0 引言

生态足迹(Ecological Footprint,EF)由加拿大生态经济学家Rees于1992年提出，并由Wackernagel进行了发展、完善[1]。生态足迹法的基本思想是利用现有数据将人类对自然资源的需求转化为生产这些自然资源并吸收废物的生产性土地，从而定量比较人类需求与自然生态系统所提供的生态承载力之间的关系[2]。20年多来，生态足迹的研究不断深入，主要集中在以下3个方向：1)对生态足迹研究对象的扩展。随着水足迹[3]、碳足迹[4]等概念的提出，Giljum等于2008年首次提出足迹家族的概念[5]，Galli等[6]、方恺[7]对足迹家族的概念进行了进一步的探索。2)对基本方法的改进和新方法的提出，如国家足迹核算(The National Footprint Account,NFA)框架的提出[8,9]，投入产出分析法与生态足迹模型的结合[10]，结合能值分析修正生态足迹的计算[11]，引入足迹深度概念的三维生态足迹模型[12,13]以及基于NPP的生态足迹模型(EF-NPP)[14]等。3)生态足迹的多主题应用。世界自然基金会每两年会从全球尺度上对世界各国的生态足迹进行核算[15]，方恺分析了全球11个国家三维足迹的时空变化特征，比较了发达国家与发展中国家、资源富足型与资源贫乏型国家在自然资本利用方面的差异[16]。Gao等[17]、陈成忠等[18,19]先后对全国的生态足迹进行了测算与研究。生态足迹模型在省市地区也有大量的研究与应用，主要用于比较各地的可持续发展状况[20]，或计算某一地区多年的生态足迹，分析其变化趋势，对当地可持续发展提出建议等[21-24]。

尽管生态足迹理论、方法和应用都取得了长足的进展，但目前针对生态足迹空间分布或时空格局的研究大多受限于行政单元，仅从国家尺度研究以省市为评价单元的空间格局，或以城市为评价单元研究城市群区域[25-27]。鉴于此，本文以长三角核心区城市群为例，结合人口密度、土地利用等遥感数据产品，以公里格网为估算单元，尝试研究格网尺度的生态足迹空间格局。

1 研究区与数据

1.1 研究区概况

本文研究区为长江三角洲城市群核心区(图1，彩图见附录1)，陆地面积为11.09×104 km2，包括上海市，江苏省南京、苏州、无锡、常州、泰州、镇江、扬州、南通，浙江省杭州、宁波、嘉兴、湖州、绍兴、台州、舟山，共16个市级行政单元。根据第六次人口普查结果，截至2010年，研究区常住人口为1.08亿人，占同期全国人口的8.05%，研究区GDP达70 675.3亿元，占同期全国GDP的17.3%。

一般来说，春秋无义战，但有两次，其中就包括鲁庄公战齐师于乾时之战。作战失败，《春秋》违反了“内不言败”的通例而直书“败绩”，原因在于褒奖鲁庄公为复仇而战，故大力彰显。因此，公羊学认为，勇于复仇，这是大义所在，已值得肯定，即使战败，也是光荣的。

大豆胞囊线虫寄生在大豆根上，直接危害大豆根部。因被胞囊线虫寄生后大豆植株矮小，叶片发黄，所以又叫萎黄线虫病。发病严重时，病田大豆植株大面积枯黄，状似火烧，农民形象地称为“火龙秧子”。大豆胞囊线虫在黑龙江省发生较普遍，而且有些地区非常严重。大豆根系被线虫寄生后，主根和侧根发育不良，须根增多，根瘤稀少。被害根部表皮龟裂，极易遭受其他病菌侵害而引起腐烂使病株提早枯死

