珠江流域作为我国经济最活跃的流域之一,对于其流域地区的生态和经济发展都具有重大意义,为探究其生态补偿效率,本探究通过建立三级指标体系,共包含50个指标变量,分别使用熵权法计算得分和熵权-TPOSIS计算排名,通过结果得出相应结论,一是位于珠江流域上游的云南生态补偿效率综合得分较低,而广西的补偿效率得分较高。二是经济效率的权重较大,但不是唯一的主要影响因素,并基于此提出可行性建议。 Pearl river basin as one of the most active economic basin in China, for its ecological and economic development is of great significance, to explore the ecological compensation efficiency, this explore through the establishment of threelevel index system, contains 50 index variables, using the entropy weight method to calculate score and entropy Right-TPOSIS ranking, through the corresponding conclusion, one is located in the pearl river basin upstream Yunnan ecological compensation efficiency comprehensive score is low, and the Guangxi compensation efficiency score is higher. Second, the weight of economic efficiency is large, but it is not the only main influencing factor, and feasibility suggestions are put forward based on this.
珠江流域作为我国经济最活跃的流域之一,对于其流域地区的生态和经济发展都具有重大意义,为探究其生态补偿效率,本探究通过建立三级指标体系,共包含50个指标变量,分别使用熵权法计算得分和熵权-TPOSIS计算排名,通过结果得出相应结论,一是位于珠江流域上游的云南生态补偿效率综合得分较低,而广西的补偿效率得分较高。二是经济效率的权重较大,但不是唯一的主要影响因素,并基于此提出可行性建议。
珠江流域,综合评价,TOTSIS法
Sinian Chen
School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming Yunnan
Received: Mar. 14th, 2023; accepted: Apr. 13th, 2023; published: May 31st, 2023
Pearl river basin as one of the most active economic basin in China, for its ecological and economic development is of great significance, to explore the ecological compensation efficiency, this explore through the establishment of three-level index system, contains 50 index variables, using the entropy weight method to calculate score and entropy Right-TPOSIS ranking, through the corresponding conclusion, one is located in the pearl river basin upstream Yunnan ecological compensation efficiency comprehensive score is low, and the Guangxi compensation efficiency score is higher. Second, the weight of economic efficiency is large, but it is not the only main influencing factor, and feasibility suggestions are put forward based on this.
Keywords:Pearl River Basin, Comprehensive Evaluation, TOTSIS Method
