2018, Vol. 38
[PDF全文]
2. 重庆大学山地城镇建设与新技术教育部重点实验室, 重庆 400045;
3. 煤矿灾害动力学与控制国家重点实验室, 重庆 400044;
4. 重庆大学资源及环境科学学院, 重庆 400044
2. Key Laboratory of New Technology for Construction of Cities in Mountain Area, Chongqing 400045;
3. State Key Laboratory of Coal Mine Disaster Dynamics and Control, Chongqing 400044;
4. College of Resources and Environmental Sciences, Chongqing University, Chongqing 400044
生态足迹法是加拿大生态经济学家Ree等提出并由其学生Wackernagel完善的一种衡量可持续发展程度的方法(Rees, 1992), 由徐中民等学者引入中国(徐中民等, 2000；张志强等, 2000；杨开忠等, 2000).生态足迹是指能够提供或消纳废物的具有一定生产能力的生物生产性土地面积, 是用以测度人类对自然界的需求与自然界所能够提供的生态服务之间的差距, 该方法可以清晰地分析不同区域之间消费的生态赤字/盈余.由于地理环境的区域性, 目前许多学者对生态足迹模型进行了改进(熊德国等, 2003；周涛等, 2015), 从最初的“全球公顷”(Wackernagel et al., 1999)后, 出现了“国家公顷”(Vuuren et al., 2000；Haberl et al., 2001；Wackernagel et al., 2004；顾晓薇等, 2005；吴开亚等, 2007)、“省公顷”(冯娟等, 2008；张恒义等, 2009)及“本地公顷”(张帅等, 2010；Kissinger, 2013)等方法.并且, 将生态足迹思想引入到生态补偿标准中, 作为生态环境可持续的重要指标, 进行量化评估标准.如Wackernagel等(2000)将生态足迹用于评估旅游生态环境的可持续性.Wood等(2009)利用生态足迹对澳大利亚北部的生态环境可持续进行了评估.Kratena等(2012)将生态足迹结合社会福利, 对土地利用空间配置的可持续性进行了研究.在Costanza发表了对生态系统服务价值的研究后, 使得基于生态足迹思想量化生态标准得到了快速的发展(Costanza et al., 1997).陈源泉等(2007)以生态足迹与生态系统服务价值等理论为基础, 提出了量化生态补偿标准的方法.肖建红等(2011)以湖南皂市大型水电工程为例, 将生态足迹思想引入大型水电工程生态补偿标准评估中, 通过构建生态供给与需求模型, 对大型水电工程的生态补偿标准进行了定量的评估.2014年, 肖建红等再次通过构建生态足迹的供给与生态需求模型, 并以三峡工程为案例进行了验证, 证明了生态足迹思想方法确立的生态补偿标准评价结果较稳定(肖建红等, 2015).
生态足迹法是度量可持续发展的重要方法, 其具有计算简便、可操作性强、易与其他指标结合、结论易懂等优点.将生态足迹思想引入生态补偿标准核算中, 可以扩大生态补偿标准的核算范围, 提高核算结果的准确性, 基于以往的研究成果, 生态足迹思想在大型库区生态补偿评价中应用是可行的, 但从国内外生态补偿相关研究来看, 以构建生态足迹模型为基础确定生态补偿标准的成果较少见, 关于生态足迹的各种改进方法在构建大型库区生态补偿标准评价模型中的适用性有待进一步研究.
三峡工程是我国具有防洪、发电、航运、水资源利用等综合效益的伟大工程, 已于2009年底建成运行, 并逐渐发挥综合效益.尽管在工程设计和建设中充分考虑了生态环境问题, 并实施了卓有成效的对策, 但由于受库区环境资源条件限制和库区经济发展影响的双重制约, 三峡库区生态环境恶化趋势并未得到根本遏制.加之三峡水库蓄水运行后又出现了支流部分水域富营养化现象、生态调度、库容保护、生态供水等新问题.为妥善解决三峡工程建设中的一些累积性问题和建成运行后出现的新问题, 确保充分发挥三峡工程综合效益, 急需开展三峡库区后续发展问题研究, 其重点是加强库区成库后生态环境保护.但由于国家对三峡库区提出了较高的生态环保要求, 使其产业发展受限、发展成本增加.要实现生态保护和经济发展的同步, 必须实行资源有偿使用制度和生态补偿制度, 改革生态环境保护管理体制.因此, 在三峡库区成库后, 确定其后续发展生态补偿标准对促进三峡库区生态保护、实现社会经济全面协调可持续发展具有重要的理论意义、实践意义和紧迫性.
本研究以生态足迹思想为手段, 构建三峡库区后续发展的生态足迹和生态承载力计算模型, 主要采用区域生态足迹和生态承载力之间的对比关系来量化和评价区域生态安全, 以此作为三峡库区后续发展生态补偿的方向.如果不安全, 说明生态系统需要进行生态补偿, 构建重庆三峡库区后续发展生态补偿模型, 进行评估量化, 科学制定三峡库区后续发展过程中各区县生态补偿的分配标准.