图1 研究区真彩色遥感影像 Fig.1 The true color remote sensing image of the study area

1.2 遥感产品与数据

采用的遥感产品与地理信息数据包括：1)MODIS的NPP产品(MOD17A3H)，该产品为年度数据，分辨率为500 m，主要用于研究区草地与林地产量因子的调整；2)1∶10万长三角土地利用数据集，主要通过对遥感数据进行增强处理，然后进行目视解译与精度检验，最后对各幅图像进行拼接处理得到；3)人口密度数据，采用中国1 km格网人口数据，在考虑人口分区的基础上，通过人口数据的空间化方法，基于土地利用数据对现有的以行政单元为单位的统计型人口数据库进行空间化处理。研究中使用的其他数据包括：1)各类统计数据，来源于统计年鉴；2)农产品的世界平均产量数据，来源于联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,FAO)的数据库。根据数据的可获取性，选择2005年和2010年两个时相的数据进行研究。

2 研究方法

2.1 生态足迹模型

式中：Y为给定区域的耕地产量因子；AN为给定区域的某农产品的收割面积；AW为以世界平均产量为标准，生产相同数量该类农产品所需的面积；PN为该农产品在区域内的总产量；YN与YW分别为该类产品的区域平均产量与世界平均产量。

EF=EFP+EFI-EFE=N×ef

(1)

ef=∑rj×ci/pi

(2)

式中：EF为区域的总生态足迹；EFP、EFI、EFE分别为生产、进口、出口所产生的足迹；N为区域人口；ef为人均生态足迹；ci为第i种商品的人均消费量;pi为第i种消费商品的全球平均产量;rj为第j类生产性土地的均衡因子,根据《Ecological Footprint Atlas》[29]给出的均衡因子确定。以往研究中，人口数据往往从统计年鉴中获取，多为户籍人口，本文结合第六次人口普查数据和2005年各市的人口抽样调查数据，利用常住人口计算研究区的生态足迹。

生态承载力是指区域内所能提供的生物生产性土地面积之和，其计算方法为：

EC=N×ec=N×∑(aj×rj×yj)

(3)

式中：EC为区域的总生态承载力；ec为人均生态承载力；aj为第j类生产性土地的人均面积，其中生产性土地包括耕地、林地、草地、建设用地、水域与碳吸收用地；yj为第j类生产性土地的产量因子。

例4(第9题) 已知抛物线的顶点在坐标原点，焦点在x轴上，该抛物线上一点M(1,a)到焦点的距离为2，则该抛物线的方程是

ED=EF-EC

(4)

原中国数学教师，在美国获得学位的马立平博士对美国的小学数学教育进行了深入的研究；对美国数学教师队伍之不合格，及小学数学课程标准结构与内容之不合理作出了令人信服的批评；在美国产生了极大的影响.

2.2 结合NPP与统计数据的产量因子核算

3.政府综合财务指标的科学、合理性有待界定。财务报告附表需要列示系列财务指标反映政府资产负债和财务运行情况，但其设计和应用还存在不科学。一些财务指标体系设置有待优化，内涵和计算口径上要进行调整和完善，如政府长期负债或应承担长期义务的分析指标很弱，政府资产运营效率和效果指标缺乏，计算上如“收入费用率”指标的费用内涵和匹配关系，“单位负债比率”的“单位负债”如何确定，“运行成本率”和“人均成本率”的“运行成本”包含的具体内容怎么确定等。同时应增加指标中自主分析指标的设置。如反映不同社会功能和经济社会发展程度、不同地理区域和环境资源保护要求的政府差别化指标等。

(5)

生态足迹法通过将人类对生态系统占用(生态足迹)以及生物圈所供给的生态产品与服务转化为生产这些产品与服务的生物生产性土地面积，并进行比较，从而测算区域的可持续发展程度。参考NFA2016[28]，生态足迹模型可以描述为：

考虑到我国的一系列林地保护政策，现有林地产量是在政策限制下的结果，不能体现林地真实的生产力，因此选用MODIS的NPP产品计算草地与林地产量因子[30]，公式如下：

