下载:
-
湿地是水网地区最重要的生态资源，湿地的生态安全关系着地区生态健康与可持续发展。在高强度的城镇建设、农业发展、水运开发过程中，湿地往往成为各类建设用地的来源[1]，结果给地区内湿地造成特殊的生态风险[2-3]。由此，对湿地进行生态安全评价，不仅可以反映湿地生态质量状况，还能够为湿地保护政策制定提供量化支撑，促进地区生态安全建设[4]。目前，关于湿地生态安全的研究以区域安全状况评价、发展预测以及影响因素探究等方面研究居多，主要运用综合指数法[5]、生态足迹法[6]、景观格局指数[7]、生境质量模型[7]等方法对湿地生态安全进行评价分析，以及通过灰色关联模型[8]、景观模拟演化[9]等对安全趋势进行影响因素探究和模拟预测。相关研究主要以区域或行政区单元生态安全为对象进行评价，对湿地生态安全的空间分异化研究相对缺乏，且针对湿地生态安全的研究多集中于干旱区[5]、高原[10]、滨海[11]等地域特色鲜明区域，对湿地资源丰富的水网地区生态安全评价指导有待提升。长江三角洲是中国水网最密集、社会经济发展最快的地区之一。2018年，长江三角洲一体化发展上升为国家战略，苏州市吴江区是长江三角洲区域一体化发展示范区之一，在高质量发展的背景下面临湿地生态系统优先保护的压力[12]。本研究以吴江区为例，构建基于驱动力-压力-状态-影响-响应-管理(DPSIRM)模型的湿地生态安全评价指标体系，突出水网地区人与环境之间的相互关系，通过地理信息系统(GIS)格网技术将生态安全值进行空间量化，探析吴江区湿地生态安全状况，以期为吴江区湿地生态保护管理提供依据。
-
吴江区位于苏州市最南部，是苏州主城区面积最大的板块，东接上海市青浦区，南连浙江省嘉兴市，西临太湖，北靠苏州市吴中区。吴江区既是苏、浙、沪两省一市的地理交界处，又是长江三角洲区域一体化发展国家战略的中心区域，具有重要的地理、经济、生态地位。吴江区总面积为1 176.68 km2，下辖7个乡镇和4个街道(本研究为方便数据统计，按照2012年下辖的8个乡镇进行分析)，2020年常住人口131.26万，城镇化率超过70%。吴江区内河道纵横交错，湖泊星罗棋布，湿地总面积(保有量)为431.09 km²，占全区总面积的36.64%，自然湿地保护率达71.10%。吴江区湿地分布见图1。
图 1 吴江区湿地分布示意图
Figure 1. Distribution map of wetland in Wujiang District
-
本研究数据包括以下3类：①土地利用/覆被类型数据。通过2012、2016、2020年SPOT-5遥感卫星影像经ENVI 5.3解译获取，借助ArcGIS 10.8和Fragstats 4.2处理获得景观格局指数。②社会统计数据、资源调查数据和环境保护规划数据。来源于《吴江年鉴(2013—2020年)》《苏州市湿地保护年报(2015—2020年)》《苏州市水土保持规划(2016—2030年)》《苏州市鸟类物种调查与统计(2012—2020年)》《吴江区湿地保护规划(2018—2030年)》等。③其他数据。年度归一化植被指数来自资源环境科学与数据中心(
https://www.resdc.cn )，路网数据来自开放街道地图OpenStreetMap平台(https://www.openstreetmap.org )。 -
DPSIRM模型是基于压力-状态-响应(PSR)模型演变而来，是一种被广泛运用于环境质量评价中，生态系统健康评价的因果关系模型[13]。框架内各子系统具体含义参照王欣等[14]的相关研究，针对湿地生态系统对模型各子系统进行如下界定：①“驱动力”是驱使湿地生态系统自然演替或退化的根本因素和原始动力，分为自然和社会2个方面；②“压力”可理解为驱动力作用于湿地生态系统，对湿地资源产生的需求和作用，表现为征占湿地、用水需求、污染排放等；③“状态”即湿地生态系统在压力作用下所发生的最直接变化，包括湿地生态系统的物理化学特征和景观状态特征；④“影响”为湿地生态系统状态发生改变之后对人类生存发展产生的影响；⑤“响应”和“管理”都是湿地生态系统中的人类社会在感应到系统影响之后采取的各种弥补及治理措施，有所区别的是响应指标代表生态系统受到安全威胁后较为被动的补救性举措，管理指标是人类为了提升系统的安全性，通过法律、政策，提高人类社会生态保护意识，进行全过程的管理措施，更能体现人在湿地生态安全过程中的主观能动性。这6个因子具有因果作用关系，它们共同表达着影响湿地生态安全的信息耦合关系。
-
根据DPSIRM框架模型，参考相关研究[15-16]和吴江区湿地实际状况，遵循指标数据的代表性、独立性、易获得性、可操作性和系统性原则[17]，从驱动力、压力、状态、影响、响应和管理6个方面建立了吴江区湿地生态安全评价指标体系(表1)。
表 1 吴江区湿地生态安全评价指标体系及含义
Table 1. Evaluation index system and meaning of wetland ecological security in Wujiang District
目标层 准则层 指标层 正负性 数据来源 综合权重 湿地生态安全 驱动力 人口密度/(人·km−2) − 各镇人口/镇域面积 0.022 5 国内生产总值(GDP)/万元 + 《吴江年鉴(2013—2021年)》 0.018 9 城市化水平/% − 各镇非农业人口/各镇总人口 0.030 7 降水/m3 + 《吴江年鉴(2013—2021年)》 0.019 1 压力 区域开发指数/% − (建设用地面积+耕地面积)/国土面积 0.035 1 万元GDP耗水量/(t·万元−1) − 《吴江年鉴(2013—2021年)》 0.016 4 公路密度/% − 公路面积/国土面积 0.020 4 航道密度/% − 航道等级缓冲区分析 0.017 5 农药、化肥施用强度/t − 《吴江年鉴(2013—2021年)》 0.027 3 企业生产污水排放/t − 苏州市重点排污企业名单 0.030 3 城镇生活污水排放/t − 《吴江年鉴(2013—2021年)》 0.029 6 状态 水域面积占比/% + 水域面积/国土面积 0.035 6 水环境质量/% + 吴江区重要断面水环境质量状况 0.038 5 水土流失等级/% − 《苏州市水土保持规划》 0.035 6 植被覆盖度/% + 资源环境科学与数据中心 0.019 5 景观结构指数/% − 景观破碎度、分离度和分维数加权函数式[21] 0.022 5 湿地连通性指数*/% + 景观形态空间格局分析(MSPA)结合Conefor2.6[22] 0.036 4 生境质量/% + 生境质量(Invest)模型[23] 0.022 3 影响 人均水资源量/(m3·人−1) + 《吴江年鉴(2013—2021年)》 0.030 8 农业产值占比/% + 0.027 6 环境调节服务/% + 生态系统服务价值计算[24] 0.034 6 鸟类多样性*/种 + 《苏州市鸟类物种调查与统计》 0.042 1 响应 污水处理率/% + 《吴江年鉴(2013—2021年)》 0.026 3 无害化垃圾处理率/% + 0.023 3 水功能区达标率/% + 0.034 3 河道治理/% + 0.040 6 地区生产总值能耗下降比率/% + 0.023 7 查处环境违法案件数/件 + 0.030 4 管理 湿地保护等级*/% + 《苏州市湿地保护年报(2015—2020年)》 0.043 6 自然湿地保护率*/% + 0.037 8 湿地执法巡查次数 + 《吴江年鉴(2013—2021年)》 0.026 7 退渔还湖及池塘标准化改造* + 0.020 4 高标准农田建设 + 0.028 4 湿地科普宣教情况*/万元 + 《苏州市湿地保护年报(2015—2020年)》 0.049 1 环保投资占GDP比重/% + 《吴江年鉴(2013—2021年)》 0.047 9 说明：*表示反映吴江区湿地特质的指标。+表示对湿地生态安全起促进作用；−表示对湿地生态安全起抑制作用 -
组合赋权法是将专家理论知识和丰富经验的主观赋权法与充分挖掘数据组合信息的客观赋权法相结合的赋权方法，可以减少系统误差和随机误差[18]。本研究分别通过yahhp1.03和Excel计算层次分析法和熵权法的结果，选择将两者结果相结合，综合考虑主客观因素的指标权重。
-
结合相关研究[19]，充分考虑研究区面积和范围特征，本研究确定基础网格的尺度为1 km×1 km。通过空间插值和数据链接方法将各指标数据链接至各格网，采用综合评价法对研究区各格网的湿地生态安全状况进行计算：
$$ C_{{\rm{EI}}} = \sum\limits_{i = 1}^n {{W_i}} \times {P_i}。 $$ 其中：CEI表示某时段各格网区域的综合湿地生态安全值，Pi为第i个指标的标准化值，Wi为第i个指标的综合权重，n为评价指标的个数。根据相关研究[20]，将研究区湿地生态安全等级划为5级，即高度安全(CEI＞0.8)、较高安全(0.8≥CEI＞0.6)、中等安全(0.6≥CEI＞0.4)、低度安全(0.4≥CEI＞0.2)、不安全(CEI≤0.2)。通过综合评价法计算研究区各格网湿地生态安全值，并在ArcGIS中通过空间插值法绘制吴江区湿地生态安全定量空间分布图。
-
