今天小编为大家推荐《基于可持续发展的环境保护论文(精选3篇)》，仅供参考，大家一起来看看吧。摘要：《环境保护与可持续发展》是针对非环境专业本科生开设的一门公共选修课。该课程以培养学生的生态素养为目标，通过普及环境保护的基本知识，提高学生的环境保护意识和技能，建立環境保护、可持续发展与节能减排的价值观，在当前生态文明建设的背景下，具有十分重要的意义。
基于可持续发展的环境保护论文 篇1：
基于超效率SBM模型的中国区域全要素能源效率评价
摘 要： 建立了基于DEA模型的全要素能源效率评价指标体系，运用考虑非期望产出的超效率SBM模型，对我国30个省（直辖市、自治区） 2007—2016年的能源效率进行了测度，将测度结果按照东部、中部、西部三个区域进行了时空差异分析，并对各区域的全要素能源效率變化趋势进行收敛性检验。结果显示：2007—2016年我国全要素能源效率整体呈现下降趋势，从三个区域的对比研究可以看出，我国区域能源效率存在明显差异，具体表现为东部能源效率最高、中部次之、西部最差，与我国区域经济发展水平的梯度相一致。通过收敛性检验可以看出2007—2016年，我国全要素能源效率呈发散趋势，即地区之间的差距在逐渐增大。
关键词： 数据包络分析（DEA）;全要素能源效率;超效率SBM模型;收敛性检验
文献标志码： A
Key words： data envelopment analysis （DEA）; total factor energy efficiency; super-efficiency SBM model; convergence test
改革开放以来，中国经济建设取得了巨大成就。国家统计局公布的最新数据显示，1978年至今我国GDP增长约80倍，年均增长率高达9.5%，在全球主要经济体中名列前茅。但是，中国高能耗、重污染、低产出的经济增长模式也一直为人诟病。经济增长与能源消耗、环境污染之间的矛盾日趋激化，当前中国经济发展遇到了前所未有的巨大挑战。2016年我国能源消费总量排名世界第一，占世界能源消费总量的23%，CO<SUB>2</SUB>排放量排名世界第一，占世界总量的27.3%。2016年我国单位GDP能耗为3.7吨标准煤/万美元，是2015年世界能耗强度平均水平的1.4倍、发达国家平均水平的2.1倍，单位GDP能耗与发达国家仍有较大差距。为实现可持续发展、提高能源效率和控制温室气体排放，中国政府提出了建设环境友好型和资源节约型社会的战略目标。“十一五”规划纲要中，中国政府首次明确了节能减排的量化指标和具体措施。在“十二五”规划纲要中，中国政府进一步完善了节能减排和环境保护政策，纲要中明确“十二五”期间我国单位GDP能耗减少目标是16%，主要污染物（二氧化碳、二氧化硫等）排放总量减少目标是8%。根据国家“十三五”规划，GDP年均增速要保持在6.5%以上，而2020年的国内生产总值能耗比2015年下降15%，能源消费总量要控制在50亿吨标准煤以内。因此，在当前经济增长和节能减排的双重目标下，提高能源使用效率、实现经济转型升级是经济可持续发展的必然选择，科学评价能源效率对中国经济和社会发展具有重要意义。
1 研究现状
研究能源效率问题的常用方法主要为生产前沿分析方法，所谓生产前沿是指在一定的技术水平下，各种比例投入所对应的最大产出集合。生产前沿分析方法根据是否已知生产函数的具体形式分为参数方法和非参数方法，前者以随机前沿分析（stochastic frontier analysis，下文简称SFA）为代表，后者以数据包络分析（data envelope analysis，下文简称DEA）为代表。SFA方法需要人为设定具体的生产函数，通过计量模型对生产函数的参数进行估计，进而判断是否有必要使用SFA方法，如果生产函数设定正确，则可以剔除随机因素对产出的影响，得到较为客观的结果，如果函数设定不正确，估计出的参数存在较大偏差，得到的结果会产生很大的误差。因此，使用SFA方法具有较强的主观性。DEA方法不需要设定生产函数，只需根据投入与产出便能测算出生产前沿面，同时DEA方法能更加有效地处理多投入、多产出的问题。
DEA方法是1978年由美国运筹学家Charnes等人提出的，它是一种非参数效率评价方法，以相对效率概念为基础，运用数学规划模型来计算具有相同类型投入和产出的决策单元（decision making unit，DMU）和由相对有效的决策单元构成的生产前沿面之间的距离，据此计算出每个DMU的相对效率值。随着方法的进步，DEA在能源和环境研究领域得到了越来越多的关注，测量能源效率已被确定为DEA的一个重要的应用领域。魏楚等基于DEA方法计算了1995—2004年的中国省级能源效率，并将它和传统的能源生产率进行区分和比较;李世祥等基于DEA方法计算了中国13个主要工业省区1990—2006年的能源效率，发现我国工业行业能源效率偏低;Wang等基于DEA方法，评估了2006—2010年中国30个主要城市工业部门的区域能源效率以及节能减排潜力;屈小娥等运用DEA-Malmquist指数实证测算了1990—2006年全国30个省份能源效率及技术进步、技术效率指数。上述研究的共同点是使用传统的DEA模型测算能源效率，这类模型只能对决策单元是否为DEA有效做出判断，对于多个被判定为DEA有效的决策单元之间的差别无法区分。实际上，同样是DEA有效的决策单元，由于投入产出数据的不同，它们之间依旧存在着区别，还需要对这些DEA有效的决策单元进一步评价。此外，在实际能源使用过程中会出现污染物，如二氧化碳、二氧化硫等非期望产出，上述研究并没有考虑此类非期望产出。
国内有些学者采用包含非期望产出的超效率DEA模型研究中国的能源效率。王恩旭等基于超效率DEA方法建立了可处理非期望产出的能源效率评价模型，对中国30个行政区域的能源效率进行实证研究;关爱萍等基于超效率DEA模型对中国西部11个省2000—2011年的全要素能源效率进行了测算;刘海滨等在考虑环境因素的基础上，采用超效率DEA模型研究了我国区域能源效率;朱帮助等基于超效率DEA方法建立了能源效率评价模型，并对我国29个省2000—2010年的能源效率进行了实证分析;李金颖等运用在CCR模型基础上建立起来的超效率DEA 模型，分析了1998—2008年河北省全要素能源效率问题。上述研究所采用的超效率模型都是基于传统DEA-CCR模型改进得到的，其本质是径向的DEA模型。径向DEA模型没有考虑投入产出的松弛变量，使用这类模型测算得到的能源效率会出现較大的偏差。
2 考虑非期望产出的超效率SBM模型
Tone提出了一种带有投入和产出松弛变量的非径向DEA模型——基于松弛变量的模型（slacks based model，下文简称SBM）。SBM模型的目标函数中带有投入和产出的松弛变量，直接对投入和产出的松弛变量进行处理。SBM模型可以同时从投入和产出角度分析能源效率，消除了传统径向DEA模型在效率评价过程中因径向选择差异所带来的效率测量偏差，能够获得更客观和准确的效率测量。在实际能源使用过程中，诸如二氧化碳、二氧化硫等非期望产出是无法避免的，研究能源效率必须将此类非期望产出考虑在模型内。Tone和Sahoo基于SBM模型，提出了一个将非期望产出考虑在内的新的效率度量方法——超效率SBM模型，该模型可以对SBM有效的决策单元进行二次评价，评价结果能够有效区分各决策单元之间的效率差异。模型表示如下：