Copyright © 2023 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
珠江流域作为我国经济最活跃的流域之一,对于其流域地区的生态和经济发展都具有重大意义。珠江流域最大的特征就是其流经的各个省份在文化、经济等方面的发展联系密切,自古以来就是一个较为完整的发展区域,并且珠江流域拥有较多的水资源和土地资源,较为完整的生态补偿机制的建立对珠江流域的发展显得尤为重要本研究旨在建立一个衡量流域水资源生态补偿效率的指标体系,以珠江流域为例,对四省的文化、生态、经济、政治、综合和社会效率进行测度,以期探索出更有效的补偿政策和法律制度,以期实现长江流域水资源的综合利用、水资源与水生态环境的保护、流域区域的协同发展以及利益的和谐。
对于流域水资源的生态补偿研究,从流域的水环境方面,Hoekstra (2003) [
对于研究方法,时润哲(2019) [
基于此,本文将结合上述学者们研究成果的优缺点,总结得到将评价体系设置为文化、生态、经济、政治、综合和社会效率是比较合理的,并且使用熵权法能够更加有效的得到指标的信息熵从而更具体的判断各地区的水资源生态补偿综合效率。
熵权法的基本原理如下:
假设xij,是第i个样本第j个指标的观测数据,设ej为第j个指标的熵值,则
e j = 1 ln n ∑ i = 1 n f i j ln f i j (1)
f i j = x i j ∑ i = 1 n x i j (2)
式中,fij为为第j个指标下第i个样本的特征比重;xij为第i个样本中第j项指标的观测数据;∑xij为第j项指标的观测数据之和。
Wj*为第j个评价指标的熵权,则指标熵权为:
w j * = 1 − e j n − ∑ i = 1 n e j , j = 1 , 2 , ⋯ , m (3)
本文考虑到生态补偿指标体系比较复杂,在确定指标体系时,将一级指标设置为珠江流域水资源生态补偿综合效率;二级指标根据指标体系构建原则,主要分为文化、生态、经济、政治、综合和社会效率,五个维度相互协同;三级指标:每个指标都表示一定数值的基础变量,具体见表1;在社会效率层面,X3和X5的权重较大,经济效率层面,X19的权重较大,生态效率层面,X26、X34、X36和X38的权重较大,文化层面则是X42、X43、X45和X46权重较大,最后的政治效率层面则是X47、X48的权重较大。
一级指标 | 二级指标 | 三级指标 | 权重 |
---|---|---|---|
水资源生态补偿综合效率 | 社会效率 | X1新增城镇就业量(万人) | 0.0120 |
X2居民消费价格指数(%) | 0.0130 | ||
X3自来水普及的村的比例(%) | 0.0328 | ||
X4人均用水量(立方米/年) | 0.0180 | ||
X5生活用水比例(%) | 0.0338 | ||
X6垃圾集中处理村的比例(%) | 0.0120 | ||
X7有效灌溉面积(千公顷) | 0.0094 | ||
X8城镇居民人均可支配收入(元) | 0.0164 | ||
X9农村居民人均纯收入(元) | 0.0122 | ||
X10享受农村最低生活保障的人数(万人) | 0.0109 | ||
X11社会保障和就业支出比例(%) | 0.0104 |
水资源生态补偿综合效率 | 经济效率 | X12生产总值增长率(%) | 0.0110 |
---|---|---|---|
X13单位GDP耗水量(吨标准煤/万元) | 0.0119 | ||
X14农林牧渔业增加值增长率(%) | 0.0120 | ||
X15第三产业产值增长率(元) | 0.0090 | ||
X16林业产值增长率(元) | 0.0164 | ||
X17专项收入比例(%) | 0.0047 | ||
X18农业用水比例(%) | 0.0100 | ||
X19工业用水比例(%) | 0.0244 | ||
X20单位GDP能耗(立方米/万元) | 0.0147 | ||
生态效率 | X21供水量(亿立方米) | 0.0108 | |
X22工业废水排放量(万吨) | 0.0067 | ||
X23工业废水排放达标率(%) | 0.0137 | ||
X24工业废水中XOD排放量(吨) | 0.0490 | ||
X25工业废水中氨氮排放量(吨) | 0.0020 | ||
X26工业固体废物综合利用量(万吨) | 0.0162 | ||
X27“三废”综合利用产品价值(万元) | 0.0186 | ||
X28综合治理水土流失面积(平方公里) | 0.0142 | ||
X29农用化肥施用量(吨) | 0.0184 | ||
X30农药使用量(吨) | 0.0179 | ||
X31城镇公共以及生态环境用水比例(%) | 0.0138 | ||
X32森林覆盖率(%) | 0.0148 | ||
X33林业用地面积比例(%) | 0.0166 | ||
X34退耕还林(草)面积(公顷) | 0.0309 | ||
X35造林面积(公顷) | 0.0243 | ||
X36环境保护支出比例(%) | 0.0341 | ||
X37农林水事务支出比例(%) | 0.0252 | ||
X38治理废水资金使用(万元) | 0.0343 | ||
文化效率 | X39对环境变化的感知度(%) | 0.0222 | |
X40电视覆盖率(%) | 0.0221 | ||
X41居民对保护环境的贡献意愿(%) | 0.0224 | ||
X42居民对破坏环境行为的态度(%) | 0.0341 | ||
X43对环境重要性的认识度(%) | 0.0745 | ||
X44教育支出比例(%) | 0.0197 | ||
X45文化教育与传媒支出比例(%) | 0.0344 | ||
X46科学技术支出比例(%) | 0.0313 | ||
政治效率 | X47居民对目前生活状况的满足感(%) | 0.0309 | |
X48民主参与的满意度(%) | 0.0323 | ||
X49制定流域水资源生态补偿相关政策召开会议频度(%) | 0.0073 | ||
X50流域水资源生态补偿相关条例政策的出台频度(%) | 0.0121 |
表1. 指标体系
数据来源:中国统计年鉴、中国农业年鉴、中国工业年鉴等。
TOPSIS法是在1981年提出,现阶段被大量学者引用。国内学者吴冲等人研究后并改进了TOPSIS法为熵权-TOPSIS法。
其主要步骤为:(对某一年的指标进行介绍)
Step1:先进性标准化处理,具体公式见式(4):
y i j = x i j − min x j max x j − min x j (4)
xij表示第i个地区的第j个指标值;
Step2:熵权法求评估指标权重:
在本研究中,通过R软件编写熵权代码,进行指标权重的确定,同时计算得熵权后的经济社会发展水平综合得分,之后再运用TOPSIS法进行定量估计;
Step3:构造规范化矩阵:
利用第二部中得到的各个指标的权重值,得到决策矩阵V,
V = ( v i j ) m × n = [ w 1 y 11 ⋯ w n y 1 n ⋮ ⋱ ⋮ w 1 y m 1 ⋯ w n y m n ] (5)
其中代表wi各指标权重,m为评估的地区数,n为评估指标数;
Step4:确定正负理想解:
根据构造的规范化矩阵,找出评估地区的各项指标中的最大最小值,定义最大值为正理想解V+,最小值为负理想解V−。
V + = ( v 1 + , v 2 + , … , v n + ) = { max v i j | j = 1 , 2 , … , n } (6)
V − = ( v 1 − , v 2 − , … , v n − ) = { max v i j | j = 1 , 2 , … , n } (7)
Step5:计算各个地区反应指标大小的指标数值与政府理想解之间的距离:
d i + = ∑ j = 1 n ( v i j − v j + ) 2 (8)
d i − = ∑ j = 1 n ( v i j − v j − ) 2 (9)
Step6:计算每个地区每个指标的综合评价值:
C i = d i − d i + + d i − , 0 ≤ C i ≤ 1 ( i = 1 , 2 , … , n ) (10)
当Ci越大说明,第i个地区的经济社会发展水平越好。
通过R语言编写代码进行计算得到2010~2019年广东、广西、贵州、云南流域水资源生态补偿综合效率熵权得分如图1所示,贵州整体的得分都最低,广西的得分最高,广东的得分较云南高一些。广西则以较高的得分处于领先的地位,直到2017年,其得分被广东反超,但随后广西又呈现了明显上升的趋势,在后来的时间极大可能重回领先的地位。云南则从整体上呈现先上升后下降最后趋于平稳的趋势,而贵州则呈现持续下降并最后趋于平稳的趋势。在2010年,广西的得分12左右,但贵州和云南只有8左右,而广东则是10左右。广西比广东高4分,比贵州和云南高4分左右。在2015年,广西的得分为13左右,而广东有11.5左右,云南有10.8左右,贵州则只有6左右,远远低于其他三个省。在2019年,广东变成了最高得分为13左右,而广西有12左右,这一年云南只有8左右,贵州依旧最低,仅仅5左右。从趋势线可以估计,广西会继续上升,广东继续下降,重新回到广西得分高于广东,而云南随在上升,但高不过广西广东,贵州则继续保持最低得分。
图1. 综合得分图
如表2所示,首先,本文可以从排名的变化中了解到不同地区之间的发展趋势和差异。例如,在2010年,广西获得了第一名,但在接下来的几年中排名有所下降。相比之下,贵州在这个时期的排名逐渐上升,最终在2019年取得了第二名。同时,广东和云南的排名相对稳定,但云南在许多年份中的排名相对较低,反映出该地区的发展水平还需要进一步提高。这些变化说明不同地区在水资源生态补偿效率存在着一定的差异。