国内大部分研究参考国外计算的中国产量因子结果，少有计算具体研究区产量因子的工作。本研究参考NFA2016中耕地产量因子的计算方法计算长三角区域耕地的产量因子，公式如下：

1）衬砌台车模板上脱模剂涂刷过多及涂刷不均匀，均会产生衬砌脱模后颜色不均现象。2）混凝土浇筑速度不均，快慢不一造成颜色不均。3）水泥和掺和料未选用同一厂家的产品。

(6)

式中：YFI为区域某类地物产量因子。结合当年的土地利用分类图，可计算2010年、2005年林地与草地的年均NPP值；全球林地与草地的平均NPP值参考Amthor等[31]的研究成果。另外，建筑用地的产量因子与耕地一致，水域的产量因子为1，最终得到各类生产性土地的产量因子如表1所示。

地类2005年2010年耕地1．551．60林地0．910．86草地1．101．09建筑用地1．551．60水域1．001．00

2.3 遥感产品支持下的格网生态足迹计算

已有区域生态足迹计算受限于统计数据，多以行政区域(最小为一个市或者一个县)作为生态足迹估算的基本单元，考虑到生态足迹模型的部分参数(如均衡因子、产量因子等)可在给定年份内取固定值，而其他参数(如人口、生产性土地面积等)通过GIS技术获取其空间分布，因此，本研究采用如土地利用产品、人口密度数据等遥感派生产品通过图2的技术流程计算、分析格网生态足迹。

在生态足迹的计算中，全球平均产量与均衡因子在给定的年份中取固定值，而人均消费量与人口数据往往获取于统计年鉴。随着遥感对地观测技术的不断发展，相关学者开始结合遥感反演的土地利用数据、夜间灯光数据等，定量、定位地研究人口的空间分布问题，并在此基础上生产了一系列的人口密度空间分布数据集。假设同一个城市内，各个区域的人均消费水平一致，人均消费量在该城市的空间范围内可以取固定值，结合公里格网的人口密度数据产品，可以计算出格网生态足迹(Ef)：

当ED>0时显示为生态赤字，表明生态环境已超载，反之则表示处于生态盈余的状态，由此定量判断区域的可持续发展状况。

(7)

在生态承载力的计算中，均衡因子与产量因子在年份不变的情况下为常量，人均生产性土地面积以往主要通过统计年鉴或土地利用产品获取。随着卫星传感器空间分辨率的不断提高，越来越精细的土地利用/覆盖产品不断被生产出来，例如1∶10万长三角土地利用数据集、Globeland30、地理国情普查数据等。通过GIS平台中的空间分析工具，结合较为精细的土地利用产品，可以计算国家、区域、城市以及格网尺度的生产性土地面积，因此生态承载力的计算也可以不受限于行政单元，采用公里格网进行计算：

生态赤字是指生态足迹和生态承载力之差，计算公式为：

式中：Efj为第j个格网的生态足迹；EFi为第i个城市的总生态足迹；Pi为第i个城市的总人口；pj为第j个格网内的人口密度。

Ecj=∑rk×yk×akj

(8)

式中：Ecj表示第j个格网的生态承载力；rk、yk分别表示第k类生产性土地的均衡因子与产量因子；akj表示第j个格网中第k类生产性土地所占的面积。同样，格网生态赤字(Edj)的计算方法为：

Edj=Efj-Ecj

(9)

3 结果与分析

研究区各市的生态足迹计算结果(表2)表明，各市的生态足迹均大于其生态承载力，其中化石能源足迹占主要部分。该区域人均生态承载力远远低于世界平均水平，反映了人口高度聚集导致的人均资源不足在长三角核心区各个市内普遍存在。结合人口变化因素的分析发现：常住人口明显增加的几个城市，如上海、苏州、杭州、南京等，生态承载力下降较明显；常住人口增加缓慢或下降的城市，如扬州、南通等，生态承载力相对没有明显变化。2005—2010年，大部分城市的人均生态足迹处于增加状态，生态赤字也在不断增加，但上海、杭州、绍兴、湖州、嘉兴5个城市的人均生态赤字均有下降，其中绍兴市的赤字下降最大，杭州和湖州的下降也非常明显。对比这些城市人均生态足迹的变化发现，人均生态足迹的减少主要是因为人均化石能源足迹的减少所致。