2 研究区域(Research area)重庆三峡库区地理位置介于105°49′E~110°12′E、28°28′N~31°44′N之间, 是整个三峡库区面积最大的一部分, 是受到三峡工程直接淹没或间接影响的地区, 共有22个区县, 包括了重庆主城在内的核心区域, 常住人口近1900万, 面积约为46191 km2, 占整个库区总面积的80.28%(图 1).重庆三峡库区跨长江中下游平原和四川盆地, 地貌主要是丘陵与山地, 是我国西南部重要的生态走廊与生态屏障.
 |
| 图 1 研究区域 Fig. 1 Research area |
重庆三峡库区一直处于重庆市最重要的经济发展区域, 城镇化率达到了50%以上, 经济主要以第二产业和第三产业为主, GDP占整个重庆市的70%以上.随着经济发展与人口增长, 带来工业和生活中的废水、垃圾严重污染了库区中的水质, 极大危害了库区水环境.目前, 重庆市正兴建垃圾填埋场和污水处理厂来解决这一问题.同时, 由于库区蓄水的原因, 使得三峡两岸的山体长期受到侵蚀, 引起泥石流、山体滑坡等自然灾害时有发生, 有些地区因水域面积扩大导致蒸发量增加, 影响了当地的气候环境, 导致水土流失加剧.
3 研究方法(Research methods) 3.1 构建三峡库区后续发展生态足迹和生态承载力计算模型 3.1.1 生态足迹与生态承载力模型生态足迹账户的计算是通过将不同的商品、能源消费按照一定的比例折算成相应的生物生产性土地面积(Wackernagel et al., 1999).具体如式(1)所示.
|
(1) |
式中, EF表示总生态足迹, N表示总人口数, ef表示人均生态足迹, rj表示第j种生物生产性土地的均衡因子；aai表示第i种商品折算为生物生产性土地面积；Ci表示第i种商品的人均消费量；EPi表示第i种商品的年世界平均产量；Pi表示第i种商品的年生产量；Ii表示第i种商品的年进口量；Ei表示第i种商品的年出口量.
在计算生态足迹时, 其生物生产性土地包括耕地、林地、草地、水域、化石能源用地、建筑用地共计6类, 包括了生物产品消费账户和能源消费账户.
生态承载力定量地描述了地区供给的生物生产性用地的总面积.其计算公式如式(2)所示.
|
(2) |
式中, EC表示总生态承载力；ec表示人均生态承载力；Si表示第i类生物生产性土地的面积；ri表示第i种生物生产性土地的均衡因子；yi表示第i种生物生产性土地的产量因子.
3.1.2 生态足迹模型与生态承载力模型修正生态足迹模型的修正主要是针对其均衡因子的修正.由于不同国家、地区等存在明显的差异性, 所以在具体应用生态足迹模型计算某一地区的生态足迹时, 必须进行模型的修正, 否则, 得到的结果参考价值不高.
目前, 许多学者进行了生态足迹模型修正的研究, 可以基于“国家公顷”和“省公顷”进行均衡因子产量因子的修正(张恒义等, 2009；高中良等, 2010；张帅等, 2010；周涛等, 2015), 本文运用“省公顷”的模型改进方法, 计算重庆市各类生物生产性土地的均衡因子与产量因子.
均衡因子在“省公顷”模型下表示：
|
(3) |
生态系统生产的各种生物产品都伴随着能量的流动, 通过按照一定的方式可以转换为热值.利用估算的某种生物生产性土地的生物量计算平均生产力, 最终计算出均衡因子, 见公式(4).
|
(4) |
式中, qi表示省域内第i类生物生产性土地的均衡因子；
在进行均衡因子的计算时, 公式中所有产品的热值数据均来源于《农业技术经济手册(修订本)》.化石能源用地的均衡因子的计算采用谢鸿宇等(2008)提出的方法, 根据草地和林地按照一定的关系来求取.建筑用地基本占用的耕地, 所以其均衡因子值等于耕地的数值.
产量因子在“省公顷”模型下表示：
|
(5) |
跟均衡因子一样, 产量因子也可以通过能量进行计算(式(6)), 根据各种生物生产性土地上生物产品生产情况, 除以面积, 得到各地市生物生产性土地的平均生产力(张恒义等, 2009).
|
(6) |
式中, yij表示j市第i类生物生产性土地的产量因子；
化石能源用地的产出因子为0, 建筑用地等于耕地的产量因子数值.
通过重新计算得到的重庆市各类生物生产性土地的均衡因子与产量因子进行生态足迹模型与生态承载力模型的修正.
3.2 重庆三峡库区后续发展生态安全评估模型构建本文采用区域生态足迹和生态承载力之间的对比关系来量化和评价区域生态安全, 以此作为三峡库区后续发展生态补偿的方向, 如果不安全, 说明生态系统需要进行生态补偿.
构建生态安全指数：
|
(7) |
式中, ES表示生态安全指数, 当ES < 1时, 则EF < EC, 表明该地区处于生态盈余状态；当ES=1时, 则EF=EC, 表明该地区生态不盈余也不赤字；当ES>1时, 则EF>EC, 表明该地区处于生态赤字状态.通过计算, 若地区的ES>1, 即该地区处于生态赤字状态, 则需要进行生态补偿.