其次,本文可以从得分的变化中识别出一些相关性和趋势。例如,贵州和广西在近年来的得分上升较快,尤其是贵州在2011年至2019年间的发展速度明显加快。这可能反映出这些地区在经济和社会等领域的进步,为未来的发展奠定了坚实的基础。与此同时,广东和云南在得分方面相对稳定,但在一些关键领域的进展还有待提高。通过比较不同地区在不同领域的得分,本文可以更好地了解它们的优劣势,以便制定更有效的政策和计划来促进各地区的发展。
除了排名和得分的变化之外,表2还可以用于识别出一些可能的因果关系和趋势。例如,在2010年,广西获得了第一名,但在接下来几年中排名下降。这可能说明该地区在某些领域的发展存在瓶颈或者受到了其他因素的影响。然而,在2018年至2019年期间,广西的排名又恢复到前十名,这可能反映出该地区采取了一些有效的措施,推动了经济和社会的进步。通过对不同地区在不同时间段内的得分变化进行深入的分析,本文可以找出某些关键时刻或者事件,了解不同地区的发展过程和趋势。
最后,表2还可以作为一个参考工具来促进各地区之间的竞争和协作。通过了解其他地区的得分排名和发展情况,不同地区可以发现自己的优劣势,从而更好地制定发展计划和政策。同时,也可以借鉴其他地区的成功经验和做法,以便获得更多的启示和灵感。
年度 | 地区 | 得分排名 | 年度 | 地区 | 得分排名 |
---|---|---|---|---|---|
2010 | GX | 1 | 2010 | GZ | 21 |
2019 | GX | 2 | 2012 | GZ | 22 |
2011 | GX | 3 | 2014 | GZ | 23 |
2017 | GX | 4 | 2018 | GZ | 24 |
2014 | GX | 5 | 2019 | GZ | 25 |
2016 | GX | 6 | 2013 | GZ | 26 |
2012 | GX | 7 | 2015 | GZ | 27 |
2015 | GX | 8 | 2016 | GZ | 28 |
2013 | GX | 9 | 2017 | GZ | 29 |
2018 | GX | 10 | 2010 | YN | 30 |
2013 | GD | 11 | 2011 | YN | 31 |
2012 | GD | 12 | 2012 | YN | 32 |
2014 | GD | 13 | 2013 | YN | 33 |
2011 | GD | 14 | 2014 | YN | 34 |
2018 | GD | 15 | 2015 | YN | 35 |
2010 | GD | 16 | 2016 | YN | 36 |
2016 | GD | 17 | 2017 | YN | 37 |
2017 | GD | 18 | 2018 | YN | 38 |
2019 | GD | 19 | 2019 | YN | 39 |
2011 | GZ | 20 | 2015 | YN | 40 |
表2. TOPSIS排名表
本文基于对珠江流域生态补偿效率的测度,通过建立指标体系和熵权法计算综合得分,并且还通过熵权-TOPSIS法对广东、广西、云南、贵州进行排名,经过分析可以得到以下结论:一是位于珠江流域上游的云南生态补偿效率综合得分较低,而广西的补偿效率得分较高。二是经济效率的权重较大,但不是唯一的主要影响因素。
结合本文研究结果,对珠江流域保护提出相关建议:1) 加快推进农业规模化发展。推进农村地区土地流转,扩大种植规模,制定相关产业发展规划。2) 加强技术推广。加强对新技术和设备的宣传,让农户和企业了解最新技术。3) 加强监管力度。对于污水违规排放或者排放不达标的企业从严从重处罚,同时对企业提供帮助鼓励使用新技术和设备。
云南财经大学研究生创新基金项目(2022YUFEYC068)。
陈思年. 珠江流域生态补偿效率测度研究Study on Measurement of Ecological Compensation Efficiency in the Pearl River Basin[J]. 低碳经济, 2023, 12(02): 58-65. https://doi.org/10.12677/JLCE.2023.122008
https://doi.org/10.1016/j.worlddev.2004.07.011
https://doi.org/10.1016/S0165-1889(00)00013-0
https://doi.org/10.1016/j.ecolecon.2008.05.001
https://doi.org/10.1016/j.ecolecon.2011.12.016
https://doi.org/10.1016/j.ecoser.2017.04.006
https://doi.org/10.13872/j.1000-0275.2021.0110
https://doi.org/10.13198/j.issn.1001-6929.2019.10.14
https://doi.org/10.19361/j.er.2009.01.009