2.仔猪黄痢。大肠杆菌感染引起，1周龄以内的仔猪，以1～3日龄最为常见，夏季多发。病猪精神沉郁，食欲废绝，口渴，迅速消瘦，排黄色或黄白色糊状粪便，粪中含有凝乳小块，腥臭。剖检病死猪可见肠道膨胀，有多量黄色液状内容物和气体，肠黏膜呈急性卡他性炎症变化。

城市2005年2010年生态足迹生态承载力生态赤字生态足迹生态承载力生态赤字上海1．55100．14721．40391．43960．11191．3277南京5．06750．31864．74895．32270．26645．0563苏州3．34100．30033．04073．82840．21203．6164无锡2．75790．25062．50733．03730．21332．8240常州1．82470．35721．46752．22610．31111．9150镇江2．95630．44742．50892．98900．41672．5723南通1．18630．47790．70841．65700．47671．1803扬州1．47810．49290．98521．96670．48651．4802泰州0．95780．46390．49391．76520．45621．3090杭州1．63430．41021．22411．39840．33551．0629宁波4．29320．35823．93505．34940．29675．0527绍兴1．88950．41941．47011．57570．35571．2200湖州2．01640．57091．44551．77850．51011．2683台州0．96230．36830．59401．50380．32801．1758嘉兴2．10080．40941．69141．99910．35211．6469舟山1．06290．72700．33591．09960．61600．4836

按照图2的技术流程，计算得到基于格网的生态赤字空间分布结果。为了体现原有生态足迹模型中超载、均衡与盈余的概念，先将计算结果分为盈余、均衡和超载3类。原有模型中，认为ED=0为生态均衡状态，考虑到格网化后的估算没有之前基于统计数据的计算严格，且研究区内部存在人员与商品的流动问题等，因此放宽在格网生态赤字结果中均衡状态的取值条件，认为超过每平方公里生产性土地生态承载力的10%左右为均衡状态，通过两年数据的结果试验，得到均衡状态的取值范围为±50 hm2，小于-50 hm2为盈余状态，大于50 hm2为超载状态。由于超载状态的计算结果值范围较大，因此采用自然断点法将超载的结果分为三级，最终得到的结果如图3所示。

由图3b可知，2010年研究区格网尺度生态赤字在空间上呈现不均衡分布，主要表现为：1)核心区内格网生态赤字差异巨大，中度和重度超载区域聚集在少数区域，盈余或均衡区域的面积占核心区面积的比重较高，该区域主要受地表覆盖或地形的影响，如水体区域和山区等难以被充分开发利用。2)格网生态赤字的高低与格网所处的行政单元等级相关。除了上述难以开发的区域外，部分农村区域也表现为盈余或均衡，因为农村的资源消费水平远低于城市平均水平，且人口较少。而大部分县中心及附近区域、市中心及附近区域都表现为较高水平的生态赤字密度，市中心生态赤字的情况更为严重，大多为中度超载及以上水平。3)从研究区中度超载与重度超载的分布情况看，轻度以上超载的格网主要分布在研究区的北部，即江苏的苏中、苏南与上海市，中度与重度超载主要聚集在苏南与上海，这一现象在南京市、苏州市与上海市的城市中心有非常明显的体现；核心区内浙江省各市中度及重度超载的区域很少。

