-
随着中国城镇化进程的不断推进，水资源供需矛盾、能源过度消耗、生态环境破坏等成了城市发展过程中不可忽视的问题。中国人口基数庞大，人均水资源与能源的占有量在世界上处于较低的水平，且局部环境问题突出，使得城市发展面临严峻的环境与能源压力[1]。承载力相关的研究有助于理解上述冲突，已有研究聚焦环境承载力与能源承载力评价开展了大量工作，提出了多目标模型、系统动力学、熵权法、压力-状态-响应分析、主成分分析等评价方法，为区域的城市社会经济和环境能源可持续发展提供了强力支撑[2-3]。
以往环境承载力的研究多集中在水环境领域，在城市发展过程中既要保证经济的稳定发展，又要满足水环境状况不恶化，这就需要加强对水环境承载力评价的研究。彭述权等[4]耦合多目标优化模型与遗传算法预测了不同用水结构下长株潭城市群的水环境承载力的变化情况。崔丽影等[5]运用熵权TOPSIS模型评价了黑龙江12市的水环境承载力，研究发现黑龙江水环境承载力总体上呈现上升的趋势。曹若馨等[6]采用BP神经网络方法对水环境中化学需氧量、氨氮、总氮3类污染物进行了预警，并提出了不同的治理对策。
能源消耗引起的碳排放量增加，是导致全球气候变化的重要原因之一，自2020年中国提出“碳达峰”与“碳中和”的目标以来，能源消耗的环境影响也逐步受到关注。近年来研究人员围绕碳足迹过程、碳排放影响、能源承载力评估开展了有益探索。刘子西等[7]耦合宁夏沿黄带城市的碳水关系，分析了中心城市水资源质量与碳排放足迹的时空变化趋势，研究显示水生态足迹与碳足迹之间存在着显著关联性。黄和平等[8]利用IPCC碳排放模型与XGBoost模型实现了江西省农业碳排放量的计算与预测，结果表明碳排放总量整体呈现上升的趋势，碳排放强度逐年降低。彭璇等[9]构建了包含生态环境载体、能源载体与承载客体3方面的能源承载力评价体系，并应用到京津冀地区，发现北京和天津的能源承载力与河北的能源承载力呈现相反的变化趋势。
已有研究从不同角度证实了流域的水环境以及能源状况与人类社会发展密切相关。然而，城市发展过程中的污染排放与能源消耗并不是孤立的过程，两者均是从不同角度反映了人类活动类型与强度，是紧密相关的有机体[10]。传统单一的环境或能源承载力评价难以准确反映这一复合过程，新时期高质量发展理念深入人心，单一要素承载力转向环境能源复合承载力（下文简称复合承载力）的探索急需开展。复合承载力的评价涉及到人口、经济、水资源、环境、能源等多个方面，影响因素众多且相互关系复杂，此外，指标值实际上是处于动态变化过程的，具有模糊性，意味着非此即彼的二元分类不能反映出指标的动态变化，因此适宜的评价方法是准确评估复合承载力的关键。
针对上述问题，文章利用压力-状态-响应分析方法构建能够表征环境能源复合状态的指标系统，耦合层次分析法与可变模糊评价方法构建评价模型，并应用于东莞市环境能源复合承载力评价，为区域可持续发展提供参考，也为其他地区的环境能源权衡提供借鉴。
-
东莞市地处粤港澳大湾区，经济发展迅速。2021年东莞市地区生产总值达到
10855.35 亿元，规模以上工业总产值达到24513.14 亿元，拥有较高的工业化水平。人口密度为4283 人/km2，废水排放总量为15.61亿t，全社会用电量达100.12 TWh。地少人多、经济活跃造成能源的快速消耗，社会经济可持续发展与能源环境有限性的矛盾异常突出[11]。文章的基础数据来自于相关年鉴与公报数据，其中人口、污水排放数据来自于《东莞市统计年鉴》《广东省统计年鉴》，经济发展数据来自于《东莞市国民经济和社会发展统计公报》，用水与水资源数据来自于《东莞市水资源公报》，污水处理数据来自于《中国城市建设统计年鉴》等。
-
文章基于压力-状态-响应分析思想，综合考虑东莞市环境与能源的双重影响，通过规整《绿色发展指标体系》《生态文明建设考核目录体系》《国家节水型城市考核标准》等文件，分析城市绿色可持续发展评价的关键指标，并依据科学性、独立性、整体性、动态性和可操作性原则，从社会经济与环境能源两个系统中优选了代表性强、表征性好的19个评价指标构建东莞市环境能源复合承载力评价指标体系[12-13]。见表1。
准则层 编号 指标层 评价指标计算方式 社会
经济
系统I1 人口密度 总人口/土地面积 I2 人均GDP GDP总量/总人口 I3 人均水资源量 水资源总量/总人口 I4 万元GDP用水量 总用水量/GDP总量 I5 林地覆盖率 林地面积/土地面积 I6 排水固定投资占比 排水固定投资增加值/GDP总量 I7 管网密度 管网长度/建成区面积 环境
能源