3 指标选择与数据处理
单要素能源效率指标是一个一维指标，使用该指标测算能源效率时仅考虑能源投入与经济产出。Hu等认为单要素能源效率指标主要是基于能源强度比较及其变动因素的分解进行分析，忽略了经济产出是由能源与劳动力、资本等多种生产性要素共同组合的结果，其内涵相对而言缺少经济意义，仅是对能源利用水平的度量，是专门用来测量能源使用效率的指标。因此，Hu等提出了全要素能源效率指标（total factor energy efficiency，TFEE），该指标弥补了单要素指标的不足，着重分析能源、劳动、资本投入与经济等产出之间的相互作用与替代关系。Hu等在该指标体系下运用DEA方法测度了中国各地区1995—2002年的能源效率。
本文基于Hu等人的研究，使用全要素能源效率指标体系，对我国的能源效率进行评价，将劳动力人口和固定资本存量作为两个非能源投入，煤炭、石油和天然气的消费量作为三个能源投入，地区生产总值（GDP）作为期望产出。考虑到实际能源使用过程伴随着废水、废气等产出，所以将二氧化碳（CO<SUB>2</SUB>）和二氧化硫（SO2）的排放量作为两个非期望产出。每年的劳动力人口、GDP和SO2的排放量数据来源于《中国统计年鉴2008—2017》。三种类型的能源消耗来源于《中国能源统计年鉴2008—2017》。固定资本存量的数据来源于张军等的研究。同时，CO<SUB>2</SUB>排放量采用刘宇等给出的通过化石燃料消耗量计算的方法。
本文选取2007—2016年我国30个省（直辖市、自治区），由于数据问题，本文的研究没有考虑西藏自治区、台湾省以及香港和澳门地区。根据国家统计局对东部、中部和西部三个区域的划分，本文将对这三个区域的能源效率进行研究，其中东部省份包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部省份包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南，西部省份包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。各区域投入和产出变量的描述性统计特征如表1所示。
4 实证分析
基于考虑非期望产出的超效率SBM模型，计算得到中国2007—2016年30个省市的全要素能源效率值，并通过求算数平均值的方法，得到各区域的全要素能源效率值，结果见表2与图1。
4.1 区域全要素能源效率时空差异分析
（1）东部区域包括8个沿海省份和3个直辖市，该区域自改革开放以来经济发展迅速，每年的GDP约占全国GDP的60%，能源消耗约占全国消耗量的45%。2007—2016年东部区域的能源效率出现过两次较大的波动。第一次是2007—2008年，其能源效率从1.21下降到了1.13，原因在于2008年发生了席卷全球的经济危机，此次危机对于我国的GDP增长造成了一定的影响。经济危机发生之前，2007年中国GDP增长率为11.9%，经济危机发生之后，2008年中国GDP增长率下降到了9%。东部区域作为经济增长的重点区域，经济危机对其造成的影响要比其他两个区域更为严重。第二次波动发生在2011—2013年，东部区域的能源效率再一次出现较大幅度的降低，从2011年的1.24下降到了2013年的1.07。2011年是我国“十二五规划”的开局之年，政府进一步完善了节能减排和环境保护政策，明确规定“十二五”期间我国单位GDP能耗减少目标是16%，主要污染物排放总量（二氧化碳、二氧化硫等）减少目标是8%。在此目标之下，东部区域作为我国经济发展的重点区域以及能源消耗的主要区域，为了实现国家的节能减排目标，该区域内的各省市纷纷出台各种地方性政策。这些政策措施的制定并没有从提升能源效率、实现节能减排目标的层面考虑，只是简单地限制一些高能耗、高污染企业的发展，这些企业具有高能耗、高污染的同时，也具有很强的经济产出能力，限制其生产在短期内可能会起到节能减排的效果，但从长远来看，会降低东部地区的经济实力，进而对能源效率产生负面作用。
东部区域内的各省市的表现也存在明显差异：北京的能源效率是东部省市中最高的，而且明显高于其他省市。上海和辽宁的能源效率2007—2016年一直处于大于1的有效状态，能源效率均值分别为1.49和1.10。海南、福建、山东虽然能源效率的均值大于1，但部分年份处于能源效率小于1的状态。河北的能源效率在东部各省市中处于最低水平，均值只有0.88，低于中部的平均水平，这与它的区域位置有一定的关系，河北的很多城市与北京接壤，北京为了防止工业等污染，将很多产业都布局在与其相邻的河北境内的城市，从而增大了河北的资源消耗，由于技术等原因导致河北较大的资源消耗却处于较低的能源效率水平。
（2）中部区域包括8个内陆省份，每年GDP约占全国GDP的25%，能源消耗约占35%。在研究期内，其能源效率表现较为稳定，处于缓慢上升的状态。其中，山西的能源效率均值为1.41，位列中部之首，并且处于全国第3位。山西是我国资源型大省，改革开放以来的很长一段时间其产业的发展都是以煤炭产业为核心，资源的消耗较高。王恩旭等人的研究表明，1995—2007年山西的能源效率一直处于较低水平。在本文的研究期内，山西的能源效率一直保持较高水平，能源效率均值达到1.41，稳居中部区域前列。这得益于山西省政府出台的一系列提高能源效率的政策措施，包括提高能源供给体系质量效益、构建清洁低碳用能模式、推进能源科技创新、深化能源体制改革、扩大能源对外合作等。中部其他省份如江西、安徽、湖南的能源效率在2007—2016年一直处于有效率的状态，吉林、黑龙江、河南、湖北的能源效率均值都小于1，是提升中部區域能源效率的重点关注地区。
（3）西部区域包括7个省份和4个自治区，GDP约占全国GDP的15%，能源消耗约占全国消耗量的20%。该区域的能源效率均值为0.85，低于全国的平均水平。2007—2016年该区域的能源效率处于下降趋势，均值由2007年的0.92下降到2016年的0.88，主要原因在于11个地区中有6个地区的能源效率处于下降趋势，其中重庆、四川下降明显。青海、广西、云南3个地区的效率均值处于三个区域中最低的水平，这也是西部区域效率低于其他区域的重要原因。随着新一轮的重工业、高耗能行业的内迁转移，以及国家出台更为严格的节能减排政策，会给西部能源效率的改善带来更大的压力。
4.2 区域全要素能源效率收敛性检验
本文所研究的三个区域之间的能源效率差异明显，能源效率较高的区域与能源效率较低的区域之间差距的特征各异，为了探寻各区域之间差异的特征与演变规律，需要对能源效率进行收敛性检验。在收敛性检验的相关研究中，σ收敛使用较多。σ收敛可以用来检验区域间的效率离散程度，即地区差异，衡量我国三个区域的效率是呈扩大趋势，还是缩小趋势。依据林光平等人的研究方法，本文研究的中国区域全要素能源效率σ收敛可表示如下：