3.3 三峡库区后续发展生态补偿标准模型构建本文主要在前人研究的基础上(陈源泉等, 2007；杨璐迪等, 2017), 基于生态足迹于生态系统服务价值等, 构建生态补偿标准模型.
|
(8) |
式中, EV表示生态补偿额度；evi表示第i种生物生产性土地的生态补偿额度；Ei表示第i种生物生产性土地的生态足迹系数；Ri表示第i种生物生产性土地的生态系统服务价值系数；Ki表示第i种生物生产性土地的生态补偿系数.
生态系统服务价值在基于生态足迹的思想计算生态补偿额度时起到纽带的作用, 能够将生态环境的安全性量化为具体金额.在利用式(8)计算生态补偿额度时, 不同的学者采用的方法也有一定的差别(陈源泉等, 2007；程淑杰等, 2013；杨璐迪等, 2017；肖建武等, 2017；郭荣中等, 2017).将式(8)细化：
|
(9) |
式中, ESVi表示第i种生物生产性土地的生态系统服务价值.其中, Ki=Li/(1+ae-bt), Li表示补偿能力, 用GDP量化, 其值Li=GDPi/GDP；a、b为常数, e为自然常数, t为恩格尔系数的倒数.取a=b=1, Ki=eε/(eε+1)×Li=eε×GDPi/[(eε+1)×GDP], ε表示恩格尔系数.
4 结果分析(Results) 4.1 重庆三峡库区后续发展生态足迹分析 4.1.1 均衡因子修正本文选取了时间在2010—2016年, 生物产品消费账户包括农产品(25)、畜牧产品(9)、林产品(13)、水产品(4)共4个类型51个指标的数据, 根据重庆市实际的生物产品生产情况, 例如, 猪和禽类主要依靠农产品饲养, 所以将其划分入耕地类别之中.将各个指标划分入耕地、林地、草地、水域共计4种生物生产性土地, 得到耕地(29)、林地(13)、草地(5)、水域(4)的具体指标, 通过《农业技术经济手册(修订本)》查询每种产品的单位热值, 计算出各生物生产性土地的生物量(J), 利用式(4)进行生态足迹模型的均衡因子修正.能源消费账户包括4个能源指标, 划分入化石能源用地(3)、建筑用地(1).化石能源用地的均衡因子运用谢鸿宇等(2008)提出的方法.建筑用地的均衡因子等于耕地.最终得到重庆市生物生产性土地的均衡因子(表 1).在这5年间, 耕地的均衡因子在逐渐减小, 林地逐渐增大, 草地变化有限, 水域在逐渐增大, 化石能源用地也在增大.计算出的均衡因子构建了一个时间序列, 通过对因子进行预测, 可以进行均衡因子的动态修正.
| 表 1 2010—2016年均衡因子 Table 1 Equivalence facter (2010—2016) |
 |
利用计算的均衡因子将生态足迹在三峡库区的模型进行修正, 并计算各个区县的生态足迹.
通过式(1)可以计算出生物产品消费账户与能源消费账户的生态足迹.在生物产品消费账户上, 由于有些数据难以收集, 主要以统计年鉴能收集到的消费数据计算.在能源消费账户上, 本文在计算能源消费账户的生态足迹时, 所有能源消费均已转换为标准煤, 采用谢鸿宇等(谢鸿宇等, 2008)提出的基于碳循环的方法计算, 1 t煤炭的生态足迹等于0.1233587 hm2(林地)加上0.1035385 hm2(草地).
通过计算, 将生物产品消费账户与能源消费账户的人均生态足迹加和, 得到重庆三峡库区人均生态足迹(表 2).
| 表 2 2010—2016年人均生态足迹 Table 2 Per capita ecological footprint (2010—2016) hm2 |
|
随着时间的变化, 人均生态足迹也有一定的在变化.2010—2016年人均生态足迹最小的是云阳县或忠县, 最大的是渝中区或武隆区.在这7年间, 重庆三峡库区的平均人均生态足迹分别为1.823、2.022、1.958、1.844、1.859、1.736和1.820 hm2, 呈波动的情况.每年超过平均值的区县分别有9、12、11、9、8、9和8个, 其中大部分都是主城区.而主城区很少甚至没有利用生物生产性土地生产生物产品, 它们计算出的生态足迹除了生物产品消费账户以外, 对能源的消费也很多(图 2).从图 2中可以明显看出渝中区对能源的消费是居重庆三峡库区首位的, 所带来的结果是人均生态足迹也是处于最大.生态足迹反映了对自然的利用程度, 从侧面反映了一个地区的发展程度, 越是发达的地区, 其生态足迹也就越大, 其发展对自然资源与环境影响越大, 反之则小.
 |
| 图 2 人均生物足迹、人均能源足迹和人均生态足迹对比 Fig. 2 Comparison of per capita biological footprint, per capita energy footprint and per capita ecological footprint |
为了明确重庆三峡库区各区县生态足迹的地域间差异, 本文基于GIS空间分析技术, 对重庆三峡库区生态足迹进行了等级划分, 重庆三峡库区的生态足迹空间差异化结果如图 3所示.