系统I8 人均化学需氧量入河量 化学需氧量入河总量/总人口 I9 人均总氮入河量 总氮入河总量/总人口 I10 人均总磷入河量 总磷入河总量/总人口 I11 人均氨氮入河量 氨氮入河总量/总人口 I12 化学需氧量削减率 化学需氧量处理量/化学
需氧量产生量I13 总氮削减率 总氮处理量/总氮产生量 I14 总磷削减率 总磷处理量/总磷产生量 I15 氨氮削减率 氨氮处理量/氨氮产生量 I16 污水处理率 污水处理量/污水排放总量 I17 污水排放系数 污水排放总量/总用水量 I18 万元GDP用电量 全社会用电量/GDP总量 I19 碳排放强度 碳排放总量/GDP总量 Table 1. Evaluation index system of compound carrying capacity in Dongguan
接下来详细分析采用压力-状态-响应分析方法构建评价指标体系的过程。人口密度与人均GDP体现了社会经济发展水平和对资源环境的压力水平，是压力指标。城镇化与工业化的过程会使得区域资源、能源与环境状态难以满足经济的快速发展，为复合承载力的提升带来巨大压力[14-15]。万元GDP用水量、人均水资源量、万元GDP用电量、碳排放强度、林地覆盖率、人均化学需氧量入河量、人均氨氮入河量、人均总磷入河量、人均总氮入河量是资源、能源消耗和环境受到破坏的状态指标。城市发展过程中面临的资源供需不平衡问题与环境污染问题是制约城市健康与可持续发展的关键问题，影响着区域的复合承载力水平[16]。排水固定投资占比、污水处理率、污水排放系数、管网密度、化学需氧量削减率、氨氮削减率、总氮削减率、总磷削减率是城市应对资源供需不平衡与环境污染问题的响应指标。上述各指标相互影响，共同构成了城市社会经济影响下的环境能源复合承载力评价指标体系。
-
采用层次分析法对评价指标的权重进行赋值[17]。层次分析法是一种将研究系统划分为递阶层次结构的主观权重赋值方法[18]。首先查阅文献根据九标度法构建判断矩阵A=($ {{{a}}_{{ij}}{)}}_{{n}} $，其中n为判断矩阵的阶数，$ {{a}}_{{ij}} $为判断矩阵中第i行第j列对应的值[19]。接着求出判断矩阵的最大特征值$ {{ \lambda }}_{\text{max}} $与其对应的特征向量wi，经一致性检验（0.015<0.1）后将特征向量归一化后即为各评价指标的权重wi（表2）。
评价指标 特征向量值 权重值/ % 万元GDP用水量 2.114 11.129 碳排放强度 2.114 11.129 万元GDP用电量 2.010 10.581 管网密度 1.984 10.442 污水排放系数 1.416 7.451 排水固定投资占比 1.147 6.039 林地覆盖率 1.147 6.039 人口密度 0.923 4.855 人均GDP 0.923 4.855 人均水资源量 0.876 4.608 人均总磷入河量 0.724 3.810 人均氨氮入河量 0.724 3.810 污水处理率 0.527 2.776 总磷削减率 0.481 2.533 氨氮削减率 0.481 2.533 人均化学需氧量入河量 0.477 2.508 人均总氮入河量 0.477 2.508 总氮削减率 0.230 1.213 化学需氧量削减率 0.224 1.181 Table 2. Weight values of compound carrying capacity evaluation indicators in Dongguan
-
确定好评价指标体系与指标权重后，考虑到指标的动态性和模糊性，采用可变模糊评价模型对东莞市环境能源复合承载力进行评价。由于多数评价指标缺乏统一的标准，而可变模糊评价模型是用数的连续概念来分析样本的动态变化，该方法可通过构建相对差异函数，计算相对隶属度与模糊关系矩阵实现对评价样本集的优劣比较从而确定样本级别，在处理复杂、无标准的问题方面具有较大优势[20-22]。
为强化数据的合理性与可比性，对评价指标进行标准化处理以消除评价指标特征值与标准值的量纲，并按照递增型指标（正指标）与递减型指标（逆指标）采取不同的处理方式，见公式（1）。