吴江区2012、2016和2020年湿地生态安全指数平均值分别为0.394 4、0.455 2和0.516 4，湿地生态安全指数逐步攀升，增长较为平稳，说明吴江区的湿地生态状况呈现稳步提升的趋势。湿地生态安全指数极值区域分布基本一致(图2)，高值区域主要位于吴江区东部沿太湖区，包括中部偏南的震泽-雪落漾-长漾片区、北麻漾-庄西漾片区、东北部同里湖-九里湖-沐庄湖片区以及东部的三白荡、元荡片区。上述区域湿地保护安全等级高，湿地斑块面积较大，水面开阔，河网密布，支流众多，连通性较好，有利于水体之间的水文交换，同时远离建设区域，污染排放影响较小。低值区域分布于同里镇、太湖新城镇、黎里镇和桃源镇建设用地密集区域，湿地面积较小，城市开发、污染排放等对湿地造成的压力较大，故相对湿地密集区域而言安全值较低。
图 2 2012、2016、2020年吴江区湿地生态安全评价示意图
Figure 2. Evaluation value of wetland ecological security in Wujiang District in 2012, 2016 and 2020
-
由图3可知：驱动力子系统安全值由0.032 8增长至0.050 1，呈逐年升高的趋势，增长幅度平缓，说明驱动力子系统总体情况稳中向好。2012年驱动力安全值较高的区域集中于同里镇、盛泽镇和平望镇，2016年安全值高值区域主要位于平望镇、七都镇、震泽镇和桃源镇，2020年安全值高值分布与2016年分布相仿，原因在于上述几镇人口总数略有减少，对环境的压力有所降低，而由于吴江经济开发区的高速发展，使得同里镇的城市化快速提升，农业人口占比降低26%，GDP增长近7倍，同时也伴随着人口的急剧增长，仅2012—2016年，同里镇总人口数由4.3万增至10.4万，使得其驱动力安全值提升幅度相对较低。
图 3 驱动力子系统安全值空间分布示意图
Figure 3. Spatial distribution of safety value of driving force subsystem
-
由图4可知：压力子系统安全值由0.125 3降低至0.103 4，说明近年来湿地生态系统受人为扰动压力逐渐升高，对地区生态安全造成了压力。城市扩张以及生活、生产污水排放等问题给湿地生态安全带来一定的压力。2012—2020年，吴江区建设用地面积占比增加了10%，城镇生活污水排放年均增长150万 t，市重点排污企业增长50余家。但另一方面，生态农业的推广使得农药、化肥的施用量分别减少了128和3 438 t，减轻了对湿地生态系统的干扰。压力安全值较高的区域主要位于开发程度较低的区域，如沿太湖区、震泽镇、桃源镇湖荡区域、同里湖、白蚬湖、三白荡及元荡片区、北麻漾片区，而城区、乡村、路网密布、航运发达等区域压力安全值较低。从整体看来，高值区域分布未发生明显改变，但随着城市扩张的影响，高值区域面积有所减少。
图 4 压力子系统安全值空间分布示意图
Figure 4. Spatial distribution of safety value of pressure subsystem
-
由图5可知：状态子系统安全值由0.092 2降至0.089 7，经历了先降低后升高的变化过程。该变化趋势反映了在负面影响和正向提升的双重作用下，湿地状态整体上有所下降，但2016—2020年有好转的趋势。原因在于，虽然湿地受到城市扩张的侵占，部分地区湿地的连通性受阻，景观破碎化加剧，但由于整体水环境质量有所好转，水质综合污染指数由0.64降低至0.59，导致状态子系统变化幅度较小。状态子系统安全值的高低值分布与水域空间分布关系紧密，高值分布区主要为水域周边，建设区安全值较低；此外，由于水质较好、景观结构较为稳定，故盛泽镇状态安全值相对较高，而震泽、北麻漾片区、太浦河沿岸、同里湖、白蚬湖、元荡、三白荡片区的湿地连通性较高导致区域内状态安全值较高。
图 5 状态子系统安全值空间分布示意图
Figure 5. Spatial distribution of safety value of state subsystem
-
由图6可知：影响子系统安全值由0.026 0升高至0.074 9，呈明显升高趋势。影响子系统反映了湿地生态系统的扰动与人类活动之间的紧密联系，湿地生态系统的变化影响着人们的生产生活，反映从自然生态系统获益情况。3个时段，影响子系统安全值的极值区域分布大致相同，高值区域集中在吴江区沿太湖区域、西南与东北之间的湖荡群区域。从镇域分布上看，震泽镇的影响子系统安全值较高，得益于农业产值占比相较于其他镇处于较高水平，震泽镇农业产值占生产总值比例约10%，而其他镇的农业产值占比仅5%。低值区域集中在太湖新城和同里镇、盛泽镇的城区附近，主要是受生态系统服务价值的影响，沿太湖和湖荡片区的湿地区域所创造的环境调节服务价值较高，因此成为了影响子系统的高值分布区。总体上，建设用地的扩张使得城区生态系统服务价值降低，进一步导致高值区域呈现减少趋势，但由于受到鸟类物种多样性和人均水资源量提升等影响，总体系统安全值呈现升高趋势。
图 6 影响子系统安全值空间分布示意图
Figure 6. Spatial distribution of safety value of affected subsystem
-
由图7可知：响应子系统安全值由0.081 5提升至0.085 7，总体变化幅度较小。2012—2016年安全值有所下降，即当地对于湿地状态变化响应有所减弱，原因为河道疏浚距离以及地区生产总值能耗下降比率的减少，2016—2020年安全值有所提升，主要得益于无害化垃圾处理率、查处环境违法案件数以及水功能区达标率的提升，其中无害化垃圾处理率提升22%，环境违法案件查处数量增加380余件，水功能达标率提升25%。空间分布上，3个时段的响应子系统安全值空间分布情况一致，受污水处理能力的影响较大，低值区域分布在太湖新城西南部和黎里镇北部，其余区域为高值区域，因为吴江芦墟、盛泽桥北、七都、盛泽以及汾湖南部几座污水处理厂相较于其余处理厂对周边的污水处理能力相对较弱。
图 7 响应子系统安全值空间分布示意图
Figure 7. Spatial distribution of safety value of response subsystem
-
由图8可知：管理子系统安全值在所研究时段内由0.036 6升高至0.112 6，增长幅度明显。管理子系统的变化反映了吴江区对湿地的保护管理工作日益加强，着重体现在湿地保护率的提升、环保投入增加、生态农业的推广以及湿地公园的科普宣教等。其中，随着湿地保护管理制度的完善，吴江区自然湿地保护率提升了49%，越来越多的湿地被纳入保护管理区域，形成了湿地公园-湿地保护小区-水源地保护小区-水产种质资源保护区多类型、省级重要湿地-市级重要湿地-一般湿地多层级的保护体系；当地政府更加重视生态文明的建设，环保投入占GDP比例增长了1.2%，不断推进鱼塘标准化改造、高标准农田建设和重点湿地公园科普宣教课程研发推广，湿地管理工作成效提升明显。空间分布上，受湿地保护等级的影响，管理子系统安全值呈现一定的空间分异规律。高值区域大多集中在省级重要湿地，如太湖、震泽湿地公园周边和同里湿地公园，其次为市级重要湿地及其周边，一般湿地和非湿地区域次之。总体看来，管理子系统增长趋势相对于其他系统最为明显，增长幅度最高。
图 8 管理子系统安全值空间分布示意图
Figure 8. spatial distribution of safety value of management subsystem
-
吴江湿地生态高安全值的空间分布，与戈弋[25]研究的吴江高敏感区域分布相似，生态安全格局的核心源地区域的空间分布与陈琪[26]的研究相符。此外，杜健[27]从景观生态风险的角度对于吴江区开展了相应的评价，表明2012—2016年吴江区的演变趋势与本研究结果存在差异，可能是研究方法及数据的差异性所致。杜健[27]采用景观格局指数法进行景观生态风险分析，这种方法是以自然因素相关数据为基础，社会经济类因素涉及不多，故2种研究结论不同。吴江区湿地在景观格局上确实存在日渐破碎化趋势，导致景观生态风险日趋严重，但是在综合自然、经济、社会等多系统指标后，湿地生态安全更加侧重于全面反映湿地生态系统面临的多重威胁与应对挑战的能力，因此，在综合因素影响下区域湿地生态安全呈现逐渐好转的趋势，这与崔馨月等[28]的研究结果相似。此外，本研究中，湿地管理对生态安全的贡献逐渐占据较为重要的地位，这也与秦趣等[10]的研究结果相同。
目前针对湿地生态安全的评价，以PSR[29]、驱动力-压力-状态-影响-响应(DPSIR)模型[30]为依据构建评价指标体系的研究居多，在湿地管理重要性日渐提升的背景下，将改进后的DPSIRM框架模型应用于湿地生态安全评价研究中，有利于更全面系统地分析湿地生态安全发生变化的全过程[13]。其次，通过GIS格网方法将评价指标数据进行空间量化，能够较为直观地反映湿地生态安全空间差异和演变特征，有利于管理者针对性地对区域采取相应措施[31]。最后，本研究对于格网尺度的选择主要借鉴以往学者的经验，尚未考虑到格网尺度差异对安全值大小分布的影响，未来的研究可进一步探寻生态安全值的尺度效应。
-