 |
| 图 3 2010—2016年生态足迹空间分布 Fig. 3 Spatial distribution of ecological footprint (2010—2016) |
将重庆三峡库区的生态足迹分为5个等级, 自2010年以来, 生态足迹从空间分布上看, 呈现包括主城区的西南段和中部包括万州区、开州区的较大、东北段较小的格局, 这主要是由于发展引起的.结合图 2与图 3, 可以发现主城区的生态足迹普遍较大, 虽然大部分地区将其生产生物产品的生态负担转移到了外围地区, 但主要以第二产业和第三产业为主, 在与其它区县同样消费生物产品的情况下, 消费的化石能源与电力能源会更加的巨大, 而其它区县更多以第一产业、第二产业为主, 对能源的需求比较起来并不大.经济越是发达的地区, 其计算得出的生态足迹更加偏重能源消费, 而不发达的地区则生产生物产品, 除了自身需要, 还要供给发达地区, 造成欠发达地区的生态负担加重.从整体上看, 重庆三峡库区的生态足迹在2010—2016年分别是32685952.902、37293815.123、37060368.071、34669803.583、34954261.312、31857322.731和33581597.121 hm2, 呈现出一定的波动, 但还是有增加的趋势, 说明该地区经济也一直在发展.
4.2 三峡库区后续发展生态承载力分析 4.2.1 产量因子修正通过式(6)的方法, 再结合重庆市各类生物产品的实际生产状况, 将三峡库区各个区县主要生物产品平均产量除以重庆市的平均产量, 得到各个区县的各种生物生产性土地的产量因子, 通过计算得到2010—2016年产量因子平均值(表 3).
| 表 3 2010—2016年平均产量因子 Table 3 Average yield factor (2010—2016) |
|
生态承载力由式(2)计算得出, 其中均衡因子与产量因子均采用模型修正的数值.得到重庆三峡库区各个区县的人均生态承载力(表 4).
| 表 4 2010—2016年人均生态承载力 Table 4 Per capita ecological carrying capacity (2010—2016) |
|
世界环境与发展委员会所做出的《我们共同的未来》报告一文, 为了保护生物多样性, 建议在计算生态承载力时扣除12%的面积.生态承载力表征了为人类提供资源的土地面积, 是人类赖以生存的基础, 在2010—2016年, 重庆三峡库区的平均人均生态承载力最小的区县是渝中区, 为0.009 hm2, 最大的是武隆区, 为0.850 hm2, 整个重庆三峡库区的平均人均生态承载力为0.376 hm2.
不同生物生产性土地的生态承载力不同(图 4), 由于区域差异性, 不同地区不同生物生产性土地的生态承载力大小排序可能不同, 不过总体上来说, 是耕地>建筑用地>林地>草地>水域, 且耕地远大于其他土地.
 |
| 图 4 2010—2016年不同土地生态承载力对比 Fig. 4 Comparison of ecological carrying capacity of different land(2010—2016) |
为了比较重庆三峡库区各区县生态承载力地域间差异, 本文基于GIS空间分析技术, 对重庆三峡库区生态承载力进行了等级划分, 重庆三峡库区的生态承载力空间差异化结果如图 5所示.
 |
| 图 5 2010—2016年生态承载力空间分布 Fig. 5 Spatial distribution of ecological carrying capacity (2010—2016) |
将重庆三峡库区的生态承载力分为5个等级, 自2010年以来, 生态承载力从空间分布上看, 呈东北段和西南段部分地区较大的格局.主城区的生态承载力较小, 是因为主城区域的经济发展占用了大量的生物生产性土地, 使得建筑用地面积逐渐增大, 其他类土地慢慢减少, 甚至没有, 导致其生态承载力呈现逐渐减小的趋势.从整体上来看, 重庆三峡库区的生态承载力在2010—2016年分别是6954328.724、6843078.489、6772718.758、6717394.269 hm2和6539725.345、6303390.629和6518821.018 hm2, 总体呈现减少的趋势.
4.3 重庆三峡库区后续发展生态补偿标准测算通过式(7)进行重庆三峡库区的生态安全评估(表 5), 可以发现求得ES全部大于1, 则表明该地区处于生态赤字的状态, 生态环境处于不安全的状态, 需要进行生态补偿.
| 表 5 生态安全系数 Table 5 Ecological safety factor |
|
对于生态补偿的计算, 已经有许多学者进行了研究, 本文采用基于生态足迹思想, 结合生态系统服务价值的相关方法, 计算重庆三峡库区的生态补偿额度.