$$ r_{ij}= \left\{\begin{split} & 0\text{\text{，}}{{x}}_{{ij}}\text={{x}}_{\text{min}}\text{(}\text{正}\text{指}\text{标}\text{)}\text{或}{{x}}_{{ij}}\text={{x}}_{\text{max}}\text{(}\text{逆}\text{指}\text{标}\text{)}\\& \frac{{{x}}_{{ij}}-{{x}}_{\text{min}}}{{{x}}_{\text{max}}-{{x}}_{\text{min}}}\text{(}\text{正}\text{指}\text{标}\text{)}\text{或}\frac{{{x}}_{\text{max}}-{{x}}_{{ij}}}{{{x}}_{\text{max}}-{{x}}_{\text{min}}}\text{(}\text{逆}\text{指}\text{标}\text{)}\\& \text{1}\text{\text{，}}{{x}}_{{ij}}\text={{x}}_{\text{max}}\text{(}\text{正}\text{指}\text{标}\text{)}\text{或}{{x}}_{{ij}}\text={{x}}_{\text{min}}\text{(}\text{逆}\text{指}\text{标}\text{)}\end{split}\right. $$ (1) 式中：
rij——评价指标i在第j年标准化后的取值；
xij ——指标i在第j年的取值。
为保障评价结果更为稳定，接下来将层次分析法确定的指标权重wi与标准化后的指标rij分别代入以下4种模型[23]。通过变换模型参数得到各级的相对隶属度Uhj，其中h为评价级别，a为优化准则参数，p为距离参数，m为评价指标数量。
1）令a = 1、p = 1，样本j的相对隶属度为模糊综合评判模型。
$$ U_{1j}= \sum _{{i=1}}^{{m}}{{w}}_{{i}}{{r}}_{{ij}} $$ (2) 2）令a = 1、p = 2，样本j的相对隶属度为TOPSIS理想点模型。
$$ U_{2j}= {\left\{{1+}\sqrt{\frac{\displaystyle\sum _{{i=1}}^{{m}}{\left[{{w}}_{{i}}{(}{{r}}_{{ij}}{-1)}\right]}^{{2}}}{\displaystyle\sum _{{i=1}}^{{m}}{{(}{{w}}_{{i}}{{r}}_{{ij}}{)}}^{{2}}}}\right\}}^{{-1}} $$ (3) 3）令a = 2、p = 1，样本j的相对隶属度为激励函数模型。
$$ U_{3j}= {\left\{{1+}{\left(\frac{{1-}\displaystyle\sum _{{i=1}}^{{m}}{{w}}_{{i}}{{r}}_{{ij}}}{\displaystyle\sum _{{i=1}}^{{m}}{{w}}_{{i}}{{r}}_{{ij}}}\right)}^{{2}}\right\}}^{{-1}} $$ (4) 4）令a = 2、p = 2，样本j的相对隶属度为模糊优选模型。
$$ U_{4j}= {\left\{{1+}\frac{\displaystyle\sum _{{i=1}}^{{m}}{\left[{{w}}_{{i}}{(}{{r}}_{{ij}}{-1)}\right]}^{{2}}}{\displaystyle\sum _{{i=1}}^{{m}}{{(}{{w}}_{{i}}{{r}}_{{ij}}{)}}^{{2}}}\right\}}^{{-1}} $$ (5) 得到4种不同的相对隶属度后，计算其平均值作为东莞市的复合承载力$ \bar U $，见表3。
年份 U1j U2j U3j U4j $ \bar U $ 2005 0.10 0.21 0.01 0.06 0.10 2006 0.14 0.22 0.02 0.07 0.11 2007 0.15 0.20 0.03 0.06 0.11 2008 0.31 0.34 0.17 0.21 0.26 2009 0.35 0.37 0.23 0.25 0.30 2010 0.44 0.42 0.39 0.34 0.40 2011 0.45 0.43 0.40 0.37 0.41 2012 0.49 0.47 0.47 0.44 0.47 2013 0.52 0.50 0.54 0.50 0.52 2014 0.57 0.54 0.64 0.58 0.58 2015 0.53 0.52 0.57 0.55 0.54 2016 0.62 0.58 0.73 0.65 0.65 2017 0.65 0.60 0.78 0.70 0.68 2018 0.66 0.61 0.80 0.71 0.70 2019 0.67 0.62 0.80 0.72 0.70 2020 0.72 0.65 0.87 0.77 0.75 2021 0.73 0.67 0.88 0.80 0.77 Table 3. Evaluation results of compound carrying capacity in Dongguan