2012—2020年，研究区湿地生态安全综合指数由0.394 4提升至0.516 4，呈明显提升趋势。空间分布上，各时期的高低值分布区域发生较大变化，高值区域集中于吴江区东部的沿太湖片区、中部的震泽片区、北麻漾片区、东北部的元荡片区、三白荡片区以及同里湖片区，低值区域集中分布于同里镇、太湖新城镇、黎里镇和桃源镇建设用地密集区域。从影响湿地生态安全的6个子系统分析来看，管理、影响、驱动力子系统安全值提升相对显著，压力子系统安全值有所降低，而状态和响应子系统安全值呈现波动上升趋势。因此，在未来的湿地保护管理工作中，应当注重加强对湿地面临的压力因素的调节，降低经济发展对湿地的影响，关注生态安全较低等级的区域，着力提升防范生态风险的能力。
Evaluation of wetland ecological security in Wujiang District of Suzhou based on DPSIRM model
-
摘要:
目的 科学评价水网地区湿地生态安全状况，为区域生态安全与高质量发展提供依据。 方法 基于水网地区湿地在城市发展过程中所面临的威胁，以苏州市吴江区为研究对象，运用驱动力-压力-状态-影响-响应-管理(DPSIRM)模型构建评价指标体系，采用组合赋权法赋予指标权重，结合地理信息系统(GIS)格网技术将部分指标进行空间量化，最终通过综合评价法对2012—2020年吴江区的湿地生态安全进行评价。 结果 2012、2016、2020年吴江区湿地生态安全值分别为0.394 4、0.455 2和0.516 4，总体由低安全和中度安全向较高安全等级演变；各时期的高值区域集中于太湖沿岸、震泽片区、北麻漾片区、同里湖片区、三白荡片区以及元荡片区；基于DPSIRM模型分析，管理、影响、驱动力子系统安全值明显提升，压力子系统有所下降，状态、响应子系统呈先降低后升高的态势。 结论 研究时段内吴江区湿地生态安全值总体呈上升状态。今后湿地的生态保护应当注重对压力指标的调节，加强对生态安全等级较低区域的管控，并保持较高强度的管理措施。图8表1参31 Abstract:Objective This study is aimed to conduct a scientific evaluation of wetland ecological security in water network area so as to provide basis for regional ecological security and high-quality development. Method With Wujiang District of Suzhou as the research object, on the basis of the threats faced by the wetland in the water network area in the process of urban development, first, an evaluation index system was constructed employing the DPSIRM model (driving-force-pressure-stae-impact-response-management) after which the combined weighting method was used to give the index weight; then some indexes were spatially quantified in combination with Geographic Information System (GIS) grid technology; finally, the comprehensive evaluation method was adopted to evaluate the wetland ecological security of Wujiang District from 2012 to 2020. Result In 2012, 2016 and 2020, the ecological security values of wetlands in Wujiang District were 0.394 4, 0.455 2 and 0.516 4 respectively, which evolved from low security and medium security to high security. The high value areas in each period were mainly concentrated along the coast of Taihu Lake, Zhenze area, Beimayang area, Tongli Lake area, Sanbaidang area and Yuandang area. Based on the analysis of DPSIRM model, the safety value of management, impact and driving force subsystem had increased significantly, that of the pressure subsystem had decreased, whereas that of the state and response subsystem had first decreased and then increased. Conclusion During the study period, the ecological security values of wetlands in Wujiang District showed an overall upward state. However, in the future ecological protection of wetlands, devoted efforts should be made to the regulate pressure indicators, strengthen the control of areas with low ecological security level, and maintain high-intensity management measures. [Ch, 8 fig. 1 tab. 31 ref.] -
Key words:
- wetland ecological security /
- DPSIRM model /
- GIS grid /
- water network area
-
南方集体林区以丘陵为主的地形特征决定了林业生产过程中客观上存在着机械替代率低的问题。由于大量农村劳动力进入城市非农就业，林业经营主体需要通过雇佣劳动力以解决劳动力不足的问题[1]；日趋扩大的规模化经营对雇佣劳动力的依赖程度急剧增大，委托代理关系也应运而生。委托代理关系下的营林生产过程往往存在着信息不对称和“道德风险”等问题，导致雇主对劳动过程的监督不到位[2]；而相对粗放的林业生产中，雇主无法准确观测劳动力的投入程度，雇工生产效率较低[3]。因此，在南方集体林区不断推进林业规模化经营的背景下，开展雇工劳动质量对农户营林技术效率的影响研究具有重要的理论和现实意义。国内外学者关于雇佣劳动对农林业生产影响的研究主要集中在农业领域。一种观点认为雇佣劳动对农业生产效率产生了负面影响。雇佣劳动存在“道德风险”，雇佣劳动力的边际产出小于自有劳动力的边际产出，要保证劳动质量必须要付出大量的监督成本。有研究发现：存在雇工行为的家庭农业经营雇主，需要花费10%的劳动力时间来监督雇工，对劳动力在其他用途上的配置产生挤出效应。还有研究表明：团队组织内部监督不完备与激励不足，将会降低生产效率[4]。另一观点则认为雇佣劳动对农业生产效率有正向影响。张五常[5]认为分成制、定租制和混合制等委托-代理机制[3]是有效的。相比之下，目前针对林业雇工研究较少，从雇工视角探讨南方集体林区农户营林生产效率影响因素的研究还未见报道。本研究基于浙江省的实地调研数据，采用计量模型测算样本农户的营林技术效率，分析雇工劳动质量对农户营林技术效率的影响，以期为林业规模化经营中存在的雇工劳动问题提供决策依据。
1. 雇工劳动质量对农户营林技术效率影响的理论机制分析
1.1 研究假说
根据委托-代理理论[3]，存在于雇佣劳动中“道德风险”会导致雇佣劳动力的边际产出小于自有劳动力的边际产出；而相对粗放的林业生产管理会增加劳动力的监督难度，加重林业雇佣劳动中的机会主义行为。即营林生产过程中雇佣劳动会在一定程度上影响技术效率的提高。同时，雇工投入水平的差异对农户营林技术效率的影响也是不同的。雇工投入越多，则家庭自有劳动力越少，劳动监督难度越大，雇工劳动力的道德风险也越大，从而导致劳动生产质量下降，林业生产效率会因此受到影响（落入到生产可能性曲线内部）。就家庭自有劳动力与雇工关系而言，拥有剩余索取权的家庭自有劳动力更多地参与到营林生产中，则边际产出会随之升高，劳动质量会得到更大程度的保证，雇佣劳动对林业生产效率的负面影响程度也相对减弱。因此，可提出以下研究假说：农户营林生产过程中的雇佣劳动会对营林生产造成负面影响，且雇工劳动质量不同，雇佣劳动对农户营林技术效率的影响程度也不同。
1.2 理论模型