在进行生态补偿额度计算时, 采用式(7), 实质上是对生态赤字的面积进行生态补偿, 在计算模型中的一个重要系数就是生态服务系统价值, 不同的取值直接导致了生态补偿额度的差异.而目前许多学者对三峡库区生态服务价值进行了估算(杜加强等, 2008；姜永华等, 2008；国洪磊等, 2016；严恩萍等, 2014；马骏等, 2014)(表 6).
| 表 6 三峡库区生态系统服务价值 Table 6 Ecosystem Services Value in the Three Gorges Reservoir Area |
|
从表 6中可以看出：不同的学者、不同的时间、不同的估算范围, 对三峡库区所估算出的生态系统服务价值是存在差异的, 本文在考虑估算时间、估算范围等条件后, 选择国洪磊等估算的生态系统服务价值作为生态补偿系数Ri的值, 对重庆三峡库区生态补偿额度核算(表 7).其中对于化石能源用地的生态服务价值按照林地与草地按照一定的比例折算(谢鸿宇等, 2008).
| 表 7 2010—2016年生态补偿额度 Table 7 Ecological compensation(2010—2016) |
|
将2010—2016年的重庆三峡库区生态补偿额度划分为5个等级, 并根据各年份常住人口计算出人均生态补偿额度, 并进行空间差异化如图 6所示.
 |
| 图 6 2010—2016年人均生态补偿 Fig. 6 Per capita ecological compensation(2010—2016) |
将重庆三峡库区人均生态补偿额度划分为5个等级, 从图中可以看出, 从2010—2016年有的地区发生了一个补偿级的变化.从空间上看, 有高有低, 呈现高低错落的分布, 主城区较其它区县大.通过研究7年的人均生态补偿数据, 结果表明：补偿额度小于100元的有7个区县, 分别是大渡口区、奉节县、石柱县、巫山县、巫溪县、云阳县和忠县；在100~200元有4个, 分别是长寿区、丰都县、开州区和武隆区；在200~300元的有2个, 分别是巴南区和北碚区；在300~400元的有5个, 分别是万州区、江北区、江津区、涪陵区和南岸区；大于400元的有4个, 分别是沙坪坝区、渝中区、渝北区和九龙坡区.
将重庆三峡库区的生态足迹、生态承载力、生态补偿额度汇总(图 7).
 |
| 图 7 2010—2016年生态足迹、生态承载力、生态补偿额度 Fig. 7 Ecological footprint, ecological carrying capacity and ecological compensation(2010—2016) |
从图 7可以看出重庆三峡库区的生态补偿额度随生态足迹与生态承载力的变化.在2010—2016年, 生态足迹有增有减, 生态承载力有一定的减少, 影响了生态补偿额度也相应有所增长.具体结果表明：在整体上, 2010年需补偿约44.44亿元, 2011年需补偿约51.32亿元, 2012年需补偿约53.97亿元, 2013年需补偿约48.28亿元, 2014年需补偿约51.44亿元, 2015年需补偿约65.96亿元, 2016年需补偿约69.06亿元, 在这7年间的生态补偿额度都从44.44亿元增加到了69.06亿元, 虽然计算出的补偿额度是存在小幅波动, 但整体上来增长的趋势是明显的, 反映了人类的活动已经超过了生态承载力, 且这个趋势还在增加, 生态赤字逐渐在增大.而目前, 重庆正处于高速发展的时期, 其经济发展必将带来对生态占用的增加, 导致生态赤字的不断增高, 带来生态补偿的额度也相应增长.
4.5 重庆三峡库区生态补偿变化预测基于2010—2016年计算得到的各个区县的生态补偿标准, 构建了线性回归模型, 进行2017—2020年生态补偿标准的预测(图 8).
 |
| 图 8 2017—2020年生态补偿标准预测 Fig. 8 Prediction of ecological compensation(2017—2020) |
从图 8可以看出, 预测的生态补偿标准中, 从空间分布上看, 重庆三峡库区的西南段整体的人均生态补偿额度是高于东北段, 从不同时间段上看, 基本上各个区县有增长的趋势, 少部分有减少的趋势.总体上看, 生态补偿额度呈现增长趋势.生态补偿额度应随着时间逐渐提高, 最终达到稳定的状态, 在提高的过程中, 补偿额度不能一直处于高增长率, 否则过高的生态补偿会使地方养成依赖性, 应该是增长率逐渐减小的趋势, 让地方既能获得生态补偿的鼓励, 但又不能过分的依靠生态补偿, 使生态补偿趋于稳定.
5 讨论(Discussion)目前, 针对大型库区生态补偿已经有学者进行了相关研究, 如表 8所示.官冬杰等运用了机会成本法、生态系统服务价值等方法进行了生态补偿标准的核算(官冬杰等, 2016), 同时, 运用了博弈论对生态补偿机制、模式进行了研究, 构建了补偿群与保护群策略选择的3种情形, 并对其投入资金进行了分析, 得到了生态补偿博弈模型的最优解, 并且通过引进“约束机制”提高其实用价值(官冬杰等, 2017)；孙盼盼和尹珂采用意愿调查法, 以农户受偿意愿为依据, 估算三峡库区消落带农户受偿意愿平均值为549.72元·a-1(孙盼盼等, 2014)；张乐勤和荣慧芳以安徽省南部长江一级支流秋浦河为例, 基于条件价值法得出下游的最大支付意愿为5623.64万元(张乐勤等, 2012)；杜丽娟等对潘家口库区的研究得出上游地区的水土保持补偿标准为：对林草措施生态功能的补偿为2.56元·hm-2, 对“退耕还林”的补偿为2.06元·hm-2, 此补偿标准偏低导致实施起来缺乏激励性(杜丽娟等, 2010)；徐琳瑜等以厦门市莲花水库工程生态补偿为例, 选择生态服务功能价值计算方法确定生态补偿标准(徐琳瑜等, 2006).而本文基于生态足迹的思想进行了重庆三峡库区的生态补偿额度的计算, 从2010—2016年平均每年的生态补偿额度约为54.92亿元, 与官冬杰博弈论补偿研究中实际情况下情形2和情形3的结果一致.通过生态足迹计算的生态补偿额度, 再基于生态补偿机制、模式, 可以针对库区内各区县进行精准补偿.
| 表 8 基于不同模型不同区域生态补偿额度的比较分析 Table 8 Comparison and analysis of ecological compensation in different areas based on different models |
|
通过比较分析, 虽然这些方法在生态补偿标准量化研究中得到广泛应用, 但由于其各自的特点, 理论依据和适用条件不同, 核算的结果往往差异很大.生态系统服务价值法和机会成本法确定的结果偏重理论性；条件价值法确定的结果偏重主观性, 在生态补偿标准核算过程中, 都只能作为参考值.将生态足迹思想引入生态补偿标准核算中, 可以扩大生态补偿标准的核算范围, 提高核算结果的准确性.基于以往的研究成果, 生态足迹思想在大型库区生态补偿评价中应用是可行的, 本研究将生态足迹思想在大型库区生态补偿标准评价中与其他方法相结合, 采取兼顾主观方法和客观方法的思路, 避免一种方法的不确定性和随意性, 使研究结果更接近实际, 具有参考价值.不过基于生态系统系统服务价值测算生态补偿时, 存在一定的不足之处, 多数学者通过Costanza和谢高地等确定的评估方法计算生态系统服务价值, 即使是对同一地区的测算, 也存在计算结果的差异性, 本文通过对多个学者研究结果进行对比, 选择了一个处于中间段的成果.
随着三峡工程的兴建, 为我国各行业带来了许多的正面的与负面的效益, 肖建红对三峡工程进行了生态补偿的正面与负面影响的评估, 其计算的负面经济损失达123亿元, 正面的经济价值约619亿元, 并根据受益者确定了生态补偿主体是水电品开发业主和政府(中央与地方)(肖建红等, 2015).其主要是通过三峡工程带来的间接的产品(如发电产品、旅游、水库养殖等)价值来核算经济价值.本文计算得到的生态补偿额度是一个直观的价值, 不足之处在于并未体现出正面与负面的效益, 还有待后续深入研究.为了满足实现生态保护和经济发展的同步的条件下, 使生态足迹与生态承载力达到相对均衡的状态, 地方政府也需要提高经费用于生态补偿, 其生态补偿资金需要来源于补偿主体.
在研究时间内, 商品消费不管是生物产品的消费还是对能源的消费, 都存在增长的趋势.生物产品消费增加了56.25×104 t, 能源消费增加了511.35×104 t.生物产品消费的增长主要是因为人口的增长引起的, 而能源消费的增长主要是社会经济发展对能源的需求增加.生物产品消费与能源消费的增加, 引起生态足迹的增加, 表明人类活动给生态环境带来了更大的影响.重庆三峡库区在2010—2015年间, 其土地利用类型也发生了变化.总的来说, 在这5年间, 耕地减少了大约507.42 km2, 草地减少了285.98 km2, 林地与水域变化不大, 建筑用地增加了775.38 km2, 整个研究区土地利用类型面积增长基本全部集中在建筑用地上, 使得生态承载力有一定的下降, 而建筑用地的生态系统服务价值基本为0, 并不能为生态环境创造有益的价值.由于生态足迹和生态承载力的增加和减少导致生态赤字逐渐扩大, 生态补偿额度也会相应提高.
6 结论(Conclusions)1) 本文通过对均衡因子和产量因子的修正, 将生态足迹模型与生态承载力模型区域化, 并采用生态系统服务价值进行重庆三峡库区生态补偿额度的核算, 结果表明核算出的生态补偿额度处于合理的范围之内, 说明该方法是具有实用价值的, 通过生态足迹的思想计算生态补偿额度是可行的, 研究结果可以作为三峡库区后续发展生态补偿标准的参考依据.
2) 基于“省公顷”的方法修正了生态足迹模型, 并在此基础上计算了重庆三峡库区的生态足迹, 发现在研究时间内, 库区内的生态足迹有增长的趋势.经济发展越好的地方, 其生态足迹也相应的较高.
3) 基于修正的生态承载力模型, 计算了重庆三峡库区的生态承载力, 在研究时间段内, 库区内的生态承载力呈现逐年下降的趋势.由于经济的发展, 引起了生物生产性土地发生变化, 在不同地类之间转换, 使生态承载力有所改变.