2005年的生态赤字密度分布规律基本与2010年一致，但2010年有一个更加明显的分布特征：水系附近的格网赤字水平较高，长江两岸是研究区中度与重度超载的主要聚集区域，钱塘江至杭州湾沿岸、灵江沿岸也有明显的格网生态赤字偏高现象。内陆湖泊以太湖为例，周围聚集着苏锡常地区及湖州市的高值区域，这些现象表明了水域对人类的生态占用有很强的支撑作用，临海沿江的地理条件为这些区域提供了更便利的交通及更有利的贸易区位，发达的水系为工业和生活用水提供了保障，因此这些区域表现为较高水平的生态赤字密度。

4 结论与建议

本文在生态足迹模型的基础上，结合NPP数据修正了产量因子等参数，研究了长三角核心区城市群的生态足迹状况，提出了遥感产品支持下的格网尺度生态足迹估算方法，从小尺度评价单元估算并分析了2005-2010年长三角核心区城市群格网生态足迹的空间分布。结果表明，核心区内各市的生态足迹均大于生态承载力，其中化石能源足迹是人均生态足迹的主要构成。2005-2010年研究区生态足迹的空间分布规律如下：区域内格网生态赤字分布不均衡；生态赤字的高低与格网所处的行政单元等级有关；轻度以上超载的格网主要分布在核心区的北部；2010年水系附近的格网赤字水平较高，这一规律在2005年不太明显。

根据研究结果，对长三角核心区的发展规划提出以下建议：1)发展清洁能源，降低化石能源足迹。推广清洁能源，减少对传统能源的依赖，是降低区域生态赤字最根本的方法，提倡在沿海地区使用风能，发挥沿海区位优势。 2)鼓励发展中小城镇，统筹城乡发展。根据生态赤字密度与行政单元等级间的关系，研究区内大城市中心生态赤字密度普遍过高，负担过重。发展中小城镇可以减轻大城市的压力，考虑将大城市良好的基础设施外延至农村区域，统筹城乡一体化发展，缓解局部生态超载状况。3)对沿水系的建设，要保证生态优先原则。水系周围一般也是工业建设的优先选址区，根据区域主要水系的生态赤字密度分布特点，建议长江沿岸严格控制重污染及高能耗企业的发展，注重沿岸的生态环境建设与修复。沿海区域在充分利用海洋资源的同时，注重保护生态环境。4)合理规划人口布局，控制大城市市区人口规模。鼓励人们向目前生态赤字密度较小的区域迁移，适当提高这些区域的人口聚集度。对于大城市的市区，控制其总人口规模，考虑发展一些有潜力的县镇，适度扩大人口规模，形成一个合理的人口格局。

参考文献：

[1] WACKERNAGEL M,REES W E,TESTEMALE P.Our Ecological Footprint:Reducing Human Impact on the Earth[M].Gabriola Island:New Society Publisher,1996.

[2] WACKERNAGEL M,SCHULZ N B,DEUMLING D,et al.Tracking the ecological overshoot of the human economy[J].Proceedings of the National Academy of Sciences of the USA,2002,99(14):9266-9271.

[3] HOEKSTRA A Y,CHAPAGAIN A K.Water footprints of nations:Water use by people as a function of their consumption pattern[J].Water Resour Manage,2007,21(1):35-48.

[4] MANCINI M S,GALLI A,NICCOLUCCI V,et al.Ecological footprint:Refining the carbon footprint calculation[J].Ecological Indicators,2016,16:390-403.

[5] GILJUM S,HINTERBERGER F,LUTTER S.Measuring Natural Resource Use:Context,Indicators and EU Policy Processes[M].Vienna:SERI,2008.14.

[6] GALLI A,WIEDMANN T,ERCIN E,et al.Integrating ecological,carbon and water footprint into a "Footprint Family" of indicators:Definition and role in tracking human pressure on the planet[J].Ecological Indicators,2012,16(16):100-112.

[7] 方恺.足迹家族:概念、类型、理论框架与整合模式[J].生态学报,2015,35(6):1647-1659.