-
障碍度分析是通过计算指标与样本之间的障碍指数来评估指标对样本的影响程度，可用于识别评价指标对复合承载力的障碍程度以及障碍作用的变化趋势[24]。障碍度越大表明该指标对复合承载力提升的限制越大，障碍度越小，表明该指标的障碍作用越小。障碍指数（Pi）计算公式如下[25]：
$$ {{P}}_{{i}}=\frac{{(1-}{{r}}_{{ij}}){{w}}_{{i}}}{\displaystyle\sum _{{i=1}}^{{m}}{(1-}{{r}}_{{ij}}){{w}}_{{i}}} $$ (6) -
表3结果显示，东莞市2005－2021年复合承载力由0.10增长为0.77，整体呈现上升的趋势。分析认为复合承载力提升与以下原因有关：（1）东莞市在城镇化与工业化的发展进程中努力落实碳达峰、碳中和要求，加快推动产业结构优化、节能技术研发、能源效率提升、碳减排工程，促进经济社会发展绿色化、低碳化；（2）东莞市加大了对水环境的治理力度。2005起，东莞市政府接续发布了《东莞市重点污染企业整治方案》《东莞市水污染防治行动实施方案》《东莞市水污染防治工作方案》等治理方案，加强了水资源与水环境的监管与治理力度，完善了水污染治理配套设施，整治了工业污水与生活污水的水体排污量，实现复合承载力的持续提升。
-
2005－2021年间各项评价指标均呈现显著变化，主要包括：人口密度由
2665 人/km2上升为4190 人/km2；人均GDP由3.23万元上升为9.93万元；人均水资源量由348.39 m³/人减少至177.37 m³/人；万元GDP用水量由96.25 m³/万元下降至18.72 m³/万元；林地覆盖率由27.69%缩减至21.30%；管网密度增加6.7倍；排水固定投资占比由0.10%上升至0.40%；污水排放系数提升至0.66；污水处理率提升至100%；氨氮、总磷、化学需氧量、总氮4类污染物平均削减率增长至97.29%；人均污染物入河量年平均降幅为16.69%；万元GDP用电量下降了54.16%；碳排放强度下降了56.30%。数据显示东莞市万元GDP用水量、万元GDP用电量、碳排放强度与人均污染物入河量逐年减少，排水固定投资占比、管网密度、污染物削减率、污水处理率等指标也呈现改善趋势，但人均水资源量与林地覆盖率的减少，在一定程度上限制了复合承载力的提升。由此可见东莞市经济社会发展迅速，随着市政环保资金的投入，污水处理技术和标准进一步提高，水环境状况得到了明显改善。同时能源得到了更高效地利用，有效促进了碳减排效果。上述作用使得环境能源压力得到了有效缓解。但也注意到随着外来人口的不断涌入，建成区面积的扩大，人口增长对于水资源和林地资源的压力逐渐增大，从而增加了东莞市的环境能源压力。
为进一步探究复合承载力变化的影响因素，分析了评价指标的历年障碍度变化情况。如图1所示，19个评价指标表现出不同的障碍作用，它们对复合承载力的影响分为两个阶段。第1阶段为2005－2014年，平均障碍度超过5%的指标有人均GDP、万元GDP用电量、碳排放强度、人均水资源量、万元GDP用水量、排水固定投资占比、污水排放系数与管网密度。第2阶段为2015－2021年，这一阶段排水固定投资占比、人均水资源量、林地覆盖率和管网密度的障碍作用更加突出。2021年人均水资源量与林地覆盖率的障碍度达到了34%和39%，成为制约复合承载力改善的两大因素，如果不加干预，这两个指标将继续阻碍复合承载力的改善。综合来看，2个阶段平均障碍度超过10%的指标有人均水资源量、林地覆盖率、排水固定投资占比和管网密度，与指标值变化趋势相一致，是东莞市复合承载力提升需重点关注的问题。
Figure 1. Results of the obstacle degree analysis to the evaluation indicators
-
进一步地，为论证环境能源复合承载力评价的优势，对比了东莞市2005－2021年环境能源复合承载力、水环境承载力和能源承载力的变化情况。图2显示水环境承载力、能源承载力与复合承载力均呈现上升的趋势，水环境承载力由0.12上升至0.75，变化趋势与张扬等的论文结果[26]相符；而能源承载力由0.11上升至0.69，这与詹长根等的研究结果[27]相似。