4) 通过构建的生态安全判断模型, 得出重庆三峡库区全部区县都处于不安全的状态, 特别是主城区的生态非常不健康, 需要进行生态补偿.而想改变生态安全状态, 从不安全变为安全, 或者使不安全状态稳定, 不恶化下去, 可以限制建筑用地的扩张, 提高土地的利用程度与效率, 如提高耕地产出等方式, 使农业高质高效.
5) 本文只选择了一个时间段, 揭露后续发展变化是有限的, 通过多年的数据, 可以基于时间序列构建一个动态预测的模型, 进行后续的生态足迹、生态承载力、生态补偿额度的预测.
Costanza R, D'Arge R, Groot R D, et al. 1997. The value of the world's ecosystem services and natural capital[J]. World Environment, 387(1): 3–15.
|
陈源泉, 高旺盛. 2007. 基于生态经济学理论与方法的生态补偿量化研究[J]. 系统工程理论与实践, 2007, 27(4): 165–170.
DOI:10.3321/j.issn:1000-6788.2007.04.025 |
程淑杰, 朱志玲, 王林伶, 等. 2013. 基于"省公顷"足迹变化的泾源县生态补偿定量评价[J]. 水土保持研究, 2013, 20(5): 216–220.
|
杜加强, 王金生, 滕彦国, 等. 2008. 重庆市生态系统服务价值动态评估[J]. 生态学杂志, 2008, 27(7): 1187–1192.
|
杜丽娟, 王秀茹, 刘钰. 2010. 水土保持生态补偿标准的计算[J]. 水利学报, 2010, 41(11): 1346–1352.
|
冯娟, 赵全升, 谢文霞, 等. 2008. "省公顷"在小城镇生态足迹分析中的应用研究——以山东省晏城镇生态建设为例[J]. 地理科学, 2008, 28(2): 209–213.
DOI:10.3969/j.issn.1000-0690.2008.02.014 |
高中良, 郑钦玉, 谭秀娟, 等. 2010. "国家公顷"生态足迹模型中均衡因子及产量因子的计算及应用——以重庆市为例[J]. 安徽农业科学, 2010, 38(15): 7868–7871.
DOI:10.3969/j.issn.0517-6611.2010.15.152 |
顾晓薇, 王青, 刘建兴, 等. 2005. 基于"国家公顷"计算城市生态足迹的新方法[J]. 东北大学学报(自然科学版), 2005, 26(4): 397–400.
DOI:10.3321/j.issn:1005-3026.2005.04.025 |
官冬杰, 龚巧灵, 刘慧敏, 等. 2016. 重庆三峡库区生态补偿标准差别化模型构建及应用研究[J]. 环境科学学报, 2016, 36(11): 4218–4227.
|
官冬杰, 刘慧敏, 龚巧灵, 等. 2017. 重庆三峡库区后续发展生态补偿机制、模式研究[J]. 重庆师范大学学报(自然科学版), 2017, 34(1): 39–48.
|
郭荣中, 申海建. 2017. 基于生态足迹的澧水流域生态补偿研究[J]. 水土保持研究, 2017, 24(2): 353–358.
|
国洪磊, 周启刚. 2016. 三峡库区蓄水前后土地利用变化对生态系统服务价值的影响[J]. 水土保持研究, 2016, 23(5): 222–228.
|
Helmut Haberl H, Erb K H, Krausmann F. 2001. How to calculate and interpret ecological footprints for long periods of time:the case of Austria 1926-1995[J]. Ecological Economics, 38(1): 25–45.
DOI:10.1016/S0921-8009(01)00152-5
|
姜永华, 江洪, 曾波, 等. 2008. 三峡库区(重庆段)土地利用变化对生态系统服务价值的影响分析[J]. 水土保持研究, 2008, 15(4): 234–237.
|
Kissinger M. 2013. Approaches for calculating a nation's food ecological footprint-The case of Canada[J]. Ecological Indicators, 24(24): 366–374.
|
Kratena K, Streicher G. 2012. Spatial welfare economics versus ecological footprint:A sensitivity analysis introducing strong sustainability[J]. Environmental & Resource Economics, 51(4): 617–622.
|
马骏, 马朋, 李昌晓, 等. 2014. 基于土地利用的三峡库区(重庆段)生态系统服务价值时空变化[J]. 林业科学, 2014, 50(5): 17–26.
|
Rees W E. 1992. Ecological footprints and appropriated carrying capacity:what urban economics leaves out[J]. Focus, 6(2): 121–130.
|
孙盼盼, 尹珂. 2014. 基于农户意愿的三峡库区消落带弃耕经济补贴标准估算及影响因素分析[J]. 中国农学通报, 2014, 30(29): 115–119.
|
Vuuren D P V, Smeets E M W. 2000. Ecological footprints of Benin, Bhutan, Costa Rica and the Netherlands[J]. Ecological Economics, 34(1): 115–130.
DOI:10.1016/S0921-8009(00)00155-5
|
Wackernagel M, Lewan L, Hansson C B. 1999. Evaluating the use of natural capital with the ecological footprint:applications in Sweden and Subregions[J]. Ambio, 28(7): 604–612.
|
Wackernagel M, Monfr C, Er K H. 2004. 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, 21(3): 261–269.
