濟效率測度

數(shù)據(jù)包絡(luò)分析方法（DEA）是目前分析地區(qū)經(jīng)濟效率的常用測算方法，是由Charnes 等（1978）[17]提出的一種利用數(shù)學(xué)規(guī)劃對決策單元進行相對效率分析的非參數(shù)估計方法。Tone 于1997 年在此基礎(chǔ)上創(chuàng)建了非期望產(chǎn)出的SBM 模型，解決了傳統(tǒng)DEA模型中松弛變量的問題。超效率SBM 模型（Super-SBM）能夠使決策單元的測算結(jié)果大于1，對完全有效的決策單元進行進一步排序分析。非期望產(chǎn)出的Super-SBM 模型為式（7）：

其中，ρ為城市經(jīng)濟效率值；n為決策單元j的個數(shù)；x0、y0、b0分別代表決策單元的投入、期望產(chǎn)出、非期望產(chǎn)出變量，m，q1，q2分別代表三者的指標(biāo)數(shù)，分別代表各自的松弛變量；ρ＜1 時，決策單元缺乏效率，ρ≥1 時，決策單元有效，且效率值隨著ρ值增大而增大。

本文使用Super-SBM 模型計算城市經(jīng)濟效率值，決策單元為2010—2019 年長三角地區(qū)41 個地級市，投入指標(biāo)選取人力投入（就業(yè)人員/萬人）、資本投入（固定資產(chǎn)投資/萬元）、能源投入（全年用電量/ 萬千瓦時）、土地資本投入（建設(shè)用地面積/ 公頃）；期望產(chǎn)出指標(biāo)選取地區(qū)生產(chǎn)總值（億元）；非期望產(chǎn)出選取二氧化碳（萬噸）、工業(yè)廢水（萬噸）、工業(yè)二氧化硫（噸）、工業(yè)煙塵排放（噸）。上述數(shù)據(jù)來源于各省、各地級市統(tǒng)計年鑒，資本存量使用永續(xù)盤存法進行計算。因篇幅所限，2019 年各城市效率值如表7 所示。

表7 2019 年長三角城市經(jīng)濟效率值

（二）經(jīng)濟效率與生態(tài)環(huán)境協(xié)同情況分析

1.基于效率值的生態(tài)變化協(xié)同推演。DEA 是一種數(shù)據(jù)驅(qū)動的利用非參數(shù)進行定量分析的效率評價方法，其基礎(chǔ)是通過決策單元相關(guān)參數(shù)構(gòu)建前沿生產(chǎn)面，在此之上通過分析生產(chǎn)單元到生產(chǎn)前沿的距離來估算效率。按照距離函數(shù)的分類，也可分為徑向效率與非徑向效率，傳統(tǒng)DEA 模型只能通過徑向的等比例調(diào)整產(chǎn)出與投入的方式進行環(huán)境效率平均，而SBM（Slack-Based Measure）模型采用非徑向與非角度、基于松弛變量進行調(diào)整。因此，我們可以通過分析SBM 模型計算中得到的Slack 值，判斷該決策單元的各項參數(shù)超出或低于前沿面的量，即可以得到，該城市為了達到生產(chǎn)前沿面的經(jīng)濟效率水平，能夠增加或減少的各項產(chǎn)出與投入量。

在所有年份的城市生態(tài)足跡數(shù)據(jù)中，人均化石燃料足跡在人均生態(tài)足跡的占比的平均值達到41%，化石燃料燃燒產(chǎn)生的碳足跡是生態(tài)足跡中的主要組成部分。且生物資源的生產(chǎn)由地區(qū)消費量決定，難以簡單調(diào)整，因此以二氧化碳排放值的變化判斷地區(qū)生態(tài)盈虧是否得到改善或利用是可行且更具現(xiàn)實意義的。

當(dāng)城市某年份的生態(tài)盈虧為正值時，意味著該地區(qū)有富裕的生態(tài)承載力，與之對應(yīng)的生態(tài)變化需求應(yīng)為生態(tài)資源的進一步利用，若此時基于效率提升的目的所得到的CO2排放調(diào)整值為正，則達成了效率提升與生態(tài)變化的協(xié)同，若調(diào)整值為負則未協(xié)同；同樣，若城市生態(tài)盈虧為負值，意味著該地區(qū)生態(tài)資源利用過度，此時對應(yīng)的生態(tài)變化需求應(yīng)為生態(tài)資源保護，若此時CO2排放調(diào)整值為負則達成效率提升與生態(tài)變化的協(xié)同，反之則未協(xié)同。若slack值為0，則未對生態(tài)變化進行調(diào)整。本文對10 年內(nèi)41 個城市的410 個樣本進行協(xié)同比較，結(jié)果如表8所示。

表8 經(jīng)濟效率與生態(tài)盈虧變化協(xié)同性

表9 長三角部分城市2010—2019 年生態(tài)-經(jīng)濟機構(gòu)偏差指數(shù)

可以看到，有約1/2 的樣本城市未能實現(xiàn)生態(tài)變化需求與生產(chǎn)效率提升的一致性變動，且有超過1/4 的樣本城市呈現(xiàn)逆向變動趨勢，在逆向變動的樣本城市中，26%樣本城市的變動將進一步破壞生態(tài)資源，74%的樣本城市未能對盈余的生態(tài)資源進一步開發(fā)。因此，若不考慮地區(qū)生態(tài)盈虧的實際情況，僅從生產(chǎn)效率視角對城市內(nèi)資源配置調(diào)整做出決策，極有可能對生態(tài)資源采取不合理的應(yīng)用措施。

2.區(qū)域生態(tài)資源與經(jīng)濟效率結(jié)構(gòu)匹配度分析。

結(jié)構(gòu)偏差系數(shù)較常應(yīng)用于就業(yè)-產(chǎn)業(yè)結(jié)構(gòu)偏離情況的量化，用以分析人力資源分配與產(chǎn)業(yè)結(jié)構(gòu)之間在數(shù)據(jù)總量方面的靜態(tài)差異。生態(tài)盈虧指數(shù)也可理解為地區(qū)的生態(tài)資源狀況，因此，可以將該方法引入生態(tài)-經(jīng)濟效率結(jié)構(gòu)偏離的分析之中，具體公式如式（9）：

式（9）中，DS為結(jié)構(gòu)偏差系數(shù)，ebij為j城市第i年的生態(tài)盈虧值，ebimax為該年生態(tài)盈虧指數(shù)最高城市的eb值，ρimax為該年經(jīng)濟效率指數(shù)最高城市的效率值。當(dāng)DS＞0 時，表示在長三角區(qū)域中，該城市經(jīng)濟發(fā)展相對水平滯后于生態(tài)資源相對水平，生態(tài)資源有待優(yōu)先開發(fā)；當(dāng)DS＜0 時，表示該城市生態(tài)資源相對水平滯后于經(jīng)濟發(fā)展相對水平，生態(tài)資源優(yōu)先開發(fā)度低。部分城市計算結(jié)果如下：

總體而言，長三角地區(qū)生態(tài)-經(jīng)濟結(jié)構(gòu)偏差指數(shù)，呈現(xiàn)以上海為中心的長江入海口地區(qū)城市向周邊地區(qū)逐漸扇狀擴散上升的狀態(tài)，以整個長三角地區(qū)的資源配置視角進行考慮，應(yīng)優(yōu)先對蘇北、安徽、浙南等地的生態(tài)資源進行開發(fā)利用，適當(dāng)減少其他地區(qū)將造成進一步消耗生態(tài)資源的發(fā)展措施。然而，這與當(dāng)前社會中，往往將更多的發(fā)展權(quán)交給經(jīng)濟效率較高城市的發(fā)展政策是相反的。在效率優(yōu)先的分配規(guī)律下，發(fā)達城市由于集聚效應(yīng)帶來較高的投入產(chǎn)出，不斷地吸收人口、自然消耗權(quán)等資源，高效發(fā)展的同時卻也逐漸超出了城市的生態(tài)承載力。而經(jīng)濟發(fā)展落后的城市也因為其較低的生產(chǎn)效率，難以獲得進一步開發(fā)自然資源的能力，陷入循環(huán)。

六、結(jié)論與建議

通過本文分析研究，得出如下結(jié)論：

一是長三角地區(qū)人均總生態(tài)足跡不斷增加，人均生態(tài)承載力總體呈現(xiàn)逐年下降趨勢，從兩者對于生態(tài)盈余的貢獻比例來看，長三角地區(qū)生產(chǎn)性產(chǎn)品對于自然資源的消耗要高于土地利用情況變化對于環(huán)境的損害。其根本原因在于隨著該地區(qū)產(chǎn)業(yè)擴張、經(jīng)濟發(fā)展、人口集聚等諸多因素，對于化石能源的消耗量以及生物資源的需求量迅速增加。從各生產(chǎn)性土地對總生態(tài)足跡的貢獻程度來看，化石地貢獻比例最高，且化石地與建筑用地年均增長率均為正值，顯著高于其他農(nóng)業(yè)生產(chǎn)性土地，由此可見長三角地區(qū)的二、三產(chǎn)業(yè)發(fā)展勢頭較快。

二是長三角地區(qū)的生態(tài)盈虧指數(shù)整體呈現(xiàn)出沿海低于內(nèi)陸、東部低于西部、發(fā)達地區(qū)低于欠發(fā)達地區(qū)的空間分布情況，并形成了以上海、蘇州、無錫、杭州、寧波為中心的低集聚區(qū)域；從時間變化上來看，2010—2019 年長三角41 個地級市中，生態(tài)盈余的城市從14 座下降至7 座，且均分布在皖南、浙西地區(qū)，不過隨著第三產(chǎn)業(yè)的發(fā)展和環(huán)保理念的推行，上海等發(fā)達城市的生態(tài)盈虧指數(shù)也開始有所回升。

三是城市在追求經(jīng)濟效率提升時，其生產(chǎn)決策的調(diào)整與當(dāng)?shù)厣鷳B(tài)環(huán)境情況可能是不相適應(yīng)的，若不補充生態(tài)視角的考量，容易出現(xiàn)過度開發(fā)地區(qū)進一步榨取生態(tài)資源，而生態(tài)資源富裕地區(qū)卻降低開發(fā)程度的現(xiàn)象；在區(qū)域內(nèi)進行資源消耗權(quán)的分配時，效率越高越優(yōu)先發(fā)展的分配方式面臨著生態(tài)水平與經(jīng)濟效率脫節(jié)的風(fēng)險，將造成更加嚴重的生態(tài)壓力與兩極分化。

基于上述結(jié)論，本文提出幾點建議：

一是長三角地區(qū)作為我國重要的經(jīng)濟區(qū)域，在生產(chǎn)發(fā)展過程中不僅要考慮經(jīng)濟效率與增長，也需要關(guān)注生態(tài)環(huán)境等因素，做到統(tǒng)籌兼顧，實現(xiàn)資源的可持續(xù)利用。由粗放式發(fā)展模式向集約型經(jīng)營模式過度，合理規(guī)劃污染物排放與能源消耗，促進先進制造業(yè)與高新技術(shù)產(chǎn)業(yè)優(yōu)先發(fā)展。

二是政府在推動經(jīng)濟政策、產(chǎn)業(yè)政策出臺時，應(yīng)從能源結(jié)構(gòu)、技術(shù)進步、產(chǎn)業(yè)結(jié)構(gòu)、政府干預(yù)等多方位入手，既要關(guān)注區(qū)域協(xié)調(diào)的全面性，也要考慮不同城市的具體情況，結(jié)合當(dāng)?shù)貙嶋H，因地制宜進行調(diào)整。

三是推動清潔能源的研究發(fā)展，減少對于傳統(tǒng)能源的依賴，依托國家新能源相關(guān)支持政策綜合施策，促進能源體系的低碳化。加強科技創(chuàng)新，實現(xiàn)自主綠色技術(shù)進步，同時采取積極主動的干預(yù)政策，對生產(chǎn)過程進行引導(dǎo)，實現(xiàn)綠色持續(xù)發(fā)展。