其中：TFEEnt表示第n个省在t时期的全要素能源效率;TFEEt表示t时期所有N个省份的全要素能源效率的平均值。当σt+1<σt时，说明全要素能源效率的离散系数在缩小，存在σ收敛。根据式（4）计算各区域全要素能源效率的收敛性，结果见表3和图2。
从全国范围来看，2007—2016年，全国的能源效率变化较大，地区之间差距各异，其中2007—2011年出现上升的发展趋势，即各省市之间的差距逐渐增大，2011年之后各地区之间差距又在缩小。从区域层面来看，东部、中部、西部三个区域内部的效率变化差异较大，其中东部区域内部差异在2010年出现了一个较大的波动，其余年份各区域差异变化都较平稳，中部的能源效率呈现差异逐渐缩小的趋势，而西部呈现差异逐渐增大的趋势。东部区域是全国能源效率变化趋势最明显的区域，2007—2016年该区域总体变化趋势与全国的变化趋势相同，而且由于东部区域8个省市的能源效率均值高于1，特别是北京的能源效率呈现超高的趋势，导致其对全国的能源效率变化具有极大的决定作用。
5 结论与政策建议
本文在全要素能源效率指标体系下，运用考虑非期望产出的超效率SBM模型，对中国的30个省市和东部、中部、西部3个区域的能源效率进行了研究，并对各区域能源效率的收敛性进行了检验。从省份层面看，北京的能源效率一直处于较高水平，这与其地理优势、资源禀赋、政府政策的扶持以及该地区在发展环境中的创新有很紧密的联系;从区域层面看，东部区域全要素能源效率最高，其次是中部，效率最低的是西部区域，这与我国经济水平的分布梯度相一致，东部对于我国整体能源效率的提升和拉动作用相当明显。2007—2016年，中国整体、东部和中部的能源效率都在波动中呈现出收敛趋势。与此相反，西部内部省份的能源效率表现出了缓慢的发散趋势，因此西部区域和其他区域的能源效率差距不能显著缩小。
由此，得出如下政策建议：
第一，稳步提高东部区域能源效率，以产生辐射作用带动中西部区域能源效率的提高，从而提高我国整体的能源效率。第二，制定向中西部倾斜的能源政策，加快中西部区域能源效率提升速度。第三，打破区域之间要素流动的壁垒，加强区域间资金、技术、人才的流动，促进区域之间的交流合作。最后，加强国际间的能源技术合作，学习国外的先进技术和管理经验，同时将我国富有成效的节能技术向国外介绍，参与全球技术创新体系的交流合作，在此过程中不断提升、完善现有的节能技术。
参考文献：
[1] 中华人民共和国国家统计局. 中国统计年鉴2018[M]. 北京： 中国统计出版社， 2018.
[2] 国家统计局能源统计司. 中国能源统计年鉴2017[M]. 北京： 中国统计出版社， 2017.
[3] 国家发展和改革委员会. 中华人民共和国国民经济和社会发展第十二个五年规划纲要[M]. 北京： 人民出版社， 2011.
[4] 国家发展和改革委员会. 中华人民共和国国民经济和社会发展第十三个五年规划纲要[M]. 北京： 人民出版社， 2016.
[5] 涂正革， 肖耿. 中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J]. 经济研究， 2005（3）：4-15.
[6] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978，2（6）：429-444.
[7] ZHOU P， ANG B W， POH K L. A survey of data envelopment analysis in energy and environmental studies[J]. European Journal of Operational Research， 2008，189（1）：1-18.
[8] 魏楚， 沈满洪. 能源效率及其影响因素：基于DEA的实证分析[J]. 管理世界， 2007（8）：66-76.
[9] 李世祥， 成金华. 中国主要工业省区能源效率分析：1990—2006年[J]. 数量经济技术经济研究， 2008，25（10）：32-43.
[10] WANG K， WEI Y. China’s regional industrial energy efficiency and carbon emissions abatement costs[J]. Applied Energy， 2014（130）：617-631.
[11] 屈小娥. 中国省际全要素能源效率变动分解——基于Malmquist指数的实证研究[J]. 数量经济技术经济研究， 2009，26（8）：29-43.
[12] 王恩旭， 武春友. 基于超效率DEA模型的中国省際生态效率时空差异研究[J]. 管理学报， 2011，8（3）：443-450.
[13] 关爱萍， 师军， 张强. 中国西部地区省际全要素能源效率研究——基于超效率DEA模型和Malmquist指数[J]. 工业技术经济， 2014，33（2）：32-40.
[14] 刘海滨， 郭正权. 基于环境因素的我国区域全要素能源效率分析[J]. 统计与决策， 2011（6）：86-88.
[15] 朱帮助， 吴万水， 王平. 基于超效率DEA的中国省际能源效率评价[J]. 数学的实践与认识， 2013，43（5）：13-19.
[16] 李金颖， 成云雪. 基于超效率DEA方法的全要素能源效率分析[J]. 工业工程， 2012，15（1）：87-92.
[17] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.
[18] TONE K， SAHOO B K. Scale， indivisibilities and production function in data envelopment analysis[J]. International Journal of Production Economics， 2003，84（2）：165-192.
[19] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2002，143（1）：32-41.
[20] HU J， WANG S. Total-factor energy efficiency of regions in China[J]. Energy Policy， 2006，34（17）：3206-3217.
[21] 张军， 吴桂英， 张吉鹏. 中国省际物质资本存量估算：1952—2000[J]. 经济研究， 2004（10）：35-44.
[22] LAN-CUI LIU J W G W. China′s regional carbon emissions change over 1997—2007[J]. 2019（1）：161.
[23] 刘宇， 吕郢康， 周梅芳. 投入产出法测算CO2排放量及其影响因素分析[J]. 中国人口·资源与环境， 2015，25（9）：21-28.
[24] 赵弘. 中国区域经济发展报告（2016—2017）[J]. 经济学动态， 2017（8）：161.
[25] 林光平， 龙志和， 吴梅. 中国地区经济σ-收敛的空间计量实证分析[J]. 数量经济技术经济研究， 2006（4）：14-21.