DOI:10.1016/j.landusepol.2003.10.007
|
Wackernagel M, Onisto L, Bello P, et al. 1999. National natural capital accounting with the ecological footprint concept[J]. Ecological Economics, 29(3): 375–390.
DOI:10.1016/S0921-8009(98)90063-5
|
Wackernagel M, Yount J D. 2000. Footprints for sustainability:The next steps[J]. Environment Development & Sustainability, 2(1): 23–44.
|
Wood R, Garnett S. 2009. An assessment of environmental sustainability in Northern Australia using the ecological footprint and with reference to Indigenous populations and remoteness[J]. Ecological Economics, 68(5): 1375–1384.
DOI:10.1016/j.ecolecon.2008.09.008
|
吴开亚, 王玲杰. 2007. 基于全球公顷和国家公顷的生态足迹核算差异分析[J]. 中国人口·资源与环境, 2007, 17(5): 80–83.
DOI:10.3969/j.issn.1002-2104.2007.05.016 |
肖建红, 陈绍金, 于庆东, 等. 2011. 基于生态足迹思想的皂市水利枢纽工程生态补偿标准研究[J]. 生态学报, 2011, 31(22): 6696–6707.
|
肖建红, 王敏, 于庆东, 等. 2015. 基于生态足迹的大型水电工程建设生态补偿标准评价模型——以三峡工程为例[J]. 生态学报, 2015, 35(8): 2726–2740.
|
肖建武, 余璐, 陈为, 等. 2017. 湖南省区际生态补偿标准核算——基于生态足迹方法[J]. 中南林业科技大学学报(社会科学版), 2017, 11(1): 27–33.
|
谢鸿宇, 陈贤生, 林凯荣, 等. 2008. 基于碳循环的化石能源及电力生态足迹[J]. 生态学报, 2008, 28(4): 1729–1735.
DOI:10.3321/j.issn:1000-0933.2008.04.044 |
谢鸿宇, 王羚郦, 陈贤生. 2008. 生态足迹评价模型的改进与应用[M]. 广州: 化学工业出版社.
|
熊德国, 鲜学福, 姜永东. 2003. 生态足迹理论在区域可持续发展评价中的应用及改进[J]. 地理科学进展, 2003, 22(6): 618–626.
DOI:10.3969/j.issn.1007-6301.2003.06.010 |
徐琳瑜, 杨志峰, 帅磊, 等. 2006. 基于生态服务功能价值的水库工程生态补偿研究[J]. 中国人口·资源与环境, 2006, 16(4): 125–128.
DOI:10.3969/j.issn.1002-2104.2006.04.026 |
徐中民, 张志强, 程国栋. 2000. 甘肃省1998年生态足迹计算与分析[J]. 地理学报, 2000, 55(5): 607–616.
|
严恩萍, 林辉, 王广兴, 等. 2014. 1990-2011年三峡库区生态系统服务价值演变及驱动力[J]. 生态学报, 2014, 34(20): 5962–5973.
|
杨开忠, 杨咏, 陈洁. 2000. 生态足迹分析理论与方法[J]. 地球科学进展, 2000, 15(6): 630–636.
DOI:10.3321/j.issn:1001-8166.2000.06.002 |
杨璐迪, 曾晨, 焦利民, 等. 2017. 基于生态足迹的武汉城市圈生态承载力评价和生态补偿研究[J]. 长江流域资源与环境, 2017, 26(9): 1332–1341.
DOI:10.11870/cjlyzyyhj201709005 |
张恒义, 刘卫东, 林育欣, 等. 2009. 基于改进生态足迹模型的浙江省域生态足迹分析[J]. 生态学报, 2009, 29(5): 2738–2748.
DOI:10.3321/j.issn:1000-0933.2009.05.067 |
张恒义, 刘卫东, 王世忠, 等. 2009. "省公顷"生态足迹模型中均衡因子及产量因子的计算——以浙江省为例[J]. 自然资源学报, 2009, 24(1): 82–92.
DOI:10.3321/j.issn:1000-3037.2009.01.010 |
张乐勤, 荣慧芳. 2012. 条件价值法和机会成本法在小流域生态补偿标准估算中的应用——以安徽省秋浦河为例[J]. 水土保持通报, 2012, 32(4): 158–163.
|
张帅, 董泽琴, 王海鹤, 等. 2010. 基于"市公顷"模型的某县级市生态足迹分析[J]. 安徽农业科学, 2010, 38(22): 11867–11870.
DOI:10.3969/j.issn.0517-6611.2010.22.078 |
张帅, 董泽琴, 王海鹤, 等. 2010. 基于生态足迹改进模型的均衡因子与产量因子计算——以某市为例[J]. 安徽农业科学, 2010, 38(14): 7496–7498.
DOI:10.3969/j.issn.0517-6611.2010.14.140 |
张志强, 徐中民, 程国栋. 2000. 生态足迹的概念及计算模型[J]. 生态经济(中文版), 2000(10): 8–10.
|
周涛, 王云鹏, 龚健周, 等. 2015. 生态足迹的模型修正与方法改进[J]. 生态学报, 2015, 35(14): 4592–4603.
|