技术效率（technical efficiency, TE）是目前测度生产单位效率水平最常见的指标之一，一般用生产单位的实际产出与其理论上所能实现的最大潜在产出的比值来表示，本研究选用技术效率来衡量样本经营农户营林生产效率水平。用Yi表示第i个农户的林业产出，则随机前沿生产函数（stochastic frontier approach，SFA）可表示为：Yi＝f（Xi，β）exp（Vi-Ui）。其中：f（Xi，β）代表生产前沿面，Xi为生产要素的投入，本研究指资本、土地和劳动力的投入；（Vi-Ui）为混合误差，其中Vi表示随机误差，包含测度误差及不可控因素；Ui为技术效率损失，表示农户i的技术非效率项，服从独立的截断正态分布N（mi，δu2），其中mi为数学期望，δu2为方差。
技术无效率函数（mi）可设定为：$ {m_i} = {\delta _0} + \sum\limits_j {{\delta _j}{Z_{ji}} + {\mu _i}} $。其中：i表示第i位样本农户，Zji表示影响技术效率的各外生变量，δj为待估参数，反映各外生变量对技术效率的影响程度，μi为纯随机误差项。
在此基础上求解出技术效率水平：Ti＝E（Yi∣Ui，Xij）/E（Yi∣Ui＝0，Xij）＝exp（-Ui），从而求解出平均技术效率：$ T = \frac{1}{n}\sum\limits_{i = 1}^n {{T_i}} $。其中：n为农户数量，本研究采用最大似然估计法来估计前沿生产函数的参数。
2. 数据来源、实证模型与变量选择
2.1 数据来源
本研究以浙江省南方集体林区为案例点，充分考虑地理位置、自然资源和社会经济发展差异，按农民人均可支配收入分层抽样选取浙江省建德市、开化县2个县（市）作为样本县（市）。2地农民人均可支配收入为23 998和15 736元，存在明显差异，反映出浙江省不同地区经济发展的差异性；森林覆盖率为76.2%和80.9%，均超出浙江省的平均水平，林业代表性较好。采取随机抽样法，在2个样本县（市）随机选取6个乡（镇），其中开化3个乡（镇），建德3个乡（镇）。为保证问卷的质量与信息的真实性，调查采取“一对一”的访谈模式。共得到农户有效样本245户，其中有雇工参与的农户151户，无雇工参与的农户94户。
杉木Cunninghamia lanceolata是样本地区分布最广的树种之一，也是当地农户最主要的林业收入来源之一；因此，本研究以杉木为案例树种进行调研。调查内容包括农户家庭基本情况、林地基本情况、1个营林周期内最大地块上杉木的生产投入和产出情况等。样本分布见表 1。
表 1 农户有效样本分布情况Table 1. Specific distribution of effective sample of farmers县（市） 乡（镇） 村 合计/户 比例/% 开化 华埠 许家源 20 8.2 联丰 20 8.2 池淮 芹源 20 8.2 玉坑 20 8.2 芹阳 泉坑 21 8.6 小桥头 20 8.2 建德 李家 沙墩头 8 3.3 长林 23 9.4 石鼓 9 3.7 龙桥 1 0.4 新桥 2 0.8 李家 2 0.8 建德 大同 上马 1 0.4 小溪源 24 9.8 永平 1 0.4 竹林 1 0.4 竹源 13 5.3 航头 大店口 21 8.6 东村 14 5.7 溪沿 1 0.4 罗源 1 0.4 曹源 2 0.8 总计 245 100.0 2.2 实证模型与变量选择
在测算林业技术效率之前，需要先确定前沿函数的具体形式，常见的前沿函数形式有C—D生产函数和超越对数生产函数。相对于前者，后者不仅形式灵活、易估计、包容性强，而且允许要素间替代弹性可变，没有对技术变化附加任何限制条件，因此近似性更好。考虑到南方集体林区农户拥有林地地块数量普遍较多，而农户林业生产中最重视且存更大雇佣劳动可能性的一般是最大地块，因此，本研究采用农户最大地块1个经营周期内的营林投入产出变量来构建生产函数。超越对数生产函数公式如下：lnYi＝β0+β1lnKi+β2lnLi+β3lnMi+β4（lnKi）2+β5（lnLi）2+β6（lnMi）2+β7lnKilnLi+β8lnMilnMi+β9lnKilnMi+Vi-Ui。其中：Y表示最大地块1个经营周期内的林业产出（主伐量）（m3）；K表示农户在最大地块的1个经营周期内所投入的费用（元）；L表示农户在最大地块的1个经营周期内所投入的劳动投工数量（工）；M表示最大地块面积（hm2）；β0~β9为待估参数。
通过对超越对数生产函数求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：η1＝β1+2β4lnK+β7lnL+β9lnM。劳动力投入要素的产出弹性为：η2＝β2+2β5lnL+β7lnK+β8lnM。土地投入要素的产出弹性为：η3＝β3+2β6lnM+β8lnL+β9lnK。农户技术无效率函数表示为：$ {m_i} = {\delta _0} + \sum\limits_{j = 1}^{j = 5} {{\delta _j}{h_j} + \sum\limits_{j = 6}^{j = 16} {{\delta _j}{Z_{ji}} + {\mu _i}} } $。其中hj为关键变量，代表雇工劳动质量，表示农户最大地块1个经营周期内雇佣劳动力的投工质量情况，Zj为控制变量。
为全面测度营林雇工劳动质量问题，本研究构建了雇工年龄比例、雇工性别比例、雇工投工所占比例、受过技术培训的雇工所占比例等具体指标[6]作为关键变量。具体如下。①雇工年龄比例：40岁以下雇工所占比例（h1）、60岁以上雇工所占比例（h2）；②雇工性别比例：男雇工所占比例（h3）；③雇工投工所占比例：总投工中雇工所占比例（h4）；④受过技术培训的雇工所占比例（h5）。
一般研究将影响技术效率的地块特征、农业生产特征、户主特征等外生因素作为控制变量。①地块特征主要包括地块的地理位置（最大地块离家距离）、农户家庭山林总面积、农户家庭林地总块数、最大地块立地质量。地块离家距离越近，越便于林农对林地进行管理，所以，预期最大地块离家距离会对农户营林技术效率产生负向影响。农户家庭山林总面积越大、林地总块数越多意味着农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，因此，预期其会对农户营林技术效率产生负向影响[7]。土地细碎不利于先进机械设备和技术的推广，控制病虫害难度加大，难以实现规模经营[8]，虽然也有研究表明耕地面积与生产率之间的反向关系[9]，但有些研究却表明此种关系并不显著[10]，因此预期其总效应不明确。地块的立地质量对效率的影响是显而易见的，肥沃的土壤相对于贫瘠的土壤更能提高农户的生产效率[11]，因此预期其会对农户营林技术效率会产生正向影响。②农业生产特征包括家庭务农人数、家庭总收入以及农户是否为补贴户。家庭务农人数会直接影响到劳动力要素的投入，因此预期其会对农户营林技术效率产生正向影响。农户家庭总收入的增加会加大农户的林业投资[12]，预期会对农户营林技术效率产生正向影响。农户若为补贴户，林业补贴的增加也会增加农户对林业的资本投入，因此假设其会对农户营林技术效率产生正向影响。③户主特征。包括户主年龄、户主的受教育年限、户主健康状况、户主是否担任过村干部。户主年龄对其技术效率的影响方向取决于该农户是更富有经验还是更守旧[13]；户主受教育年限越长，越能有效利用先进的农业生产技术[14]，因此，假设其会对农户营林技术效率产生正向影响。户主健康状况对农户营林技术效率的影响也是显而易见的：户主健康状况越好，越有利于家庭营林生产劳动和决策，因此假设其会对技术效率产生正向影响。干部身份一方面会带来收入效应，即干部获得先进生产技术和农业生产信息的渠道更多，这会对农户营林技术效率产生正效应；另一方面，干部身份同样存在替代效应，即干部用于家庭经营的时间更少，从事家庭经营的机会成本也较高，这会对农户营林技术效率产生负效应[15]。因此其具体影响尚不可知。具体控制变量如下：Z6表示农户是否为补贴户（0代表否，1代表是）；Z7表示户主是否为村干部（0代表否，1代表是）；Z8为农户家庭务农人数（人）；Z9为户主年龄（岁）；Z10为户主受教育年限（年）；Z11为户主健康状况（1代表好，2代表中，3代表差）；Z12表示农户家庭总收入（元）；Z13为农户家庭山林总面积（hm2）；Z14表示农户经营的山林总块数（块）；Z15表示农户经营山林中最大地块的立地质量（1代表好，2代表中，3代表差）；Z16表示最大地块离家的距离（km）。
3. 结果与分析
3.1 描述性统计分析
由表 2可知：样本农户最大地块整个营林周期内单位面积的平均产出为108.62 m3·hm-2，农户最大地块整个营林周期内单位面积的平均资本投入为8 214.47元·hm-2，单位面积平均劳动力投入为375.23工·hm-2，平均林地投入为2.02 hm2。
表 2 随机前沿生产函数模型变量的描述性统计Table 2. Descriptive statistics of variables in Stochastic Frontier Approach's model统计值变量 最大地块总产出/（m3·hm-2） 最大地块资本投入/（元·hm-2） 最大地块面积/hm2 最大地块劳动力投入/（工·hm-2） 平均值 108.62 8 214.47 2.02 375.23 标准差 94.70 5 187.26 1.14 278.28 技术效率损失模型中（表 3），户主的平均年龄为57.24岁，平均受教育年限为7.20 a，可以看出该地区的劳动力质量较差。88.00%的立地质量为中等及以上，最大地块离家距离平均为1.97 km，表明样本地区的立地质量和交通条件对林业经营相对有利。样本农户家庭户均地块为3.41块，表明样本地区林地细碎化问题并不严重。农户的家庭总收入均值为95 501.74元，说明样本地区当地的经济条件利于林业发展。所有样本农户中仅有27.00%的农户为补贴户，说明国家的林补政策还未真正地惠及该地区。
表 3 技术效率损失模型变量的描述性统计Table 3. Descriptive statistics of variables in the loss of technical efficiency's model变量类型 具体变量 平均值 标准差 最小值 最大值 雇工劳动质量 40岁以下雇工所占比例 0.45 0.24 0.10 1.00 60岁以上雇工所占比例 0.49 0.17 0.01 1.00 男雇工所占比例 0.85 0.16 0.20 1.00 总投工中雇工所占比例 0.72 0.25 0.05 1.00 雇佣的工人中受过技术培训的工人所占比例 0.78 0.42 0.10 1.00 户主特征 户主年龄（岁） 57.24 9.38 27 86 户主教育年限 7.20 3.52 0 16 户主是否为村干部（0代表否，1代表是） 0.33 0.46 0 1 户主健康状况：好 0.84 0.36 0 1 户主健康状况：差 0.12 0.22 0 1 农业生产特征 家庭务农人数（人） 1.18 1.05 0 5 家庭总收入（元） 95 501.74 104 235.30 520 724 652 是否为补贴户（0代表否，1代表是） 0.27 0.44 0 1 地块特征 家庭总地块数 3.41 2.87 0 20 最大地块质量：好 0.54 0.49 0 1 最大地块质量：差 0.12 0.31 0 1 最大地块离家距离（km） 1.97 2.03 0.02 15 山林总面积 3.52 8.26 0.03 96.67 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中” 为消除因自变量之间多重共线性导致的模型估计结果偏差，在模型估计前对雇工质量各指标进行相关性检验。结果发现（表 4）：雇工质量各指标之间不存在多重共线性问题，各指标可以作为自变量放入模型进行估计。
表 4 雇工质量各指标系数相关矩阵Table 4. Relevance matrix of index coefficients of employee quality40岁以下雇工所占比例 60岁以上雇工所占比例 男雇工所占比例 总投工中雇工所占比例 雇佣的工人中受过技术培训的工人所占比例 40岁以下雇工所占比例 1.00 60岁以上雇工所占比例 0.18 1.00 男雇工所占比例 0.24 0.15 1.00 总投工中雇工所占比例 0.01 0.00 0.33 1.00 雇佣的工人中受过技术培训的工人所占比例 0.24 0.02 0.10 0.23 1.00 3.2 实证结果分析
利用广义似然比（LR）检验可降低对SFA模型的依赖，避免函数形式的误设，从而从设定的待估计模型中筛选出最能拟合样本数据的模型。LR公式可表示为：RL＝-2[lnL（H0）-lnL（H1）] ~χ2（k）。其中：L（H0）和L（H1）分别是零假设H0和备择假设H1下的似然函数值，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。给出的2个零假设为：（1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否为规模户的虚拟变量。（2）外生变量对技术效率无任何影响，即模型不需要添加外生变量影响因素。LR验证结果如表 5所示。相对于基准模型，假设1在1%显著性水平上没有被拒绝，而假设2在1%显著性水平上拒绝原假设；说明原假设1对应的模型较好地拟合了样本数据，可作为本研究测度技术效率的主要模型。
表 5 假设检验结果Table 5. Hypothesis test results零假设 LR统计量 自由度 χ2 0.01临界值 结论 H0：不应该设置规模户虚拟变量 0.001 9 20.97 接受 H0：外生变量对技术效率无影响 126.310 14 28.49 拒绝 3.2.1 随机前沿生产函数模型估计结果分析
表 6为随机前沿生产函数模型的估计结果。将表 6的回归系数代入上文生产投入要素产出弹性计算公式中可得到各投入要素的产出弹性。计算得：土地投入要素的产出弹性为2.25，说明样本地区林业生产对土地投入的依赖程度较高，即林业生产中最为稀缺的生产要素是土地，增加土地投入可以大幅度地提高林业产出。资本（-0.09）和劳动力（-0.23）投入要素的产出弹性均为负值，说明目前样本地区林业存在过度投入资本和劳动力的情况，单纯依靠增加林业劳动力和林业资本投入并不会带来林业产出的增加，相反还可能导致林业产出减少。
表 6 随机前沿生产函数模型估计结果Table 6. Estimated results of Stochastic Frontier Approach's model变量 系数 变量 系数 最大地块资本投入 0.589***（0.091） 劳动力投入的平方项 -0.029*（0.016） 最大地块面积（土地投入） 0.746***（0.240） 资本投入×土地投入 0.160**（0.068） 最大地块劳动力投入 0.017（0.125） 土地投入×劳动力投入 0.108*（0.063） 资本投入的平方项 0.051***（0.010） 资本投入×劳动力投入 -0.014（0.035） 土地投入的平方项 -0.410***（0.137） 常数项 -0.368（0.259） 说明：*，**，***分别表示通过10%，5%，1%水平下的显著性检。括号内数值为回归标准误 3.2.2 技术效率损失模型估计结果分析
在245份有效样本农户中，家庭最大地块1个营林周期内有雇佣劳动力的农户有151户，占总体样本的61.63%。总体农户平均技术效率值为0.57，有雇工农户平均技术效率值为0.59，无雇工农户的平均技术效率值为0.76。由表 7可知：如果消除技术效率的损失，总体样本农户的平均技术效率还有43.00%的提升空间。由描述性统计结果可粗略看出无雇工农户的平均技术效率高于有雇工农户的平均技术效率，但雇佣劳动对农户技术效率的具体影响有待进一步计量分析。由样本农户雇工情况对农户营林技术效率损失影响的估计结果（表 8）可知：在控制其他变量不变的情况下，雇工会对农户营林技术效率造成负面影响（P＜0.10）。雇工劳动质量指标中，总投工中雇工所占比例对农户的营林技术效率具有负向影响（P＜0.05）；原因可能是家庭自有劳动力和雇佣劳动力劳动质量存在异质性，雇主对劳动过程的监督很难到位，由此造成总投工中雇工所占比例越高，农户营林技术效率越低。户主年龄对农户的营林技术效率具有正向的影响（P＜0.10）；原因可能是随着户主年龄增大，其营林生产经验越丰富，对家庭营林生产越有利。户主良好的身体状况对农户营林生产技术效率具有正向影响（P＜0.05）；作为家庭最主要的林业劳动力和决策者，户主身体健康程度对林业生产至关重要。家庭总收入对农户营林生产技术效率具有正向影响（P＜0.05）；原因在于农户家庭总收入的增加会减少农户家庭林业生产的资金约束，农户林业投资概率会增大。山林总面积和家庭总地块数都对农户的营林技术效率具有负向影响（P＜0.10）；农户家庭山林总面积越大、家庭总地块数越多，农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，农户无法对林地进行精细化地管理，影响了技术效率的提高。好的地块质量对农户营林生产技术效率具有负向影响（P＜0.10）；这与预期的影响方向相反，可能的原因是：农户会对质量较好的地块相对投入更少的肥料和劳动力等生产要素，因此使立地质量较优的地块产出情况反而不如立地质量较差的地块。
表 7 样本农户营林技术效率总体情况Table 7. Overall situation of technical efficiency of sample farmers in forestry management描述性统计农户类型 平均值 标准差 最小值 最大值 全部农户 0.57 0.20 0.12 0.92 有雇工农户 0.59 0.25 0.06 0.98 无雇工农户 0.76 0.12 0.24 0.92 表 8 雇工情况及雇工劳动质量对农户营林技术效率损失的影响估计结果Table 8. Estimation of the impact of employment and labor quality of employees on technical efficiency of farmers' forestry management变量类型 具体变量 系数 具体变量 系数 雇工情况 是否雇工（0代表否，1代表是） 0.373*（0.212） 40岁以下雇工所占比例 1.139（0.814） 及雇工劳 60岁以上雇工所占比例 -0.474（0.509） 动质量 男雇工所占比例 0.662（0.511） 总投工中雇工所占比例 1.205**（0.538） 雇佣的工人中受过技术培训的工人所占比例 -2.115（1.328） 户主特征 户主年龄（岁） -0.011（0.009） 户主年龄（岁） -0.027*（0.016） 户主教育年限 -0.008（0.022） 户主教育年限 0.052（0.044） 户主是否为村干部（0代表否，1代表是） 0.182（0.160） 户主是否为村干部（0代表否，1代表是） 0.181（0.245） 户主健康状况：好 -0.498**（0.242） 户主健康状况：好 -1.130**（0.489） 户主健康状况：差 -0.180（0.324） 户主健康状况：差 -0.132（0.883） 农业生产 家庭务农人数（人） 0.035（0.078） 家庭务农人数（人） 0.084（0.106） 特征 家庭总收入（元） -0.000**（0.000） 家庭总收入（元） -0.000**（0.000） 是否为补贴户（0代表否，1代表是） 0.333**（0.165） 是否为补贴户（0代表否，1代表是） 0.317（0.259） 地块特征 家庭总地块数 0.035（0.026） 家庭总地块数 0.090*（0.049） 最大地块质量：好 0.221（0.155） 最大地块质量：好 0.640*（0.359） 最大地块质量：差 -0.117（0.241） 最大地块质量：差 0.196（0.460） 最大地块离家距离（km） -0.040（0.037） 最大地块离家距离（km） -0.052（0.061） 山林总面积 -0.005（0.022） 山林总面积 0.042*（0.022） 常数项 1.643***（0.623） 常数项 0.303（1.099） σ2 0.318***（0.070） σ2 0.801***（0.268） γ 0.876***（0.073） γ 0.995***（0.003） 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中”；*，**，***分别表示通过10%，5%，1%水平下的显著性检验。括号内数值为回归标准误 4. 结论及建议
4.1 结论
本研究发现：样本农户的营林技术效率的平均值为0.57，表明样本农户在当前技术水平下平均56.60%的产出可以通过现有的生产要素组合来获得，样本农户的营林技术效率还有43.40%的提升空间。农户营林生产过程中的雇佣劳动确实会对营林生产造成负面影响，雇工劳动质量不同，对提高农户营林技术效率的影响程度不同；营林生产总投工中雇工所占比例越大，对提高农户营林技术效率的负面影响程度越大。
4.2 建议
建立有效的劳动监督和管理机制。雇佣劳动力在劳动过程中缺乏有效的劳动监督，雇工劳动质量低下，是营林生产技术效率下降的主要原因。因此，农户应根据雇工实际情况建立有效劳动监督机制，在劳动生产可计量的环节尝试使用绩效工资，并根据劳动成果给予一定的激励措施，减少雇工过程中“搭便车”行为的发生，从而提高雇工劳动的质量。在目前林业规模经营日趋普遍的情况下，传统的生产经营和管理方式越来越难以适应，迫切需要建立高效的林业生产管理机制。革新传统林业管理理念，启用具有现代管理才能的人才管理林业经营；在林业生产的各个环节，制定科学合理的管理细则和林业生产流程。
推进适度规模经营，加大林业科技服务投入。解决各林业经营主体营林生产过程中的雇工劳动质量问题的关键是解决农村劳动力不足的问题。因此，推广林业机械化生产、开拓新型经营方式、积极推进林业适度规模经营均能在很大程度上解决上述问题。在地形条件较平缓的地区的林业规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题。同时，在机械替代较为困难的地区，可以尝试开拓林业服务外包、农户之间合作经营和托管经营等新型林业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题。对规模经营中出现的雇工劳动问题，需要进一步研究以寻找雇工劳动最优的比例，从劳动力层面对农户适度规模经营提出要求。
-
图 2 2012、2016、2020年吴江区湿地生态安全评价示意图
Figure 2 Evaluation value of wetland ecological security in Wujiang District in 2012, 2016 and 2020
图 3 驱动力子系统安全值空间分布示意图
Figure 3 Spatial distribution of safety value of driving force subsystem
图 4 压力子系统安全值空间分布示意图
Figure 4 Spatial distribution of safety value of pressure subsystem
图 6 影响子系统安全值空间分布示意图
Figure 6 Spatial distribution of safety value of affected subsystem
图 7 响应子系统安全值空间分布示意图
Figure 7 Spatial distribution of safety value of response subsystem
图 8 管理子系统安全值空间分布示意图
Figure 8 spatial distribution of safety value of management subsystem
表 1 吴江区湿地生态安全评价指标体系及含义
Table 1. Evaluation index system and meaning of wetland ecological security in Wujiang District
目标层 准则层 指标层 正负性 数据来源 综合权重 湿地生态安全 驱动力 人口密度/(人·km−2) − 各镇人口/镇域面积 0.022 5 国内生产总值(GDP)/万元 + 《吴江年鉴(2013—2021年)》 0.018 9 城市化水平/% − 各镇非农业人口/各镇总人口 0.030 7 降水/m3 + 《吴江年鉴(2013—2021年)》 0.019 1 压力 区域开发指数/% − (建设用地面积+耕地面积)/国土面积 0.035 1 万元GDP耗水量/(t·万元−1) − 《吴江年鉴(2013—2021年)》 0.016 4 公路密度/% − 公路面积/国土面积 0.020 4 航道密度/% − 航道等级缓冲区分析 0.017 5 农药、化肥施用强度/t − 《吴江年鉴(2013—2021年)》 0.027 3 企业生产污水排放/t − 苏州市重点排污企业名单 0.030 3 城镇生活污水排放/t − 《吴江年鉴(2013—2021年)》 0.029 6 状态 水域面积占比/% + 水域面积/国土面积 0.035 6 水环境质量/% + 吴江区重要断面水环境质量状况 0.038 5 水土流失等级/% − 《苏州市水土保持规划》 0.035 6 植被覆盖度/% + 资源环境科学与数据中心 0.019 5 景观结构指数/% − 景观破碎度、分离度和分维数加权函数式[21] 0.022 5 湿地连通性指数*/% + 景观形态空间格局分析(MSPA)结合Conefor2.6[22] 0.036 4 生境质量/% + 生境质量(Invest)模型[23] 0.022 3 影响 人均水资源量/(m3·人−1) + 《吴江年鉴(2013—2021年)》 0.030 8 农业产值占比/% + 0.027 6 环境调节服务/% + 生态系统服务价值计算[24] 0.034 6 鸟类多样性*/种 + 《苏州市鸟类物种调查与统计》 0.042 1 响应 污水处理率/% + 《吴江年鉴(2013—2021年)》 0.026 3 无害化垃圾处理率/% + 0.023 3 水功能区达标率/% + 0.034 3 河道治理/% + 0.040 6 地区生产总值能耗下降比率/% + 0.023 7 查处环境违法案件数/件 + 0.030 4 管理 湿地保护等级*/% + 《苏州市湿地保护年报(2015—2020年)》 0.043 6 自然湿地保护率*/% + 0.037 8 湿地执法巡查次数 + 《吴江年鉴(2013—2021年)》 0.026 7 退渔还湖及池塘标准化改造* + 0.020 4 高标准农田建设 + 0.028 4 湿地科普宣教情况*/万元 + 《苏州市湿地保护年报(2015—2020年)》 0.049 1 环保投资占GDP比重/% + 《吴江年鉴(2013—2021年)》 0.047 9 说明：*表示反映吴江区湿地特质的指标。+表示对湿地生态安全起促进作用；−表示对湿地生态安全起抑制作用 
下载: 导出CSV
-
[1] 朱颖, 王杉, 冯育青. 近30年太湖流域湿地生态系统服务价值对景观格局变化的响应: 基于“退田还湖”工程的实施[J]. 中国园林, 2022, 38(1): 88 − 93. ZHU Ying, WANG Shan, FENG Yuqing. Response of the value of wetland ecosystem service in Taihu Basin to the change of landscape pattern in the past 30 years: based on the implementation of the project of restoring the lake from the land [J]. Chin Landscape Archit, 2022, 38(1): 88 − 93. [2] 吴雷, 许有鹏, 徐羽, 等. 平原水网地区快速城市化对河流水系的影响[J]. 地理学报, 2018, 73(1): 104 − 114. WU Lei, XU Youpeng, XU Yu, et al. Impact of rapid urbanization on river system in a river network plain [J]. J Geogr Sci, 2018, 73(1): 104 − 114. [3] 翟可, 徐惠强, 姚志刚, 等. 江苏省湿地保护现状、问题及对策[J]. 南京林业大学学报(自然科学版), 2013, 37(3): 175 − 180. ZHAI Ke, XU Huiqiang, YAO Zhigang, et al. Present situation, problems and measures for Jiangsu wetland conservation [J]. J Nanjing For Univ Nat Sci Ed, 2013, 37(3): 175 − 180. [4] 刘艳艳, 吴大放, 王朝晖. 湿地生态安全评价研究进展[J]. 地理与地理信息科学, 2011, 27(1): 69 − 75. LIU Yanyan, WU Dafang, WANG Chaohui. Research review ion ecological security assessment of wetland [J]. Geogr Geo-Inf Sci, 2011, 27(1): 69 − 75. [5] 王荣军, 谢余初, 张影, 等. 基于PSR模型的旱区城市湿地生态安全评估[J]. 生态科学, 2015, 34(3): 133 − 138. WANG Rongjun, XIE Yuchu, ZHANG Ying, et al. Ecological security evaluation of urban wetland in arid China based on PSR model [J]. Ecol Sci, 2015, 34(3): 133 − 138. [6] 姚敏奇. 白洋淀流域湿地生态安全评价及生态补偿研究[D]. 保定: 河北大学, 2019. YAO Minqi. Study on Ecological Security and Ecological Compensation of Wetland in Baiyangdian Watershed[D]. Baoding: Hebei University, 2019. [7] 吴健生, 张茜, 曹祺文. 快速城市化地区湿地生态安全评价——以深圳市为例[J]. 湿地科学, 2017, 15(3): 321 − 328. WU Jiansheng, ZHANG Qian, CAO Qiwen. Ecological security assessment of wetlands in rapidly urbanizing areas: a case study of Shenzhen, China [J]. Wetland Sci, 2017, 15(3): 321 − 328. [8] 李楠, 李龙伟, 陆灯盛, 等. 杭州湾滨海湿地生态安全动态变化及趋势预测[J]. 南京林业大学学报(自然科学版), 2019, 43(3): 107 − 115. LI Nan, LI Longwei, LU Dengsheng, et al. Ecological security dynamics and trend forecast of coastal wetlands in Hangzhou Bay [J]. J Nanjing For Univ Nat Sci Ed, 2019, 43(3): 107 − 115. [9] 朱卫红, 苗承玉, 郑小军, 等. 基于3S技术的图们江流域湿地生态安全评价与预警研究[J]. 生态学报, 2014, 34(6): 1379 − 1390. ZHU Weihong, MIAO Chenyu, ZHENG Xiaojun, et al. Study on ecological safety evaluation and warning of wetlands in Tumen River watershed based on 3S technology [J]. Acta Ecol Sin, 2014, 34(6): 1379 − 1390. [10] 秦趣, 梁振民, 刘安乐, 等. 基于DPSIRM框架模型的高原湿地生态安全评价[J]. 冰川冻土, 2020, 42(4): 1363 − 1375. QIN Qu, LIANG Zhenmin, LIU Anle, et al. The ecological safety evaluation of plateau wetland based on DPSIRM framework model [J]. J Glaciol Geocryol, 2020, 42(4): 1363 − 1375. [11] 秦鹏, 张志辉, 刘庆. 黄河三角洲滨海湿地生态安全评价[J]. 中国农业资源与区划, 2020, 41(8): 145 − 153. QIN Peng, ZHANG Zhihui, LIU Qing. Ecological security assessment of coastal wetland in the Yellow River Delta [J]. Chin J Agric Resour Reg Plann, 2020, 41(8): 145 − 153. [12] 徐毅松, 吴燕, 邵一希. 国家战略与规划使命——从长三角一体化示范区规划看新时代国土空间治理[J]. 城乡规划, 2020(4): 1 − 6, 20. XU Yisong, WU Yan, SHAO Yixi. National strategy and planning mission: territorial space governance in the new era inspired by the planning of yangtze river delta integration demonstration area [J]. Urban Rural Plann, 2020(4): 1 − 6, 20. [13] 张凤太, 王腊春, 苏维词. 基于DPSIRM概念框架模型的岩溶区水资源安全评价[J]. 中国环境科学, 2015, 35(11): 3511 − 3520. ZHANG Fentai, WANG Lachun, SU Weici. The safety evaluation of water resources based on DPSIRM conceptual framework in karst region [J]. China Environ Sci, 2015, 35(11): 3511 − 3520. [14] 王欣, 侯效灵, 侯保灯, 等. 基于DPSIRM模型的城市化进程与水安全耦合关系分析[J]. 华北水利水电大学学报(自然科学版), 2021, 42(2): 50 − 57. WANG Xin, HOU Xiaoling, HOU Baodeng, et al. Analysis of the coupling relationship between urbanization process and water security based on DPSIRM model [J]. J North China Univ Water Resour Power Nat Sci Ed, 2021, 42(2): 50 − 57. [15] 李悦, 袁若愚, 刘洋, 等. 基于综合权重法的青岛市湿地生态安全评价[J]. 生态学杂志, 2019, 38(3): 847 − 855. LI Yue, YUAN Ruoyu, LIU Yang, et al. Ecological security evaluation of wetlands in Qingdao based on the comprehensive weighting method [J]. Chin J Ecol, 2019, 38(3): 847 − 855. [16] 秦趣, 陈忠全, 姚世美. 贵州威宁草海湿地生态安全评价[J]. 水生态学杂志, 2018, 39(2): 27 − 33. QIN Qu, CHEN Zhongquan, YAO Shimei. Ecological safety evaluation of Caohai lake wetland in Weining [J]. J Hydroecol, 2018, 39(2): 27 − 33. [17] 杨时民, 李玉文, 吕玉哲. 扎龙湿地生态安全评价指标体系研究[J]. 林业科学, 2006, 42(5): 127 − 132. YANG Shimin, LI Yuwen, LǛ Yuzhe. The assessment index system of Zhalong wetland eco-security [J]. Sci Silv Sin, 2006, 42(5): 127 − 132. [18] 司锦锦, 王世东. 基于组合赋权法的焦作矿区生态安全评价与时空分异[J]. 水土保持研究, 2021, 28(3): 348 − 354. SI Jinjin, WANG Shidong. Ecological security and spatiotemporal differentiation of Jiaozuo mining area based on combined weighting methond [J]. Res Soil Water Conserv, 2021, 28(3): 348 − 354. [19] 奥勇, 蒋嶺峰, 白召弟, 等. 基于格网GIS的黄河流域土地生态质量综合评价[J]. 干旱区地理, 2021, 45(1): 164 − 175. AO Yong, JIANG Lingfeng, BAI Zhaodi, et al. Comprehensive evaluation of land ecological quality in the Yellow River Basin based on Grid-GIS [J]. Arid Land Geogr, 2021, 45(1): 164 − 175. [20] 田欣. 星海湖湿地生态安全评估与预警研究[D]. 银川: 宁夏大学, 2018. TIAN Xin. Study on Ecological Security Evaluation and Warning of Xinghaihu Wetland[D]. Yinchuan: Ningxia University, 2018. [21] 谢余初, 巩杰, 张玲玲. 基于PSR模型的白龙江流域景观生态安全时空变化[J]. 地理科学, 2015, 35(6): 790 − 797. XIE Yuchu, GONG Jie, ZHANG Lingling. Dynamics of landscape ecological security based on PSR model in the Bailongjiang river watershed [J]. Sci Geogr Sin, 2015, 35(6): 790 − 797. [22] 张梦嫚, 吴秀芹. 近20年白洋淀湿地水文连通性及空间形态演变[J]. 生态学报, 2018, 38(12): 4205 − 4213. ZHANG Mangman, WU Xiuqin. Changes in hydrological connectivity and spatial morphology of Baiyangdian wetland over the last 20 years [J]. Acta Ecol Sin, 2018, 38(12): 4205 − 4213. [23] 欧维新, 张伦嘉, 陶宇, 等. 基于土地利用变化的长三角生态系统健康时空动态研究[J]. 中国人口·资源与环境, 2018, 28(5): 84 − 92. OU Weixin, ZHANG Lunjia, TAO Yu, et al. A land-cover-based approach to assessing the spatio-temporal dynamics of ecosystem health in the Yangtze River Delta region [J]. China Popul Resour Environ, 2018, 28(5): 84 − 92. [24] 朱颖, 吕寅超. 基于生态系统服务价值优化模型的生态安全格局构建虚拟——以苏州市吴江区为例[J]. 现代城市研究, 2020(8): 89 − 97. ZHU Ying, LÜ Yinchao. Simulation research for ecological security pattern construction based on ecosystem service value optimization model: a case study of Wujiang District of Suzhou [J]. Modern Urban Res, 2020(8): 89 − 97. [25] 戈弋. 苏南乡村水域生态安全格局构建策略研究[D]. 苏州: 苏州科技大学, 2016. GE Yi. Research on the Construction Strategy of Ecological Security Pattern in Rural Area of South of Jiangsu [D]. Suzhou: Suzhou University of Science and Technology, 2016. [26] 陈琪. 基于GIS技术的苏南水网密集地区生态空间格局优化研究——以苏州吴江区为例[D]. 苏州: 苏州科技学院, 2015. CHEN Qi. Ecological Spatial Pattern Optimization of Sunan Water Network-Intensive Areas Based on GIS: A Case Study of Suzhou Wujiang Area[D]. Suzhou: Suzhou University of Science and Technology, 2015. [27] 杜健. 水网地区湿地景观格局演变及景观生态风险研究——以吴江区为例[D]. 苏州: 苏州科技大学, 2021. DU Jian. Study on Wetland Landscape Pattern Evolution and Landscape Ecological Risk in Water Network Region: A Case Study of Wujiang District [D]. Suzhou: Suzhou University of Science and Technology, 2021. [28] 崔馨月, 方雷, 王祥荣, 等. 基于DPSIR模型的长三角城市群生态安全评价研究[J]. 生态学报, 2021, 41(1): 302 − 319. CUI Xinyue, FANG Lei, WANG Xiangrong, et al. Urban eco-security assessment in the urban agglomerations based on DPSIR model: a case study of Yangtze River Delta, China [J]. Acta Ecol Sin, 2021, 41(1): 302 − 319. [29] 王点. 基于PSR模型鄱阳湖湿地生态安全评价[D]. 南昌: 江西师范大学, 2016. WANG Dian. Assessment of Ecological Security of Poyang Lake Wetland Based on PSR Model[D]. Nanchang: Jiangxi Normal University, 2016. [30] 王贺年, 张曼胤, 崔丽娟, 等. 基于DPSIR模型的衡水湖湿地生态环境质量评价[J]. 湿地科学, 2019, 17(2): 193 − 198. WANG Henian, ZHANG Manyin, CUI Lijuan, et al. Evaluation of ecological environment quality of Hengshui lake wetlands based on DPSIR model [J]. Wetland Sci, 2019, 17(2): 193 − 198. [31] 汤旭, 郑洁, 冯彦, 等. 云南省县域森林生态安全评价与空间分析[J]. 浙江农林大学学报, 2018, 35(4): 684 − 694. TANG Xu, ZHENG Jie, FENG Yan, et al. County-level forest ecological security evaluation and spatial analysis in Yunnan Province [J]. J Zhejiang A&F Univ, 2018, 35(4): 684 − 694. 期刊类型引用(4)
1. 朱臻，薛家依，宁可. 规模化经营背景下劳动监督对营林质量的影响研究：来自南方集体林区三省规模户的实证数据. 农林经济管理学报. 2021(01): 78-91 . 
百度学术2. 高润，刘洁. 林业经济实现可持续发展的重要性分析. 林产工业. 2021(04): 99-101 . 百度学术3. 肖琦，洪英. 新形势下林业科技对林业发展的重要性分析. 林产工业. 2021(05): 69-71+76 . 百度学术4. 修丕师，张晓梅. 重点国有林区职工林下经济创业潜力及支持路径研究. 林业经济问题. 2020(06): 626-633 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210758
点击查看大图
计量
- 文章访问数: 659
- HTML全文浏览量: 136
- PDF下载量: 56
- 被引次数: 12