作者：吴家红 段永瑞
基于可持续发展的环境保护论文 篇2：
基于生态文明建设的《环境保护与可持续发展》教学模式探讨
摘要：《环境保护与可持续发展》是针对非环境专业本科生开设的一门公共选修课。该课程以培养学生的生态素养为目标，通过普及环境保护的基本知识，提高学生的环境保护意识和技能，建立環境保护、可持续发展与节能减排的价值观，在当前生态文明建设的背景下，具有十分重要的意义。本文结合该课程的教学实践经验，从教学内容的合理设置、教学手段的多模式创新等方面提出了一系列具体的改革措施，为提高高校环境教育质量、培养大学生的生态素养提供建议和参考。
关键词：生态文明；环境教育；教学改革；生态素养
一、引言
改革开放以来，我国经济快速发展，创造了举世瞩目的成就。但发展中所付出的资源、环境代价过大，发展不平衡、不协调的矛盾日益突出，生态退化、环境污染加重，严重制约了现代化目标的顺利实现。因此，党的十七大报告中提出了生态文明建设的明确目标，并在十八大中强调，“要把生态文明建设放在突出地位，融入经济建设、政治建设、文化建设、社会建设各方面和全过程，努力建设美丽中国，实现中华民族永续发展”。为了能够实现生态文明的建设目标，必须加强生态教育，提高全民族的生态道德素质[1]，使人们对生态环境的保护转化为自觉的行动，进而解决生态保护的根本问题，从而为生态文明的发展奠定坚实的基础。大学生是未来社会建设的骨干力量，是文明的宣传者、创造者和推动者。大学生的生态道德意识和观念直接关系到我国能否建成生态文明社会，能否实现经济、社会与环境的持续协调发展。在此笔者以我校本科生全校公选课《环境保护与可持续发展》为例，结合其他高校环境保护与可持续发展课程的经验[2，3]，从教学内容和教学方法等方面进行了思考和总结，对该课程的教学模式的改革进行探讨，以期为生态文明背景下高校环境教育的发展提供参考和借鉴。
二、以生态文明建设为中心的教学内容的合理设置
在生态文明建设的要求下，高校环境教育的主要目标应以培养学生的生态素养为主，通过普及环境保护的基本知识，提高学生的环境保护意识和技能；同时激发学生的环境责任感，使学生能够自觉自愿接受并执行环境保护、可持续发展与节能减排的价值观。因此，在课程内容的设置上应进行相应调整。
1.强化生态学的系统思想和平衡理论。生态学是环境教育中非常重要的内容，由于同学们在中学阶段已经接触过生态学的一些概念和词汇，所以对这部分教学内容往往心存轻视。但是环境问题正是由于生态平衡失调所导致的，而生态平衡失调主要是由于人类在进行生产生活活动时，忽视了生态系统作为一个整体的系统性而造成的。从多年的授课经验可以看出，学生们对于环境问题的产生和解决以及我国环境政策的制订的理解都是非常表面的，缺乏对其背后原因的多角度深层次的系统剖析，其主要原因就是对生态系统的系统性及生态平衡理论认识不足所造成的。因此，在讲授生态学的内容时，同学们所熟悉的概念、词汇等略讲即可，重点在于帮助其理解生态学的系统思想和平衡理论。具体可通过一些案例来启发同学们进行思考，如温室效应是由于能源的消耗引起了全球气候的变化，由此又引起了一系列物种多样性的改变；又如污染物处理过程中的污染转移问题等。通过引导学生们对环境问题的多角度思考，使其能够从系统性和生态平衡的观点对环境保护和可持续发展有更加深刻的理解和认识。
2.重视环境伦理学教育。生态文明建设离不开科学技术手段的支持和法律制度的保障，更离不开环境伦理观念的支撑[4，5]。环境伦理观念是发展生态文明的依托和动力来源，而目前高校的环境教育大都偏向环境问题的分析和环境保护知识、技能的传授，却忽视了对环境态度、环境责任以及环境伦理的培养，从而无法成功激起广大学生有效的环境行动。因此，在环境保护与可持续发展的课程讲授上，应重视环境伦理学的教育，确保大学生接受系统的环境伦理知识，使其了解自然、了解环境、了解人与自然的伦理关系，从而在人与自然的关系上树立正确的态度，逐渐养成爱惜资源和保护环境的良好意识、道德观念和良好习惯[6]。环境伦理学的教育可以在环境保护知识教育过程中穿插进行，如分析某一具体环境问题成因时可从道德层面深入剖析；或者在进行可持续发展教学时，向学生讲授可持续发展的伦理观等。除此之外，还应辟出专门的章节进行系统的环境伦理教学，使学生充分了解当前环境伦理学研究的基本内容和主要观点，使学生们在充分了解这些观点的基础上，树立正确的环境伦理观，并自觉遵守环境伦理道德原则，只有这样才能进一步解决人与自然的矛盾，实现生态文明的建设目标。
3.注重案例分析的实时性拓展。环境教育的内容十分广泛，涉及到生态学、资源学、环境学、伦理学、经济学、工程学等。目前大多高校选择清华大学钱易院士主编的国家“十五”规划教材《环境保护与可持续发展》，该教材内容丰富，基本涵盖了环境保护和可持续发展的各方面内容。但是教材的更新毕竟具有一定滞后性，难以与当前不断涌现的环境问题同步，如当前社会的热点PM2.5和雾霾问题，教材上几乎没有提及，但是学生对这些知识有着强烈的渴求。因此，单单依据教材来制订教学大纲不能满足教学要求。考虑到教材内容的滞后性，在课程内容设置方面，可采用教材章节设置的思路和环境保护与可持续发展的基础理论，以当下公众关心的环境热点问题及环境保护形式和政策作为案例分析，使学生能够以环境保护和可持续发展的基本理论为基础，对当下发生的环境热点事件进行深入理解，这样不仅可以实现理论与实践的融会贯通，更能激发学生的环保热情与参与感，取得良好的教学效果[7]。
三、教学方式的多模式创新
《环境保护与可持续发展》作为一门公选课，面对的是来自全校各个院系、具有不同知识背景的大学生，如何深入浅出地将一门包括自然科学和社会科学的交叉学科的内容阐述清楚，并为学生所接受，是一个颇大的挑战。因此，授课过程中，可在传统教学模式之外，采用多种教学模式相结合的方式，以达到良好的教学效果。
1.专题化讲座。由于该课程的授课对象主要是非环境专业的学生，他们更多关注且熟悉的是当下的环境问题以及环境政策，如雾霾、全球气候变暖、臭氧层空洞、酸雨、物种多样性锐减、土地沙漠化、新能源和清洁能源、清洁生产、循环经济、可持续发展等。专题化讲座可以就某一个问题的来龙去脉、影响危害、解决方案等进行完整系统的讲授。同时在专题化讲座过程中，更便于开展小组讨论以及课堂互动，通过引导学生思考，提高教学效果。专题化教学目前已经尝试了两年，通过这种方式，学生们对一些热点的环境问题和环境政策有了系统的认识和理解，教学效果良好。
2.利用优秀视频资料辅助教学。目前，随着公众对环境问题的关注，相关的影像资料日益增多。如果在传统的教师授课模式之外，采用适宜的影像资料进行辅助教学，将会给学生留下更加直观深刻的印象，有助于加强學生对教学内容的理解。如讲述全球变暖的纪录片《难以忽视的真相》让学生意识到温室效应的缘由及危害，以及措施、希望和行动；《子熊故事》展现给学生的是人与动物之间的和谐相处等。这些影像资料在提高学生学习兴趣的同时，引发了学生对人与自然关系的关注和思考，结合课后的小组讨论，收到了良好的教学效果。
3.增加主题讨论和辩论。人们对于很多环境问题的看法并不相同，或者说，当把一些环境问题与人类自身利益联系到一起时，往往容易形成不同的观点。因此，可以在讲课过程中选取一些与学生日常生活紧密相关的问题设计小组讨论或辩论，使学生能够充分发表自己的观点。例如关于素食对生态环境保护的影响、解决雾霾问题和工业化问题等。学生可以分成两组，互相辩论，在阐明各自理由的同时，了解对方的观点。通过辩论不仅可以加深学生对这些问题的理解，也可以使学生认识到环境问题的复杂性和系统性。这种参与式的教学方法，既提高了学生学习的积极性和主动性，而且锻炼了他们进行研究型学习的能力，受到了学生的喜爱。
四、结语
为了实现我国生态文明建设的美好目标，必须加强环境教育，尤其是青年学生的环境教育。环境教育课程和其他课程的区别在于：第一，知识比较容易理解，没有繁杂的公式推导，但是内容却非常丰富。传统的教学模式往往是由老师在台上喋喋不休，学生在下面难以集中精力。因此可以尝试采用多模式的教学方法，并注意教学内容的实时更新，强化学生的参与感，激发学生的学习热情，从而改善教学效果。第二，环境教育的目的不仅仅是想让学生掌握环境保护的相关技能和知识，而是也让学生从思想上真正认识到环境保护和可持续发展的重要性，因此在授课过程中应加强引导学生对人与自然关系的系统思考和伦理思考，使学生在未来的工作岗位上真正从环境保护的角度出发，从生态文明的角度出发，建设我们的美丽中国。
参考文献：
[1]潘慧云.生态文明建设背景下的高校环境教育研究[J].山东化工，2013，42（12）：168-170.
[2]朱秀芳.浅谈普通高校《环境保护与可持续发展》通识课程教学改革[J].广东化工，2014，41（2）：139.
[3]罗国芝.高校《环境保护与可持续发展》课程教学[J].中国科教创新导刊，2012，（29）：222-223.
[4]黄巧玲.加强大学生环境伦理教育的思考[J].丽水学院学报，2012，34（4）：94-98.
[5]余谋昌.环境伦理与环境教育[J].环境教育，2010，（1）：5-9.
[6]张立.高校生态伦理教育的必要性研究[J].科技风，2014，（18）：194.
[7]杨淑萍.案例教学法在《环境保护与可持续发展》课程教学中的应用[J].黑龙江生态工程职业学院学报，2007，20（5）：92-94.
作者：闫怡新 彭赵旭 王敏 马晓力
基于可持续发展的环境保护论文 篇3：
中国省域绿色发展的空间格局及其演变特征
摘要：基于四部委发布的《绿色发展指标体系》，对中国大陆除西藏以外的30个省份2013—2016年的绿色发展状况进行了深入评价，并采用空间计量模型实证考察了中国绿色发展的空间格局及其演变特点。研究发现：①中国省域绿色发展存在较为明显的地域性差异，绿色发展指数较高的地区主要分布在经济发展水平较高的东部沿海省份和生态禀赋较好的西南省份。②在变动趋势上，中国绿色发展水平整体呈现上升趋势，且东部和中部省份的绿色发展提升趋势要相对快于西部省份。从省际绿色发展水平变动来看，存在多数省份绿色发展水平提升和个别省份绿色发展水平下降并存的趋势特征。③从全局空间自相关来看，中国绿色发展存在较明显的空间自相关特征，但2013—2016年省域绿色发展的空间集聚程度逐渐减弱。从局域空间自相关来看，绿色发展水平高的省份和绿色发展水平低的省份在地理空间分布上均相对集中，且2013年到2016年发生跃迁的省份仅有7个，反映出绿色发展空间分布格局的相对稳定。④从空间自相关的驱动因素来看，资源利用指数的空间集聚特征不明显，生态保护、增长质量和绿色生活指数的空间集聚性增强，而环境治理和环境质量指数的空间集聚性减弱，即环境领域的竞相向上趋势是驱动绿色发展从集聚走向平衡的主要因素。⑤从收敛性趋势来看，省际绿色发展存在落后地区追赶领先地区的趋势，其中生态保护和资源利用方面的追赶趋势最为明显。此外，在空间分布层面，绿色发展呈现“俱乐部”收敛特征，主要是源于增长质量的空间集聚以及生态保护的地域性差别。
关键词 ：绿色发展；空间相关；空间收敛
绿色发展是“十三五”乃至更长时期中国经济社会发展的基本方向。党的十八大以来，中国在绿色发展相关领域密集出台了一系列的政策措施，并取得了比较明显的成效。党的十九大报告则将生态文明和绿色发展置于更为突出的位置，开启了绿色发展的新时代。那么，当前中国的绿色发展究竟处于什么状态，具有怎样的空间格局和趋势特征，这对于研究如何进一步提升中国的绿色发展水平，优化绿色发展空间格局具有重要意义。
关于绿色发展评价的研究主要围绕绿色国民经济核算、绿色发展多指标测度体系和绿色发展综合指数三方面展开[1]。其中通过构建综合评价体系对绿色发展水平进行评估是现有研究采用的主要方法，比较有影响力的包括北京师范大学绿色发展指数[2]、中科院资源环境绩效指数[3]等。苏利阳等[4]、曾贤刚和毕瑞亨[5]、吴传清和黄磊[6]、俞海等[7]也分别通过构建综合评价指标体系对我国绿色发展水平进行评估。但是这些指标体系多偏于经济领域，而对生态环境领域的考察相对较弱。
为加强对生态文明建设和绿色发展的监测考核，2016年12月，国家发展改革委、国家统计局、环境保护部、中央组织部制定了《绿色发展指标体系》用于各地方绿色发展的年度评价。在此基础上，2017年12月，国家统计局初步计算了各省份2016年的绿色发展状况[8]。但这只是一种静态的结果，无法观察到绿色发展的动态进展和成效。为此，本研究拟在该指标体系的基础上对十八大以来中国各省份绿色发展的变动趋势和空间演变特征进行分析，为各地区的绿色发展提供客观的判断依据，为更好地探索和实践绿色发展提供决策参考，使绿色发展理念更加深入人心。
1 研究方法与数据来源
1.1 绿色发展水平测度
《绿色发展指标体系》包含资源利用、环境治理、环境质量、生态保护、增长质量和绿色生活六大类55个客观指标，并且明确了各指标权重及加权方法[9]。与已有相关指标体系相比，该体系具有如下突出特点：首先，对绿色发展的考察更为全面，集中体现了绿色发展的各个重点领域，基本上覆盖了“十三五”规划明确的绿色发展的主要任务。其次，对生态环境保护的考察更为突出。该指标体系的生态保护权重达到16.5%，且同时考虑了森林、湿地、草地、海洋、土地等各个生态要素。第三，明确了能源资源总量和强度控制以及污染物排放总量和环境质量控制的双重目标。已有的研究多集中于考虑能源资源利用的强度指标，对于总量指标的关注甚少。第四，同时考虑了过程性指标和结果性指标，如环境治理和环境质量以及资源利用与资源产出等。
由于相关指标数据的可获得性等问题，本研究需要对《绿色发展指标体系》进行一定的调整。调整后的绿色发展评价指标体系仍由六部分组成，其中资源利用包括能源、用水和用地的相关指標；环境治理包括污染物、危险废物、生活垃圾和污水治理的相关指标；环境质量包括PM2.5、地表水、饮用水、近岸海域和耕地的相关指标；生态保护包括森林、草原、湿地、保护区、水土流失的相关指标；增长质量包括增长速度、收入水平、产业结构和创新投入的相关指标；绿色生活包括生活用水、生活用电、交通出行、绿化和卫生的相关指标。
在调整过程中，主要遵从以下几个方面的原则：一是保证指标体系的原始性和权威性。在调整过程中尽力遵从原始的指标体系，找到类似的替代指标，同时保证一级指标类别权重的不变。二是保证各指标数据的公开可获得性。有些指标数据从公开的统计资料中无法获得，或者仅能获得部分省市自治区的相关数据，在调整的过程中则舍弃这些指标。三是保留所有约束性指标。我们保留了全部权重最大的约束性指标，能够保证其他指标的替代不会对评价结果产生太大的影响。除此之外，尽量将绝对数指标转化为相对数指标，总量指标转化为增长指标，来反映一个地区绿色发展水平的趋势和变动程度。
调整后省级层面的绿色发展指标体系见表1，由原指标体系的55个指标缩减为45个指标，其中原有指标、绝对转相对指标以及相近替代指标为42个，占原有指标的比重为76%，权重则占93%。因此，调整后的指标体系与原指标体系基本一致。
根据数据可得性，将研究范围界定为中国大陆除西藏以外的30个省市自治区。各指标的数据主要来源于中国统计年鉴、中国能源统计年鉴、中国工业统计年鉴、中国环境年鉴、中国卫生年鉴、各省统计年鉴、各省环境状况公报、各省水土保持公报等。本研究最终会根据各指标及其赋予的权重，采用综合指数法计算出各省的绿色发展综合指数。即：
Z=∑Ni=1WiYi（1）
其中，Z为绿色发展指数，反映地区绿色发展的整体水平，Y为无量纲化的各指标，W为各指标的权重，N为指标个数。
关于各指标权重的调整，保持各一级指标权重不变，如果该一级指标中有指标剔除，则将剔除指标的权重按比例添加到其他指标上进行调整。另外，由于有些省份并不临海，关于海域水质这个指标，仅在有海岸线的省份囊括在内，其它内陆省份则将该指标的权重按比例分配到其他指标上进行加权计算。
1.2 空间自相关分析
空間自相关分析是研究某一区域属性时空格局演进的常用方法[10]，通常采用Moran指数来进行测度，包括全域空间自相关和局域空间自相关两部分。