3种承载力的相互作用主要分为3个阶段，2005－2009年为第1阶段，东莞市经济快速发展带来的水污染问题与能源消耗问题突出，水环境承载力与能源承载力均处于较低的水平，综合作用下复合承载力的提升效果不显著；第2阶段是2010－2014年，东莞市污水治理与环境保护工作取得一定成效，水环境承载力呈现出良好的发展态势，提升幅度为42.86%，但是经济形式仍然较为粗放，能源消耗情况仍未得到广泛关注，复合承载力的变化介于水环境承载力与能源承载力之间，因此该阶段水环境承载力是复合承载力提升的主要驱动力；第3阶段为2015－2021年，自2015年中国提出了自主贡献目标（NDCS）以后，东莞市碳排放问题获得了更高的关注，与此同时东莞市积极响应水十条等政策，能源承载力与水环境承载力均得到了加强，增幅分别为53.33%与44.23%。在能源承载力与水环境承载力的综合作用下，这一阶段的复合承载状况高于单一承载力。综上，文章构建的环境能源复合承载力评价体系能同时反映环境与能源两方面的承载状况，弥补了单一承载力评价的局限性。
Figure 2. Changes in the carrying capacity of Dongguan
在分析东莞市复合承载力的基础上，建议东莞市加快新城镇建设，吸取国内外城镇发展过程中出现“城市病问题”的经验教训，优化城市外来人员的引进政策，使得在注入人口活力的同时，减少对城市的环境与能源压力。此外，还需要从源头出发全面落实国家的节水行动与广东省节水九条，积极推广节水新技术与污水再利用技术，对经济社会发展各行业用水量进行刚性约束，增加水资源的循环利用，缓解水资源的供需矛盾。进而，在市政建设过程中结合东莞市自身的特点，建立健全的市政管理制度，完善城市供水、排水体系建设。最后，优化东莞市主城区土地结构，全面加强林地保护管理，避免林地资源的过度开发与破坏，增加城市绿化面积，严守生态红线，推动全市生态环境质量持续改善。
-
文章立足双碳战略背景，耦合层次分析法、可变模糊评价方法与障碍度分析方法量化东莞市社会发展、环境状况、能源消耗交互影响与动态变化过程。从新的视角探索东莞市环境能源复合承载力的研究方法，解析环境和能源双重胁迫下的东莞市复合承载力动态连续变化情况，得出的主要结论如下：
1）提出了东莞市环境能源复合承载力评价方法。首先，基于压力-状态-响应分析方法挖掘出19个代表性的指标构建评价指标系统。然后，利用层次分析法确定评价指标权重。最后，采用可变模糊评价模型计算指标相对隶属度对城市环境能源复合承载力进行评价，克服了指标评价的二元比较不足和评价标准缺乏的限制。
2）东莞市环境能源复合承载力由2005年的0.10增长为2021年的0.77，主要得益于环境状况的改善和能源效率的提升。障碍度分析结果表明东莞市发展的主要障碍指标是人均水资源量、林地覆盖率、排水固定投资占比和管网密度，它们的平均障碍度均超过10%，并且资源供需压力的障碍作用在2015年后逐渐增强。相较于单一的环境或能源承载力，环境能源复合承载力能够反映两者的协同影响。
Evaluation of Environment and Energy Compound Carrying Capacity in Newly Industrialized Cities—A Case Study of Environmental and Energy Sustainable Development of Dongguan
doi: 10.16516/j.ceec.2024.6.08
- Received Date: 2024-04-02
- Accepted Date: 2024-05-13
- Rev Recd Date: 2024-05-11
- Available Online: 2024-11-29
- Publish Date: 2024-11-30
-
Key words:
- compound carrying capacity /
- environment /
- energy /
- hierarchical analysis /
- variable fuzzy evaluation /
- obstacle degree analysis
Abstract:
| Citation: | LI Chunhui, CHEN Xiang, LI Xiangyang, et al. Evaluation of environment and energy compound carrying capacity in newly industrialized cities—a case study of environmental and energy sustainable development of Dongguan [J]. Southern energy construction, 2024, 11(6): 79-87 doi: 10.16516/j.ceec.2024.6.08
|
DownLoad:
