论文部分内容阅读
摘 要：能源消費是人类活动直接影响全球气候变化的主要行为之一，以能源消费数量为环境压力指标分析其时空变化特征，并辨明重要影响因素的作用具有较强的现实意义。该文首先应用年鉴统计数据简要分析了河南省1995—2014年能源消费总量和部门结构变化特征；然后利用探索性空间统计分析方法识别了河南省18个省辖市能源消费数量的空间分布和集聚特征；最后应用STIRPAT模型分析了近20年河南省人口规模、富裕程度和产业结构等因素对环境压力的作用，并验证了环境库兹涅茨曲线的存在性、特别是注重讨论了居民消费模式和技术生态效率变化对能源消费的影响。结果表明：河南省能源消费逐渐进入快速增长阶段，第二产业消费能源所占比重最高且工业能源消费起着绝对控制作用。各省辖市的能源消费在空间分布上已经呈现出一定的异质性，表现出以郑州为核心进行空间集聚的特点但并不显著。富裕程度的提高和工业化的推进都导致河南省环境压力增加，但其作用程度存在明显差异，第二产业比重增加1%引起的能源消费增加程度为富裕水平的1.96倍；验证发现河南省能源消费量和富裕水平之间存在EKC曲线关系，但是即使按照近年的平均增长速度，仍需要55.25年才能达到拐点。由于经济发展水平提高之后居民高耗能活动的增加，居民消费多样性指数增加1%，将导致能源消费增加3.127%，会明显加大环境压力。
关键词：能源消费；环境压力；空间自相关；STIRPAT模型；消费模式
中图分类号 X24 文献标识码 A 文章编号 1007-7731（2017）21-0077-06
Study on the Spatial Differentiation of Energy Consumption and the Driving Forces of Human Factors in Henan Province
Jiao Wenxian1 et al.
（1College of Environment and Planning，Henan University，Kaifeng 475004，China）
Abstract：Energy consumption is one of the main behaviors of human activities directly affecting global climate change. It is of great practical significance to analyze the temporal and spatial variation characteristics of energy consumption as an indicator of environmental pressure and to identify the important influencing factors. This paper first analyzed the total energy consumption and the sector structure change of Henan Province from 1995 to 2014 by using the yearbook statistical data，and then used the exploratory spatial statistical analysis method to identify the spatial distribution and agglomeration characteristics of energy consumption in 18 cities in Henan Province. Finally，the effect of environmental factors such as population size，wealth and industry structure on environmental pressure was analyzed by STIRPAT model，and the existence of environmental Kuznets curve was validated，especially the affect of change of consumption patterns and technical energy efficiency on energy consumption was analyzed. The results showed that：the secondary industry accounted for the highest share of energy consumption and industrial energy consumption played an absolute control. The spatial distribution of energy consumption in each city has a certain heterogeneity，showing the characteristics of spatial clustering with Zhengzhou as the core area，but not significant. The increase of affluence and the advance of industrialization all lead to the increase of the environmental pressure in Henan Province，but the degree of its effect was obviously different. The increase of energy consumption caused by the increase of 1% in the secondary industry is 1.96 times of the rich level. It was found that there exists EKC curve relationship between energy consumption and wealth level in Henan Province，but it still takes 55.25 years to reach the inflection point，even at the average growth rate in recent years. Due to the increase of high energy consumption activities after the increase of economic development level，the consumption diversity index increases by 1% will lead to an increase of energy consumption by 3.127%，which will obviously increase the environmental pressure. Key words：Energy consumption；Environmental pressure；Spatial autocorrelation；STIRPAT model；Consumption pattern
1 引言
近20年来，河南省经济发展迅速，GDP由1995年的2988.4億元增加到2014年的34938.2亿元，年均增长率高达13.8%。在河南省经济持续快速发展的同时，能源消费总量也由1995年的6473×104tce增加到2014年的22890×104tce，年均增长6.9%。而且其能源消费结构主要以煤炭和石油等一次能源为主，尽管其所占比重已由1995年的97.2%下降为2014年的90.3%，但仍占据绝对优势地位。过度依赖化石能源的消费结构给河南省造成了诸多环境问题。随着中原经济区建设上升为国家战略，河南省将成为全国经济建设大局中的一个战略支点，而且“三化”协调发展的大力推进必将导致更大的能源消费需求。研究当前河南发展过程中由能源消费造成的环境压力，辨明其时空变化特征并识别关键影响因素的具体作用，具有重要的现实指导意义。
选取什么指标才能合理反映人类活动对环境造成的压力，目前还缺乏统一的衡量标准。物质流分析方法可以对经济活动中的物质投入和流出进行量化分析，常被用作环境压力的指示指标[1-2]。利用足迹家族建立的资源环境压力评价体系，可以对生态足迹、碳足迹、水足迹及资源环境压力等进行有效评测[3-4]。SO2排放量[5]、水资源利用量[6]、能源消费量[7-8]、CO2[9]或碳排放量[10]在实证研究中也常被选作环境压力指标。在选用合适指标定量评价环境压力的基础上，如何进一步深入探讨环境压力的影响因素已引起了广泛关注。鹿晨昱[11]等利用结构分解分析模型并结合修正的Laspeyres方法，将污染物环境压力指标分解为人口、经济、技术等3种因素的作用，研究了庆阳市环境压力的时间变化特征和驱动因素的影响。张梦琳等[12]结合协整分析和Granger因果检验法，定量分析了江苏省耕地数量与经济发展之间的关系。焦文献等以IPAT等式[13]和STIRPAT模型[14]为分析工具考察了人类活动对环境压力的作用，并验证了环境库兹涅茨曲线的存在性。分析环境压力动态变化特征及其影响因素的同时，准确识别其空间差异和分布规律同样不容忽视。孙克和徐中民[15]利用空间自相关模型探讨了中国水足迹的空间分布格局。范俊韬等[16]通过系统聚类分析揭示了不同类别中各省（区、市）环境污染和经济发展的空间相关性。侯彩霞等[17]利用生态足迹指标研究了张掖市农户生活消费模式、家庭规模、人均年收入等因素如何影响环境压力的空间分布特征。
尽管使用单一指标表征复杂的环境系统存在欠缺，但是目前仍缺乏公认的复合指标或建立复合指标的方法来解决该问题，因此本研究仍采用单一指标法。在众多单一指标中，能源消费数据易于获取，而且消费的能源数量越多，在一定程度上意味着经济生产过程中投入的物质和能源越多，相应地产生的废弃物也越多，因此可以较为简单明确地表征环境压力。识别影响环境压力的关键因素，有助于人们有针对性地采取措施实现节能减排、改善环境质量。使用SITRPAT模型可以从人地关系定量研究的框架体系内理清影响环境压力的关键因素，并识别其作用大小，而且可以验证环境库兹涅茨曲线的存在性，较适合本研究。另外，以往研究较少从消费的角度分析影响因素的作用程度[8]；本文尝试选用合适指标从消费视角研究消费模式变化对环境压力的影响。尽管环境压力的空间分异特征已经引起了部分研究人员的注意，但研究的广度和深度仍有待加强，而且已有成果可以直接服务于政策制定目的的仍然较少。本文以河南省18个省辖市市为研究单位，注重探讨其环境压力的空间分异规律，以利于结合各地市发展条件和现状分解、制定和落实节能减排政策和目标。
2 研究方法
2.1 空间统计分析 空间自相关包括全局自相关和局部自相关，常被用于判别某单元观测值与周围临近单元观测值的关联性。本文使用Moran指数I作为度量空间自相关的全局指数，并用标准化统计量Z来检验n个区域是否存在空间自相关关系。为了分析观测值是否存在高值或低值的局部空间集聚现象，同时使用Moran散点图和LISA集聚图进行了局部空间自相关分析。涉及的具体公式和参数意义详见参考文献[18]。
2.2 STIRPAT模型 STIRPAT模型公式的具体表达形式为[19]：
[Ii=aPbiAciTdiei] （1）
式（1）中I、P、A和T分别表示环境指标、人口规模、富裕程度和技术水平；a、b、c和d分别是模型和自变量的系数；e为随机项；下标i对应各观测单元的时间值[8，14]。已有实证研究常把T归为残差项而没有进行单独估计[20]。对于多元非线性模型，为便于估计其参数值和解决模型的异方差性问题，通常将式（1）两边同时取对数，并加入富裕指标对数形式的二次项，以此验证富裕程度与环境压力之间的倒“U”型曲线规律：
[ln（I）=a+bln（P）+cln（A）+dln2（A）+e] （2）
只需在式（2）中对[ln（A）]求一阶偏导数：
[EEIA=c+2dln（A）] （3）
已知[ln（A）]的值，代入式（3）即可得到富裕程度对环境压力的弹性值。
本文拟用STIRPAT模型分析人口规模、人均GDP（以1978年不变价计）、现代化水平（通常采用城市人口占总人口的比重，即城市化率表示）和产业结构（第二产业产值占国内生产总值的比重）等因素对环境压力的作用。人类消费的各种产品和服务均间接消费能源，刻画出消费模式变化反映的偏好作用程度，则能够为节能降耗提供科学参考。借鉴经济系统多样性指数概念，测度8类居民消费性支出结构的多样性[8]，并以此量化消费模式的作用大小。具体通过Shannon-Weaver公式计算[22]。 3 结果与分析
3.1 能源消费总量和部门结构变化特征 1995年以来河南省的能源消费总量呈现出较明显的阶段变化特征。分别经历了1995—2002年的缓慢增长阶段（4.8%/a），2002—2012年的快速增长阶段（10.1%/a）和2012—2014年先下降后上升的階段。河南省能源消费主要集中在第二产业，既是能源消费的主要部门，又是控制能源消费量的潜力部门，且工业能源消费比重在98%以上。
3.2 能源消费空间分布变化特征 考虑到数据的易获取性，选取2005年和2014年为时间节点对河南省能源消费的空间变化特征进行分析（图1）。对比分析发现，河南省能源消费的空间分布状态出现了较大变化。具体表现为，在2005年的18个省辖市中，只有郑州是高能源消费类型区，2014年高能源消费区进一步扩大，包括了郑州和洛阳。较高能源消费区则由2005年的3个省辖市发展为2014年的4个。能源消费的空间分布状态较过去显得更为集中，分布在高能源消费区的东北部和南部，高能源消费区与较高能源消费区连成一片。从2005年到2014年，较低能源消费区的数量由5个增到9个，且由郑州外围转移向豫东南。2005年的低能源消费区均发展为2014年的较低能源消费区。在研究期内，河南省各省辖市的能源消费量在空间分布上表现出西北高-东南低的特点。
3.3 能源消费空间相关和异质性特征 采用空间自相关方法，进一步研究河南省能源消费的区域差异，并识别其在空间分布上的集聚特征。将河南省18个省辖市的能源消费量作为变量，利用GeaDA软件计算得到2005年的全局莫兰指数值为-0.046，呈现出空间负相关性；2014年为0.023，体现出空间正相关性。但是这种空间相关性并不是特别显著，表明空间的集聚性也不太强。为揭示出河南省能源消费的空间异质性特征，采用局部空间自相关分析方法反映空间局域关联的程度。通过GeoDa软件计算得到河南省2005和2014年能源消费量的LISA值，然后根据LISA值绘制出Moran散点图（图2）和LISA聚类图（图3）。由图2可知，研究期限内样点的分布并不集中，按城市数量多少进行排序，依次是第二象限、第一象限、第三象限和第四象限。尽管2014年的样点分布比2005年的集中性更强，但体现的相关性也不十分显著。
源消费量相对较高的地区。2014年，与郑州（3906×104tce）相邻的新乡（1601×104tce）、焦作（1712×104tce）、洛阳（2431×104tce）、平顶山（1467×104tce）和许昌（1323×104tce）发展为高与较高能源消费类型区。但是由于与郑州能源消费量的差距进一步扩大，最终只形成了郑州这一“高—高”集聚类型区。对比这两个时间节点上的“高—高”集聚类型区可以发现，除了郑州之外，其他各省辖市几乎都为集聚类型不显著的地区。
3.4 能源消费影响因素分析 实证分析中，富裕指标（人均真实GDP）与结构性指标（第二产业产值的比重）的相关系数高达0.874。为了避免多重共线性问题，分模型进行了回归方程的建立和分析（表1）。模型1、2和4包含了人均GDP指标，模型3和5包含了结构化指标。人口规模和城市化的系数由于在0.1的水平上不显著而被排除在模型之外。模型1的拟合优度为0.984，说明富裕指标可以解释河南省1995—2014年环境压力的98.4%，而且各系数都在0.001的水平上显著。方程中富裕程度的回归系数为0.773，说明该指标对环境压力具有0.773%的正向作用。模型2加入了人均GDP的平方项，应用强行进入法进行回归模拟得到的系数为负（-0.095，在0.1的水平上显著），说明河南省环境压力和富裕指标之间存在倒U型环境库兹涅茨曲线关系。根据公式（3）计算出人均收入的拐点为15.28万元，为2014年的23.62倍，若按照河南省2011—2014年年均5.89%的增速，达到拐点水平还需要55年多。模型3中，第二产业占的比重每增加1%将使能源消费增加5.355%，说明过去河南省工业的发展是以能源的高度消耗为代价的。为了更准确地度量富裕和结构性指标对河南省能源消费的差异，模型4中同时引进了人均收入和结构性指标，得出人均真实GDP的系数为0.629，第二产业比重的系数为1.232，二者均在0.001的水平上显著。这说明第二次产业对河南省能源消费量的影响程度远大于人均收入的作用。
模型5加入了多样性指数变量，用于体现居民消费模式变化对环境的影响。由表2可知在研究期限内多样性指数从1.59逐渐提高到了1.88，然后维持在1.90左右，最终上升为1.92。其中1995年的食品和衣着支出占了多数，两者高达66.43%；2002年则降为46.34%。而交通出行和娱乐保健等的消费性支出则提高了22.01%，表现出交通出行和娱乐保健等非物质消费支出日益提高的趋势。模型5中，多样性指数的回归系数为3.127，表明居民消费的多样性每增加1%，会使能源消费量提高3.127%。居民消费结构的多样化，特别是交通出行和娱乐保健活动的增加不利于降低能源消费量，而且其作用较为突出。
4 结论与讨论
本文以河南省能源消费为例，在简要分析河南省能源消费总量和部门结构变化特征的基础上，应用空间自相关分析和STIRPAT模型，分别探讨了河南省环境压力的空间集聚特征和富裕程度、产业结构等因素的作用大小，验证了EKC曲线的存在性，并注重引入居民消费性支出多样性指数分析居民消费结构变化对环境压力的影响。主要结论如下：
（1）随着河南省经济的持续快速增长，河南省能源消费也逐渐进入快速增长阶段。能源消费的部门结构组成中，第一产业能源消费量最低；第二产业消费能源最多且其比重一直保持在70%以上，但已呈现出缓慢下降的态势；而第三产业的能源消费比重呈加快增加的态势。在第二产业中，工业能源消费起着绝对控制作用，也是将来节能降耗的核心潜力部门。 （2）全局空间自相关分析表明，河南省的能源消费在空间上具有一定的异质性特点，但由于集聚性不明显，所以其空间相关性并不显著。进一步进行局部空间自相关分析，发现低值区域单元被高值区域单元包围的空间作用形式最多，相对来说2014年比2005年空间分布的集中性较强，但这种空间相关性仍然不显著。具体而言，两个年份的集聚都是以郑州为核心，只是集聚类型区由郑州-洛阳转变为郑州，其他地区几乎都是集聚类型不显著的地区。
（3）富裕程度的提高和工业化的推进都导致河南省环境压力增加，但在保持其他条件不变的情况下，第二产业比重增加1%引起的能源消费增加程度为富裕水平的1.96倍，说明其作用程度存在明显差异。验证发现河南省能源消费量和富裕水平之间存在EKC曲线关系，但是即使按照5.89%的增长速度，仍需要55.25年才能达到拐点水平。
（4）1995—2014年，河南省居民的消费结构逐渐由满足基本生活为主转为以满足精神方面的消费需求为主，直到2003年之后各类居民消费性支出的变化才趋于稳定。由于近年交通出行和娱乐保健等高耗能活动的增加，在其他条件不变时，居民消费多样性指数增加1%，将导致能源消费增加3.127%，对加大环境压力作用显著。
综上所述，作为人地关系分析的实用工具，STIRPAT模型能够定量地评价人类活动对能源消费量的影响程度，但他基于账户恒等式分解人文因素的建模方式，使得自变量的选择具有一定的局限性。而且人口规模、富裕水平、城市化水平和产业结构等指标之间通常存在较高的相关性，这也为变量选择和模型参数估计造成了一定困难。尽管采用岭回归等估计方式可以解决回归模型的共线性问题，但得到的结果是一种有偏估计，而且难以保证其中的k值是小于0.1的理想值。同时，STIRPAT模型过于注重技术进步对于减少能源消费的作用，对于主要相关影响因素作用机理的探讨难以发挥作用，而且人类活动各因素之间复杂的相互作用关系，也没能在模型中予以体现。单一要素代表的环境压力指标具有一定的局限性和片面性，如何在人类活动的环境影响研究中建立多要素指标有待进一步深化和完善。虽然本研究尝试分析了消费模式变化对环境压力的作用，但是在保障人民生活消费需求的情况下，具体什么样的消费结构最有利于降低能源消费，某类消费支出的变化对能源消费总量能起到什么样的作用，还需进行深入分析研究。另外，对于河南省能源消费空间特征的分析，只是衡量了各省辖市能源消费量的空间分异和集聚特征，考虑到各市人口规模、经济增长和技术水平的差异，以人均能源消费或能源强度指标进行分析或许更具有说服力。在把握人文因素对环境压力作用的时间动态基础上，如何利用空间计量模型深入揭示其空间分异规律也应该是今后研究的重要方面。
参考文献
[1]牛子宁，王卫，成贺玺.河北省人类活动环境压力的定量分析[J].环境科学学报，2014，31（10）：2693-2700.
[2]吴开亚，刘晓薇，朱勤，等.安徽省经济增长与环境压力的脱钩关系研究——基于物質流分析[J].地域研究与开发，2012，31（4）：29-33.
[3]马彩虹，赵晶.基于足迹家族的青海省资源环境压力定量评估[J].应用生态学报，2016，27（4）：1248-1256.
[4]赵先贵，赵晶，马彩虹，等.基于足迹家族的云南省资源与环境压力评价[J].生态学报，2016，36（12）：3714-3722.
[5]汪克亮，孟祥瑞，杨宝臣.基于环境压力的长江经济带工业生态效率研究[J].资源科学，2015，37（7）：1491-1501.
[6]袁正，闵庆文，焦雯珺.城乡居民食物消费的水生态占用分析——以太湖流域上游常州市为例[J].资源科学，2012，34（1）：98-104.
[7]张静，鲁春霞，谢高地.北京城市能源消费的生态与环境压力研究[J].资源科学，2015，37（6）：1133-1140.
[8]焦文献，陈兴鹏.基于STIRPAT模型的甘肃省环境影响分析——以1991-2009年能源消费为例.长江流域资源与环境[J].2012，21（1）：106-110.
[9]谢园方，赵媛.长三角地区旅游业能源消耗的CO2排放测度研究[J].地理研究，2012，31（3）：429-438.
[10]卢俊宇，黄贤金，陈逸.基于能源消费的中国省级区域碳足迹时空演变分析[J].地理研究，2013，32（2）：326-336.
[11]鹿晨昱，王春娟，张子龙.庆阳市污染型环境压力的变化趋势及其驱动因素分析[J].干旱区地理，2015，38（3）：618-625.
[12]张梦琳，陈利根，龙开胜.江苏省耕地资源与经济发展计量与协调性分析[J].中国人口·资源与环境，2009，19（3）：82-86.
[13]焦文献，陈兴鹏. 基于IPAT等式的甘肃省能源消费碳排放特征分析及情景预测[J].干旱区资源与环境，2012，26（10）：180-184.
[14]焦文献，陈兴鹏，贾卓.甘肃省能源消费碳足迹变化及影响因素分析[J].资源科学，2012，34（3）：559-565.
[15]孙克，徐中民.环境影响评价中人文因素作用的空间计量[J].生态学报，2009，29（3）：1563-1570.
[16]范俊韬，李俊生，罗建武，等.我国环境污染与经济发展空间格局分析[J].环境科学研究，2009，22（6）：742-746.
[17]侯彩霞，赵雪雁，文岩等.农户生活消费对环境影响的空间差异及其原因——基于张掖市2010年调查数据[J].生态学报，2015，35（6）：2013-2019.
[18]徐建华.计量地理学（第二版）[M].北京：高等教育出版社，2015：158-164.
[19]York R，Rosa E A.，Dietz T.STIRPAT，IPAT and ImPACT：analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics 2003，46：351-365.
[20]York R，Rosa E A，Dietz T.Bridging environmental science with environmental policy：Plasticity of population，affluence and technology[J].Social Science Quarterly，2002，83（1）：18-34.
[21]徐中民，程国栋.中国人口和富裕对环境的影响[J].冰川冻土，2005，27（5）：767-773.
[22]Shannon CE，Weaver W.The Mathematical Theory of Communication[M].Urbana，IL：University of Illinos Press，1949.
（责编：张宏民）
关键词：能源消费；环境压力；空间自相关；STIRPAT模型；消费模式
中图分类号 X24 文献标识码 A 文章编号 1007-7731（2017）21-0077-06
Study on the Spatial Differentiation of Energy Consumption and the Driving Forces of Human Factors in Henan Province
Jiao Wenxian1 et al.
（1College of Environment and Planning，Henan University，Kaifeng 475004，China）
Abstract：Energy consumption is one of the main behaviors of human activities directly affecting global climate change. It is of great practical significance to analyze the temporal and spatial variation characteristics of energy consumption as an indicator of environmental pressure and to identify the important influencing factors. This paper first analyzed the total energy consumption and the sector structure change of Henan Province from 1995 to 2014 by using the yearbook statistical data，and then used the exploratory spatial statistical analysis method to identify the spatial distribution and agglomeration characteristics of energy consumption in 18 cities in Henan Province. Finally，the effect of environmental factors such as population size，wealth and industry structure on environmental pressure was analyzed by STIRPAT model，and the existence of environmental Kuznets curve was validated，especially the affect of change of consumption patterns and technical energy efficiency on energy consumption was analyzed. The results showed that：the secondary industry accounted for the highest share of energy consumption and industrial energy consumption played an absolute control. The spatial distribution of energy consumption in each city has a certain heterogeneity，showing the characteristics of spatial clustering with Zhengzhou as the core area，but not significant. The increase of affluence and the advance of industrialization all lead to the increase of the environmental pressure in Henan Province，but the degree of its effect was obviously different. The increase of energy consumption caused by the increase of 1% in the secondary industry is 1.96 times of the rich level. It was found that there exists EKC curve relationship between energy consumption and wealth level in Henan Province，but it still takes 55.25 years to reach the inflection point，even at the average growth rate in recent years. Due to the increase of high energy consumption activities after the increase of economic development level，the consumption diversity index increases by 1% will lead to an increase of energy consumption by 3.127%，which will obviously increase the environmental pressure. Key words：Energy consumption；Environmental pressure；Spatial autocorrelation；STIRPAT model；Consumption pattern
1 引言
近20年来，河南省经济发展迅速，GDP由1995年的2988.4億元增加到2014年的34938.2亿元，年均增长率高达13.8%。在河南省经济持续快速发展的同时，能源消费总量也由1995年的6473×104tce增加到2014年的22890×104tce，年均增长6.9%。而且其能源消费结构主要以煤炭和石油等一次能源为主，尽管其所占比重已由1995年的97.2%下降为2014年的90.3%，但仍占据绝对优势地位。过度依赖化石能源的消费结构给河南省造成了诸多环境问题。随着中原经济区建设上升为国家战略，河南省将成为全国经济建设大局中的一个战略支点，而且“三化”协调发展的大力推进必将导致更大的能源消费需求。研究当前河南发展过程中由能源消费造成的环境压力，辨明其时空变化特征并识别关键影响因素的具体作用，具有重要的现实指导意义。
选取什么指标才能合理反映人类活动对环境造成的压力，目前还缺乏统一的衡量标准。物质流分析方法可以对经济活动中的物质投入和流出进行量化分析，常被用作环境压力的指示指标[1-2]。利用足迹家族建立的资源环境压力评价体系，可以对生态足迹、碳足迹、水足迹及资源环境压力等进行有效评测[3-4]。SO2排放量[5]、水资源利用量[6]、能源消费量[7-8]、CO2[9]或碳排放量[10]在实证研究中也常被选作环境压力指标。在选用合适指标定量评价环境压力的基础上，如何进一步深入探讨环境压力的影响因素已引起了广泛关注。鹿晨昱[11]等利用结构分解分析模型并结合修正的Laspeyres方法，将污染物环境压力指标分解为人口、经济、技术等3种因素的作用，研究了庆阳市环境压力的时间变化特征和驱动因素的影响。张梦琳等[12]结合协整分析和Granger因果检验法，定量分析了江苏省耕地数量与经济发展之间的关系。焦文献等以IPAT等式[13]和STIRPAT模型[14]为分析工具考察了人类活动对环境压力的作用，并验证了环境库兹涅茨曲线的存在性。分析环境压力动态变化特征及其影响因素的同时，准确识别其空间差异和分布规律同样不容忽视。孙克和徐中民[15]利用空间自相关模型探讨了中国水足迹的空间分布格局。范俊韬等[16]通过系统聚类分析揭示了不同类别中各省（区、市）环境污染和经济发展的空间相关性。侯彩霞等[17]利用生态足迹指标研究了张掖市农户生活消费模式、家庭规模、人均年收入等因素如何影响环境压力的空间分布特征。
尽管使用单一指标表征复杂的环境系统存在欠缺，但是目前仍缺乏公认的复合指标或建立复合指标的方法来解决该问题，因此本研究仍采用单一指标法。在众多单一指标中，能源消费数据易于获取，而且消费的能源数量越多，在一定程度上意味着经济生产过程中投入的物质和能源越多，相应地产生的废弃物也越多，因此可以较为简单明确地表征环境压力。识别影响环境压力的关键因素，有助于人们有针对性地采取措施实现节能减排、改善环境质量。使用SITRPAT模型可以从人地关系定量研究的框架体系内理清影响环境压力的关键因素，并识别其作用大小，而且可以验证环境库兹涅茨曲线的存在性，较适合本研究。另外，以往研究较少从消费的角度分析影响因素的作用程度[8]；本文尝试选用合适指标从消费视角研究消费模式变化对环境压力的影响。尽管环境压力的空间分异特征已经引起了部分研究人员的注意，但研究的广度和深度仍有待加强，而且已有成果可以直接服务于政策制定目的的仍然较少。本文以河南省18个省辖市市为研究单位，注重探讨其环境压力的空间分异规律，以利于结合各地市发展条件和现状分解、制定和落实节能减排政策和目标。
2 研究方法
2.1 空间统计分析 空间自相关包括全局自相关和局部自相关，常被用于判别某单元观测值与周围临近单元观测值的关联性。本文使用Moran指数I作为度量空间自相关的全局指数，并用标准化统计量Z来检验n个区域是否存在空间自相关关系。为了分析观测值是否存在高值或低值的局部空间集聚现象，同时使用Moran散点图和LISA集聚图进行了局部空间自相关分析。涉及的具体公式和参数意义详见参考文献[18]。
2.2 STIRPAT模型 STIRPAT模型公式的具体表达形式为[19]：
[Ii=aPbiAciTdiei] （1）
式（1）中I、P、A和T分别表示环境指标、人口规模、富裕程度和技术水平；a、b、c和d分别是模型和自变量的系数；e为随机项；下标i对应各观测单元的时间值[8，14]。已有实证研究常把T归为残差项而没有进行单独估计[20]。对于多元非线性模型，为便于估计其参数值和解决模型的异方差性问题，通常将式（1）两边同时取对数，并加入富裕指标对数形式的二次项，以此验证富裕程度与环境压力之间的倒“U”型曲线规律：
[ln（I）=a+bln（P）+cln（A）+dln2（A）+e] （2）
只需在式（2）中对[ln（A）]求一阶偏导数：
[EEIA=c+2dln（A）] （3）
已知[ln（A）]的值，代入式（3）即可得到富裕程度对环境压力的弹性值。
本文拟用STIRPAT模型分析人口规模、人均GDP（以1978年不变价计）、现代化水平（通常采用城市人口占总人口的比重，即城市化率表示）和产业结构（第二产业产值占国内生产总值的比重）等因素对环境压力的作用。人类消费的各种产品和服务均间接消费能源，刻画出消费模式变化反映的偏好作用程度，则能够为节能降耗提供科学参考。借鉴经济系统多样性指数概念，测度8类居民消费性支出结构的多样性[8]，并以此量化消费模式的作用大小。具体通过Shannon-Weaver公式计算[22]。 3 结果与分析
3.1 能源消费总量和部门结构变化特征 1995年以来河南省的能源消费总量呈现出较明显的阶段变化特征。分别经历了1995—2002年的缓慢增长阶段（4.8%/a），2002—2012年的快速增长阶段（10.1%/a）和2012—2014年先下降后上升的階段。河南省能源消费主要集中在第二产业，既是能源消费的主要部门，又是控制能源消费量的潜力部门，且工业能源消费比重在98%以上。
3.2 能源消费空间分布变化特征 考虑到数据的易获取性，选取2005年和2014年为时间节点对河南省能源消费的空间变化特征进行分析（图1）。对比分析发现，河南省能源消费的空间分布状态出现了较大变化。具体表现为，在2005年的18个省辖市中，只有郑州是高能源消费类型区，2014年高能源消费区进一步扩大，包括了郑州和洛阳。较高能源消费区则由2005年的3个省辖市发展为2014年的4个。能源消费的空间分布状态较过去显得更为集中，分布在高能源消费区的东北部和南部，高能源消费区与较高能源消费区连成一片。从2005年到2014年，较低能源消费区的数量由5个增到9个，且由郑州外围转移向豫东南。2005年的低能源消费区均发展为2014年的较低能源消费区。在研究期内，河南省各省辖市的能源消费量在空间分布上表现出西北高-东南低的特点。
3.3 能源消费空间相关和异质性特征 采用空间自相关方法，进一步研究河南省能源消费的区域差异，并识别其在空间分布上的集聚特征。将河南省18个省辖市的能源消费量作为变量，利用GeaDA软件计算得到2005年的全局莫兰指数值为-0.046，呈现出空间负相关性；2014年为0.023，体现出空间正相关性。但是这种空间相关性并不是特别显著，表明空间的集聚性也不太强。为揭示出河南省能源消费的空间异质性特征，采用局部空间自相关分析方法反映空间局域关联的程度。通过GeoDa软件计算得到河南省2005和2014年能源消费量的LISA值，然后根据LISA值绘制出Moran散点图（图2）和LISA聚类图（图3）。由图2可知，研究期限内样点的分布并不集中，按城市数量多少进行排序，依次是第二象限、第一象限、第三象限和第四象限。尽管2014年的样点分布比2005年的集中性更强，但体现的相关性也不十分显著。
源消费量相对较高的地区。2014年，与郑州（3906×104tce）相邻的新乡（1601×104tce）、焦作（1712×104tce）、洛阳（2431×104tce）、平顶山（1467×104tce）和许昌（1323×104tce）发展为高与较高能源消费类型区。但是由于与郑州能源消费量的差距进一步扩大，最终只形成了郑州这一“高—高”集聚类型区。对比这两个时间节点上的“高—高”集聚类型区可以发现，除了郑州之外，其他各省辖市几乎都为集聚类型不显著的地区。
3.4 能源消费影响因素分析 实证分析中，富裕指标（人均真实GDP）与结构性指标（第二产业产值的比重）的相关系数高达0.874。为了避免多重共线性问题，分模型进行了回归方程的建立和分析（表1）。模型1、2和4包含了人均GDP指标，模型3和5包含了结构化指标。人口规模和城市化的系数由于在0.1的水平上不显著而被排除在模型之外。模型1的拟合优度为0.984，说明富裕指标可以解释河南省1995—2014年环境压力的98.4%，而且各系数都在0.001的水平上显著。方程中富裕程度的回归系数为0.773，说明该指标对环境压力具有0.773%的正向作用。模型2加入了人均GDP的平方项，应用强行进入法进行回归模拟得到的系数为负（-0.095，在0.1的水平上显著），说明河南省环境压力和富裕指标之间存在倒U型环境库兹涅茨曲线关系。根据公式（3）计算出人均收入的拐点为15.28万元，为2014年的23.62倍，若按照河南省2011—2014年年均5.89%的增速，达到拐点水平还需要55年多。模型3中，第二产业占的比重每增加1%将使能源消费增加5.355%，说明过去河南省工业的发展是以能源的高度消耗为代价的。为了更准确地度量富裕和结构性指标对河南省能源消费的差异，模型4中同时引进了人均收入和结构性指标，得出人均真实GDP的系数为0.629，第二产业比重的系数为1.232，二者均在0.001的水平上显著。这说明第二次产业对河南省能源消费量的影响程度远大于人均收入的作用。
模型5加入了多样性指数变量，用于体现居民消费模式变化对环境的影响。由表2可知在研究期限内多样性指数从1.59逐渐提高到了1.88，然后维持在1.90左右，最终上升为1.92。其中1995年的食品和衣着支出占了多数，两者高达66.43%；2002年则降为46.34%。而交通出行和娱乐保健等的消费性支出则提高了22.01%，表现出交通出行和娱乐保健等非物质消费支出日益提高的趋势。模型5中，多样性指数的回归系数为3.127，表明居民消费的多样性每增加1%，会使能源消费量提高3.127%。居民消费结构的多样化，特别是交通出行和娱乐保健活动的增加不利于降低能源消费量，而且其作用较为突出。
4 结论与讨论
本文以河南省能源消费为例，在简要分析河南省能源消费总量和部门结构变化特征的基础上，应用空间自相关分析和STIRPAT模型，分别探讨了河南省环境压力的空间集聚特征和富裕程度、产业结构等因素的作用大小，验证了EKC曲线的存在性，并注重引入居民消费性支出多样性指数分析居民消费结构变化对环境压力的影响。主要结论如下：
（1）随着河南省经济的持续快速增长，河南省能源消费也逐渐进入快速增长阶段。能源消费的部门结构组成中，第一产业能源消费量最低；第二产业消费能源最多且其比重一直保持在70%以上，但已呈现出缓慢下降的态势；而第三产业的能源消费比重呈加快增加的态势。在第二产业中，工业能源消费起着绝对控制作用，也是将来节能降耗的核心潜力部门。 （2）全局空间自相关分析表明，河南省的能源消费在空间上具有一定的异质性特点，但由于集聚性不明显，所以其空间相关性并不显著。进一步进行局部空间自相关分析，发现低值区域单元被高值区域单元包围的空间作用形式最多，相对来说2014年比2005年空间分布的集中性较强，但这种空间相关性仍然不显著。具体而言，两个年份的集聚都是以郑州为核心，只是集聚类型区由郑州-洛阳转变为郑州，其他地区几乎都是集聚类型不显著的地区。
（3）富裕程度的提高和工业化的推进都导致河南省环境压力增加，但在保持其他条件不变的情况下，第二产业比重增加1%引起的能源消费增加程度为富裕水平的1.96倍，说明其作用程度存在明显差异。验证发现河南省能源消费量和富裕水平之间存在EKC曲线关系，但是即使按照5.89%的增长速度，仍需要55.25年才能达到拐点水平。
（4）1995—2014年，河南省居民的消费结构逐渐由满足基本生活为主转为以满足精神方面的消费需求为主，直到2003年之后各类居民消费性支出的变化才趋于稳定。由于近年交通出行和娱乐保健等高耗能活动的增加，在其他条件不变时，居民消费多样性指数增加1%，将导致能源消费增加3.127%，对加大环境压力作用显著。
综上所述，作为人地关系分析的实用工具，STIRPAT模型能够定量地评价人类活动对能源消费量的影响程度，但他基于账户恒等式分解人文因素的建模方式，使得自变量的选择具有一定的局限性。而且人口规模、富裕水平、城市化水平和产业结构等指标之间通常存在较高的相关性，这也为变量选择和模型参数估计造成了一定困难。尽管采用岭回归等估计方式可以解决回归模型的共线性问题，但得到的结果是一种有偏估计，而且难以保证其中的k值是小于0.1的理想值。同时，STIRPAT模型过于注重技术进步对于减少能源消费的作用，对于主要相关影响因素作用机理的探讨难以发挥作用，而且人类活动各因素之间复杂的相互作用关系，也没能在模型中予以体现。单一要素代表的环境压力指标具有一定的局限性和片面性，如何在人类活动的环境影响研究中建立多要素指标有待进一步深化和完善。虽然本研究尝试分析了消费模式变化对环境压力的作用，但是在保障人民生活消费需求的情况下，具体什么样的消费结构最有利于降低能源消费，某类消费支出的变化对能源消费总量能起到什么样的作用，还需进行深入分析研究。另外，对于河南省能源消费空间特征的分析，只是衡量了各省辖市能源消费量的空间分异和集聚特征，考虑到各市人口规模、经济增长和技术水平的差异，以人均能源消费或能源强度指标进行分析或许更具有说服力。在把握人文因素对环境压力作用的时间动态基础上，如何利用空间计量模型深入揭示其空间分异规律也应该是今后研究的重要方面。
参考文献
[1]牛子宁，王卫，成贺玺.河北省人类活动环境压力的定量分析[J].环境科学学报，2014，31（10）：2693-2700.
[2]吴开亚，刘晓薇，朱勤，等.安徽省经济增长与环境压力的脱钩关系研究——基于物質流分析[J].地域研究与开发，2012，31（4）：29-33.
[3]马彩虹，赵晶.基于足迹家族的青海省资源环境压力定量评估[J].应用生态学报，2016，27（4）：1248-1256.
[4]赵先贵，赵晶，马彩虹，等.基于足迹家族的云南省资源与环境压力评价[J].生态学报，2016，36（12）：3714-3722.
[5]汪克亮，孟祥瑞，杨宝臣.基于环境压力的长江经济带工业生态效率研究[J].资源科学，2015，37（7）：1491-1501.
[6]袁正，闵庆文，焦雯珺.城乡居民食物消费的水生态占用分析——以太湖流域上游常州市为例[J].资源科学，2012，34（1）：98-104.
[7]张静，鲁春霞，谢高地.北京城市能源消费的生态与环境压力研究[J].资源科学，2015，37（6）：1133-1140.
[8]焦文献，陈兴鹏.基于STIRPAT模型的甘肃省环境影响分析——以1991-2009年能源消费为例.长江流域资源与环境[J].2012，21（1）：106-110.
[9]谢园方，赵媛.长三角地区旅游业能源消耗的CO2排放测度研究[J].地理研究，2012，31（3）：429-438.
[10]卢俊宇，黄贤金，陈逸.基于能源消费的中国省级区域碳足迹时空演变分析[J].地理研究，2013，32（2）：326-336.
[11]鹿晨昱，王春娟，张子龙.庆阳市污染型环境压力的变化趋势及其驱动因素分析[J].干旱区地理，2015，38（3）：618-625.
[12]张梦琳，陈利根，龙开胜.江苏省耕地资源与经济发展计量与协调性分析[J].中国人口·资源与环境，2009，19（3）：82-86.
[13]焦文献，陈兴鹏. 基于IPAT等式的甘肃省能源消费碳排放特征分析及情景预测[J].干旱区资源与环境，2012，26（10）：180-184.
[14]焦文献，陈兴鹏，贾卓.甘肃省能源消费碳足迹变化及影响因素分析[J].资源科学，2012，34（3）：559-565.
[15]孙克，徐中民.环境影响评价中人文因素作用的空间计量[J].生态学报，2009，29（3）：1563-1570.
[16]范俊韬，李俊生，罗建武，等.我国环境污染与经济发展空间格局分析[J].环境科学研究，2009，22（6）：742-746.
[17]侯彩霞，赵雪雁，文岩等.农户生活消费对环境影响的空间差异及其原因——基于张掖市2010年调查数据[J].生态学报，2015，35（6）：2013-2019.
[18]徐建华.计量地理学（第二版）[M].北京：高等教育出版社，2015：158-164.
[19]York R，Rosa E A.，Dietz T.STIRPAT，IPAT and ImPACT：analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics 2003，46：351-365.
[20]York R，Rosa E A，Dietz T.Bridging environmental science with environmental policy：Plasticity of population，affluence and technology[J].Social Science Quarterly，2002，83（1）：18-34.
[21]徐中民，程国栋.中国人口和富裕对环境的影响[J].冰川冻土，2005，27（5）：767-773.
[22]Shannon CE，Weaver W.The Mathematical Theory of Communication[M].Urbana，IL：University of Illinos Press，1949.
（责编：张宏民）