[8] 周涛,王云鹏,龚建周,等.生态足迹的模型修正与方法改进述评[J].生态学报,2015,35(14):4592-4603.

[9] BORUCKE M,MOORE D,CRANSTON G,et al.Accounting for demand and supply of the biosphere′s regenerative capacity:The national footprint accounts′ underlying methodology and framework[J].Ecological Indicators,2012,24:518-533.

[10] BICKNELL K B,BALL R J,CULLEN R,et al.New methodology for the ecological footprint with an application to the New Zealand economy[J].Ecological Economics,1998,27:149-160.

[11] ZHAO S,LI Z Z,LI W L.A modified method of ecological footprint calculation and its application[J].Ecological Modelling,2005,185:65-75.

[12] NICCOLUCCIA V,BASTIANONIB S,TIEZZI E B P,et al.How deep is the footprint? A 3D representation[J].Ecological Modelling,2009,220:2819-2823.

[13] NICCOLUCCIA V,GALLI A,REEDB A,et al.Towards a 3D national ecological footprint geography[J].Ecological Modelling,2011,222:2939-2944.

[14] VENETOULIS J,TALBERTH J.Refining the ecological footprint[J].Environ.Dev.Sustain,2008,10:441-469.

[15] WORLD WILDLIFE FOUNDATION.Living Planet Report 2014[R].Switzerland:WWF,2014.

[16] 方恺.基于改进生态足迹三维模型的自然资本利用特征分析——选取11 个国家为数据源[J].生态学报,2015,35(11):3766-3777.

[17] GAO J X,TIAN M R.Analysis of over-consumption of natural resources and the ecological trade deficit in China based on ecological footprints[J].Ecological Indicators,2016,61:899-904.

[18] 陈成忠,林振山.中国1961-2005年人均生态足迹变化[J].生态学报,2008,28(1):338-344.

[19] 陈成忠,林振山.中国生态足迹和生态承载力构成比例变化分析[J].地理学报,2009,64(2):1523-1533.

[20] 郭慧文，严力蛟.城市发展指数和生态足迹在直辖市可持续发展评估中的应用[J].生态学报，2016,36(14):4288-4297.

[21] 安宝晟,程国栋.西藏生态足迹与承载力动态分析[J].生态学报,2014,34(4):1002-1009．

[22] 周静,管卫华.基于生态足迹方法的南京可持续发展研究[J].生态学报,2012,32(20):6471-6480．

[23] 张佳琦,段玉山,伍雁南.基于生态足迹的苏州可持续发展动态研究[J].长江流域资源与环境,2015,24(2):177-184.

[24] 胡美娟,周年兴,李在军,等.南京市三维实体足迹测算及驱动因子[J].地理与地理信息科学,2015,31(1):91-95.

[25] 田玲玲,罗静,董莹,等.湖北省生态足迹和生态承载力时空动态研究[J].长江流域资源与环境,2016,25(2):316-325.

[26] 彭文甫,周介铭,徐新良,等.基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J].生态学报,2016,36(22):7244-7259．

[27] 胡小飞,邹妍,傅春.基于碳足迹的江西生态补偿标准时空格局[J].应用生态学报,2017,28(2):493-499.

[28] LIN D,HANSCOM L,MARTINDILL J,et al.Working Guidebook to the National Footprint Accounts 2016[R].Oakland:Global Footprint Network,2016.6-11.

[29] EWING B,MOORE D,GOLDFINGER S.Ecological Footprint Atlas 2010[R].Oakland:Global Footprint Network,2010.16.

[30] 鲁凤,陶菲,钞振华,等.基于净初级生产力的省公顷生态足迹模型参数的计算——以江苏省为例[J].地理与地理信息科学,2016,32(2):83-88.

[31] AMTHOR J S.Terrestrial Ecosystem Responses to Global Change:A Research Strategy[R].Oak Ridge:Ecosystems Working Group of the Oak Ridge National Laboratory,1988.27.