（1）全局空间自相关。该分析用于描述某一属性在总体空间内是否存在集聚性状态，计算公式为：
Moran指数结果介于[-1，1]之间，当 0 z=I-E（I）VAR（I）（3） 若Z>0且通过Z值显著性统计检验，则说明某属性在空间分布上具有显著的正相关性；若Z<0且通过Z值显著性统计检验，则说明某属性在空间分布上具有显著的负相关性；否则，则不具有相关性。 （2）局部空间自相关。该指数可以将全局空间自相关的Moran指数分解到各个组成单元，用以检验局部地区是否存在空间集聚区，计算公式为： Ii为正说明区域单元周围呈现高-高或低-低的相似值空间集聚区，Ii为负说明区域单元周围呈现高-低或低-高的相似值空间集聚区。 1.3 省际绿色发展的β收敛检验 中国区域发展模式最大的特点就是存在俱乐部收敛的特征，也就是相邻省份间具有较强的空间集聚效应。经济学上的收敛一般采用β收敛或σ收敛，前者针对增量，后者针对存量。β收敛分为绝对收敛和相对收敛，前者是指不考虑其它条件，不同省份绿色发展水平与其初始水平负相关，后者是指各省份的稳态水平不同，但随时间演进趋向各自稳态水平。 由于本研究主要关注省际绿色发展在时间上呈现的变动态势，根据收敛理论方法设置绝对收敛检验模型如下： 其中，greenit为绿色发展指数，β1表示省际绿色发展在时间上的绝对收敛趋势，ρ表示省际绿色发展呈现的空间收敛态势。在后文回归中，将T值取为1，即年度的绿色发展指数变化。W为根据rook原则确定空间权重矩阵，即以是否有共同边界来定义省份临近，当两个省份相邻W=1，否则W=0。 2 省域绿色发展的空间分布特征 2.1 绿色发展的空间分布 采用极值法对表1绿色发展指标进行无量纲化处理，然后计算加权综合指数，最后计算得出中国各省份2013—2016年各年度的绿色发展指数。2016年30个省份的绿色发展排名由高到低分别为：福建、浙江、广东、北京、上海、云南、湖北、江苏、湖南、海南、吉林、重庆、广西、山东、江西、黑龙江、贵州、四川、安徽、甘肃、内蒙古、河北、 河南、青海、陕西、天津、宁夏、新疆、辽宁和山西。各省份的绿色发展总体上表现出空间集聚特征，高绿色发展地区主要分布在经济发展水平较高的东部沿海省份和生态禀赋条件较好的西南省份，低绿色发展地区主要分布经济发展水平相对较低，生态禀赋相对较差的华北和西北省份。根据各地区的特点，我们将东部沿海省份称之为领先型的绿色发展地区，将西南省份称之为发展型绿色发展地区。 2.2 分区域的绿色发展变动 根据传统东、中、西部的区域划分，我们计算2013—2016年中国及各区域的绿色发展水平变化，见图1。总体来看，2013—2016年30个省份的绿色发展指数均值分别为52.04、51.77、52.51和53.05，除了在2014年出现暂时性的下降之外，全国的绿色发展综合指数整体呈现上升趋势。分地区来看，东部、中部和西部地区各省份的绿色发展水平变化总体趋势与全国基本一致，绿色发展指数在2014年出现小幅下降之后呈现明显上升趋势。东部地区的绿色发展水平明显高于全国以及中西部地区绿色发展的平均水平，中部地区与西部地区的绿色发展水平低于全国平均水平，但是中部地区与东部地区的绿色发展差距逐渐缩小，并且在2016年大幅领先西部地区。 通过计算2013—2016年各省份绿色发展指数的增长速度，可以发现，绿色发展指数上升的省份有青海、河北、上海、新疆、甘肃、浙江、江西、河南、福建、天津、北京、江苏、湖南、山西、安徽、云南、黑龙江和吉林18省份；绿色发展指数下降的省份有辽宁、重庆、广东、内蒙古、宁夏、贵州、陕西、湖北、四川、海南、广西和山东12省份。总体来看，多数省份的绿色发展指数出现增长，但个别省份有所退化。青海、河北、上海的绿色发展指数的上升幅度均超过10%，辽宁、重庆、广东的绿色发展指数则下降明显。 2.3 与国家统计局结果的比较 2017年12月，国家统计局发布《2016年生态文明建设年度评价结果公报》，首次公布了2016年度各省份绿色发展指数。通过本研究与国家统计局结果的相关关系图可以看出，两类结果存在明显的正相关关系，大部分的结果基本上处于拟合线周围，不存在明显的异常值，因此，两者的结果是基本一致的，见图2。即除了个别省份有较大变动外，本研究计算的2016年各省份绿色发展指数排名与国家统计局的结果基本一致。 3 绿色发展的空间相关性分析 3.1 全局空间自相关 本文运用GeoDa1.10对2013—2016年中国30省份的绿色发展指数的面板数据进行空间自相关性检验，分别计算各省份绿色发展指数的全局Morans I，空间权重矩阵的确定选择rook一阶邻近矩阵，并对Morans I进行显著性检验。结果发现，2013—2016年省际绿色发展水平的Morans I全部为正值，统计量Z值均大于0，且P值均小于0.01，通过显著性检验，说明中国绿色发展水平呈现显著的空间集聚效应。但是从变化趋势来看，Morans I随时间的推进呈现下降趋势，反映在Morans I散点图中拟合线斜率的不断降低，表明绿色发展的空间集聚特征不断下降，说明绿色发展在区域上逐渐走向平衡，见图3。 3.2 局域空间自相关 进一步我们可以计算2013—2016年各省份绿色发展水平的局域Morans I散点图，根据四个象限可以将各省份的绿色发展水平划分为四类：①第一象限的高高（HH）聚集区，表示本区域和相邻区域绿色发展水平均相对较高，空间关联表现为扩散效应；②第二象限为低高（LH）聚集区，即本区域绿色发展水平较低而相邻区域绿色发展水平 较高，空间关联表现为过渡区域；③第三象限为低低（LL）聚集区，即本区域和相邻区域的绿色发展水平均相对较低，空间关联表现为低水平区域；④第四象限为高低（HL）聚集区，即本区域绿色发展水平高而相邻区域较低，空间关联表现为极化效应。 2016年中国30省份绿色发展的局域集聚表明，绿色发展的集聚发生在HH和LL集聚区，即浙江、福建、广东和江西为HH集聚区，内蒙古、甘肃、河北为LL集聚区，表明绿色发展水平高的地区和绿色发展水平低的地区在地理空间分布上均相对集中。其中，高高（HH）集聚区主要分布在东南沿海地区，该地区的生态环境禀赋条件较好，绿色发展水平也相对较高，呈现出比较明显的空间集聚特征。低低（LL）集聚区主要分布在中国华北地区，包括河北、内蒙古等省份。这些省份的生态禀赋较差，是中国环境质量相对较差的地区。与此同时，这些省份也多以资源密集型行业为主，技术水平和产业结构相对较低，增长质量不高。 进一步，将不同时段内各空间集聚类型所包含省份的变动状况用以反映各省份绿色发展水平的时空跃迁，主要包括四种类型：第一种是观测省份跃迁到邻近象限；第二种是观测省份跃迁到相间象限；第三种是观测省份所处象限未发生变化，并且呈现集聚特征，即观测省份和邻近省份绿色发展水平均较高或较低，差异较小；第四种是观测省份所处象限未发生变化，仍呈现空间分异特征，即观测省份与邻近省份绿色发展水平高低相反，差异较大。2013年和2016年，均在第一象限的省份有江苏、浙江、福建、广东、海南、湖南、重庆、广西、贵州和云南；均在第二象限的省份有安徽；均在第三象限的省份有河北、山西、河南、辽宁、陕西、青海、甘肃、宁夏、新疆；均在第四象限的省份有山东、北京、湖北。可以看出，高高聚集区主要分布在东部沿海省份和西南省份，而低低聚集区主要分布在华北和西北省份。 2013—2016年，发生跃迁的省份有上海（LH-HH ）、江西（LH-HH）、吉林（HH-HL）、黑龙江（HH-HL）、天津（LL-LH）、四川（HL-LL ）、内蒙古（HL-LL）。从时空跃迁来看，绿色发展的空间格局较为稳定，个别省份呈现出跃迁特征。如上海、江西跃迁至高绿色发展水平“俱乐部”；内蒙古、四川退入低绿色发展水平“俱乐部”；吉林、黑龙江的绿色发展趋势好于其周边省份；天津的綠色发展水平要低于周边省份。实际发生跃迁省份占所有可能发生跃迁省份数量的比重能够反映出某种属性的空间稳定性[11]。从本文的结果来看，2013—2016年发生跃迁的省份共有7个，约占观测省份的23.3%，反映出了绿色发展空间分布格局的相对稳定。 3.3 空间自相关的驱动因素 从上述空间相关分析可以发现，中国省际绿色发展的空间相关性不断降低，即省际绿色发展的空间集聚性逐步减弱。那么，背后驱动的主要因素是什么呢？本文关于绿色发展的评估涉及资源利用、环境治理、环境质量、生态保护、增长质量和绿色生活六大类。为了观察绿色发展空间集聚性减弱的主要来源，我们分别计算这六大类指标的Morans I，通过各大类指标的变化趋势来分析绿色发展空间集聚特征变化的原因。 由表2绿色发展各大类指标的Morans I变化可以看出，资源利用指数呈现的空间集聚特征并不明显，Morans I值相对较小且大都不显著。针对各省份环境治理指数计算的Morans I呈现出下降趋势，由2013年的0.528下降到2015年的0.213，反映出环境治理指数由集聚走向平衡。环境质量指数的Morans I由2013年的0.573下降到2016年的0.433，环境质量的空间集聚特征趋于减弱。针对各省份生态保护指数计算的Morans I呈现出上升趋势。增长质量指数的Morans I同样表现出上升趋势，省际增长质量空间集聚趋势日益明显。绿色生活指数的Morans I也呈现上升趋势，2016年出现下降。根据上述各类指标计算的Morans I变化趋势可以发现，环境领域的进展是促进各省份绿色发展指数逐渐走向平衡的主要因素，尤其是环境治理空间集聚性的大幅减弱，反映了省际环境治理的竞相向上趋势。这也是助推我国整体跨越环境库兹涅茨曲线捌点，实现环境质量总体改善的关键因素[12]。 4 绿色发展的收敛性分析 绿色发展水平在区域间表现出较大的差异性，这种差异势必会影响绿色发展空间格局的变化。基于中国绿色发展可能存在的“俱乐部”现象[13]，我们采用β收敛分析进行检验，同时加入绿色发展的空间滞后项来考察绿色发展格局的变化趋势。基于计算的2013—2016年30个省份绿色发展的面板数据，分别采用空间自回归和空间误差模型进行检验。其中在公式（6）基础上，空间误差模型表示为： 根据收敛性的回归方程，ρ系数反映的是省际绿色发展的空间收敛趋势，β系数反映的是省际绿色发展的时间收敛趋势（见表3）。针对绿色发展回归的ρ系数不显著，说明省际绿色发展水平变化的空间集聚趋势并不明显。为了考察绿色发展收敛趋势背后的驱动因素，我们分别针对资源利用、环境治理、环境质量、增长质量、生态保护和绿色生活各大类指数进行计量回归。首先，针对环境质量、资源利用和绿色生活回归的ρ系数均不显著，说明这些领域的绿色发展并未呈现空间收敛趋势，环境治理、生态保护和增长质量的空间收敛趋势是促进绿色发展呈现空间收敛的主要原因。其次，针对绿色发展及其各领域回归的β系数显著为负，说明这些指标均在时间上呈现收敛趋势。可以看出，省际绿色发展存在落后地区追赶领先地区的趋势，其中生态保护、资源利用和环境治理方面的追赶趋势最为明显。在空间分布层面，绿色发展也呈现“俱乐部”收敛的特征，这种特征主要源于经济发展水平的空间集聚以及生态禀赋在地域上的集聚分布特征。 5 结论与建议 为分析中国绿色发展的整体性进展和变化趋势特征，本研究基于国家发展改革委、国家统计局、环境保护部、中央组织部制定的《绿色发展指标体系》并对其进行适当调整，对2013—2016年中国各省份绿色发展状况进行了深入考察。除个别省份变动较大外，本研究计算的2016年各省份绿色发展指数排名与国家统计局的结果基本一致，结果是可信的。 通过分析，本研究主要得出以下结论：首先，绿色发展水平总体呈现上升趋势，绿色发展取得明显成效。总体来看，绿色发展呈现明显的空间集聚特征，地域性差异突出，东部省份的绿色发展水平明显高于中西部省份。其次，2013—2016年，绿色发展的省际差异逐步缩小，绿色发展的空间集聚特征逐渐减弱。环境质量和环境治理领域的竞相上升趋势是促进绿色发展由空间集聚逐渐走向空间平衡的主要力量。经济增长质量的集聚化特征与生态环境领域的平衡化特征并存，反映了经济发展与生态环境的协调性转变。第三，各省份的绿色发展水平在增长中呈现收敛趋势，绿色发展落后省份的追赶趋势明显。省际间的环境治理变化和环境质量改善呈现收敛趋势，环境领域的整体性进展推动着省际绿色发展水平在时间上的趋同。 本文的研究有助于对“十八大”以来中国绿色发展的整体性进展进行较为全面的把握，相关结论具有以下几方面的政策启示。 一是适当研究和修正生态保护领域的相关指标，突出各省份在生态保护领域的工作进展，增强结果的可比性。当前国家《绿色发展指标体系》中生态保护领域的相关指标主要是状态性指标，如森林覆盖、草原植被覆盖、自然保护区面积等。在本研究的具体计算过程中发现，各省份生态禀赋状况对于计算绿色发展综合指数的影响较大，生态禀赋较好是云南、贵州等西南地区省份排名相对靠前的一个主要因素。状态性指标主要反映的是一个省份生态环境的本底状况，并不能反映该省份在生态保护方面的积极进展，这就容易导致某些生态禀赋较差的省份，虽然在生态保护方面取得了很大的进展，但是并不能被很好地反映。尤其是对于相对较短时期的监测评价体系而言，其评价结果的可比性问题较大。 二是根据主体功能区定位，制定差别化的城市绿色发展评价体系，开展城市绿色发展监测和评估。省份层面的绿色发展评估地理单元相对较大，省内不同城市的生态环境禀赋和主体功能定位也存在很大的差别，省级层面的评估难以反映省内不同城市的差距。国家《绿色发展指标体系》中的生态环境领域的指标多是跨行政区域的，很多指标难以运用到城市层面的绿色发展评估，这容易导致《绿色发展指标体系》停留在省级层面，难以发挥绿色发展评价对于绿色发展的真正引导作用。部分省份构建了省内各城市的评价指标体系，但是缺乏与中国其它城市间的可比性。因此，很有必要制定城市层面的绿色发展监测评估指标体系，根据不同城市主体功能定位的差别来明确各城市绿色发展的评价标准和方向，发挥绿色发展指标体系在美丽中国建设中的导向作用。 三是高质量发展指标体系要注重反映“绿色”与“发展”的关系，将绿色发展理念融入到高质量发展的监测评估过程。基于国家《绿色发展指标体系》的分析发现，“绿色”指标与“发展”指标相分离，难以反映“绿色”与“发展”的关系，且增长质量指标中，缺乏经济结构绿色化转型的相关指标。为此，为了促进绿色的高质量发展，在高质量发展指标体系中，应该从以下三个方面来反映绿色发展的内容：一是将生态环境质量指标纳入约束性指标，反映高质量发展的“绿色”底线；二是将绿色经济结构的相关指标纳入指标体系，如高能耗、高污染行业比重、绿色产业比重等，以此来反映经济结构变化的环境影响；三是将能源、资源、环境效率的相关指标纳入指标体系，以此反映经济增长的资源环境成本。 （编辑：李 琪） 参考文献（References） [1]郑红霞， 王毅， 黄宝荣. 绿色发展评价指标体系研究综述[J]. 工业技术经济， 2013（2）：142-152.[ZHENG Hongxia， WANG Yi， HUANG Baorong. A research review on green development indicator system[J]. Journal of industrial technological economics， 2013（2）：142-152.] [2]李曉西， 刘一萌， 宋涛. 人类绿色发展指数的测算[J]. 中国社会科学， 2014（6）：69-95.[LI Xiaoxi， LIU Yimeng， SONG Tao. The calculation of human green development index[J]. Social sciences in China， 2014（6）：69-95.] [3]中国科学院可持续发展战略研究组. 2006中国可持续发展报告[M].北京：科学出版社， 2006.[Sustainable Development Strategy Study Group， Chinese Academy of Sciences. China sustainable development report 2006[M]. Beijing： Science Press， 2006.] [4]苏利阳， 郑红霞， 王毅. 中国省际工业绿色发展评估[J]. 中国人口·资源与环境， 2013， 23（8）：116-122.[SU Liyang， ZHENG Hongxia， WANG Yi. Evaluation on green development of Chinas provincial industry[J]. China population， resources and environment， 2013， 23（8）：116-122.] [5]曾贤刚， 毕瑞亨. 绿色经济发展总体评价与区域差异分析[J]. 环境科学研究， 2014， 27（12）：1564-1570.[ZENG Xiangang， BI Ruiheng. Evaluation and differential analysis of regional green economic development in China[J]. Research of environmental sciences， 2014， 27（12）：1564-1570.] [6]吳传清， 黄磊. 演进轨迹、绩效评估与长江中游城市群的绿色发展[J]. 改革， 2017（3）：65-77.[WU Chuanqing， HUANG Lei. Evolution track， performance evaluation and green development of urban agglomerations in the Middle Reaches of the Yangtze River[J]. Reform， 2017（3）：65-77.] [7]俞海，王勇，张永亮，等.“十三五”中国绿色增长路径识别分析[J]. 中国人口·资源与环境，2017，27 （S1）：1-8.[YU Hai， WANG Yong， ZHANG Yongliang， et al. The path Chinas green growth in the 13th Five Year Plan period[J]. China population， resources and environment， 2017，27 （S1）：1-8.] [8]国家统计局. 2016年生态文明建设年度评价结果公报[R]. 2017.[National Bureau of Statistics. Bulletin of the annual assessment of ecological civilization construction in 2016[R]. 2017.] [9]国家发展和改革委员会. 关于印发《绿色发展指标体系》《生态文明建设考核目标体系》的通知[R]. 2016.[National Development and Reform Commission. Notice on printing and distributing the green development indicator system and ecological civilization construction assessment target system[R]. 2016.] [10]成金华， 李悦， 陈军. 中国生态文明发展水平的空间差异与趋同性[J]. 中国人口·资源与环境， 2015（5）：1-9.[CHENG Jinhua， LI Yue， CHEN Jun. Regional difference and convergence of ecological civilization level in China[J]. China population， resources and environment， 2015（5）：1-9.] [11]赵桂梅， 赵桂芹， 陈丽珍，等. 中国碳排放强度的时空演进及跃迁机制[J]. 中国人口·资源与环境， 2017， 27（10）：84-93.[ZHAO Guimei， ZHAO Guiqin， CHEN Lizhen， et al. Research on spatial and temporal evolution of carbon emission intensity and its transition mechanism in China[J]. China population， resources and environment， 2017， 27（10）：84-93.] [12]王勇，俞海，张永亮，等.中国环境质量拐点：基于EKC的实证判断[J]. 中国人口·资源与环境，2016，26（10）：1-7.[WANG Yong， YU Hai， ZHANG Yongliang， et al. Turning point of Chinas environmental quality： empirical judgment based on EKC[J]. China population， resources and environment， 2016，26 （10）：1-7.] [13]林伯强， 黄光晓. 梯度发展模式下中国区域碳排放的演化趋势——基于空间分析的视角[J]. 金融研究， 2011（12）：35-46.[LIN Boqiang， HUANG Guangxiao. The evolutionary trend of Chinas regional carbon emissions under the gradient development model： based on the perspective of spatial analysis[J]. Journal of financial research， 2011（12）：35-46.] Key words green development； spatial correlation； spatial convergence 作者：王勇 李海英 俞海