EN中文

Acta Geographica Sinica >

2019 , Vol. 74 >Issue 10: 2062 - 2077

DOI: https://doi.org/10.11821/dlxb201910008

Rural Revitalization and Regional Development

Construction of an emergy and exergy coupling model for the analysis of regional sustainable development capability

  • FAN Xingang 1, 2 ,
  • ZHONG Juntao 3 ,
  • YANG Meiling 4 ,
  • WEN Qi 4 ,
  • MA Zhenning 4 ,
  • MI Wenbao , 4
Expand
  • 1. Research Center for Western Development, Ningxia University, Yinchuan 750021, China
  • 2. School of Economics and Management, Ningxia University, Yinchuan 750021, China
  • 3. School of Geography Science, Qinghai Normal University, Xining 810016, China
  • 4. School of Resources and Environment, Ningxia University, Yinchuan 750021, China

Received date: 2018-06-11

  Request revised date: 2019-05-05

  Online published: 2019-10-29

Supported by

National Natural Science Foundation of China(No.41761116)

Natural Science Foundation of Ningxia(No.NZ17027)

Copyright

Copyright reserved © 2019
Fold

Abstract

Methods for the evaluation of sustainable development capability are important and highly sought after tools for identifying the synergistic relationship between humans and the environment and guiding scientific decision-making for the implementation of ecological and environmental protection measures. Compared to traditional methods such as ecological footprint, environmental sustainability index, and human development index, emergy analysis and exergy analysis result in smaller errors and are more objective. These two methods can directly convert materials and services into energy units, without evaluation indicators and weight settings, and do not require raw dimensionless data. Exploring the coupling of emergy analysis and exergy analysis can provide a new perspective on and method for the analysis of regional sustainable development capabilities. Based on a literature review, a theoretical analysis framework was constructed. This study proposes an emergy and exergy coupling model for the analysis of sustainable development capability based on a thermodynamic theory. This analytical model has three indices, namely, self-organizing capability index (SO), ecological pressure index (EP), and sustainable development capability index (SC). The emergy and exergy input and output values of 17 typical developed countries in 1985 were screened via meta-analysis to calculate the SO and EP thresholds of the model, based on which sustainable development capability was divided into four stages. The model was tested via a comparative analysis of the sustainable development capability of China and the USA in 1985-2015. The results show that China was in the low self-organizing capacity and low ecological pressure stage before 2005. After 2005, it entered the low self-organizing capability and high ecological pressure stage. It has had low eco-efficiency and scale expansion driving characteristics. The USA is always in the high self-organizing capacity and high ecological pressure stage, and is characterized by high ecological efficiency, and economic and ecological decoupling. These results are consistent with the findings of the World Ecological Footprint Network and World Wildlife Fund, indicating that the proposed model is adaptive and reliable. In addition, the study results indicate that this model can express the ecological efficiency of an economic and social system in terms of "total annual exergy amount used/annual emergy input amount". Moreover, it can express the ecological pressure as "annual exergy loss of an economic and social system/annual eco-exergy produced by an ecosystem." This model connects the entropy path of an economic and social system to the ecosystem. Furthermore, it can identify sustainable development stage and analyze changes in sustainable development level and factors driving these changes. From an anthropological and ecological perspective, the model expresses the ecological efficiency of an economic and social system, evaluates the proportion of ecological space occupied, and can combine macroscopic scale with microscopic efficiency analysis, which is an improvement over conventional methods.

Key words： sustainable development capacity; self-organizing capability; ecological pressure; emergy; exergy; coupling model

Cite this article

FAN Xingang , ZHONG Juntao , YANG Meiling , WEN Qi , MA Zhenning , MI Wenbao . Construction of an emergy and exergy coupling model for the analysis of regional sustainable development capability[J]. Acta Geographica Sinica, 2019 , 74(10) : 2062 -2077 . DOI: 10.11821/dlxb201910008

1 引言

可持续发展能力评价方法及指标体系是可持续性科学的研究热点[1],也是区域“生活—生产—生态”可持续协同规律研究的重要需求之一[2]。目前,已有方法大体上可分为物质核算方法（数据包络法、生态足迹法、物质流法）、多指标体系法（环境可持续性指标、人类发展指数）、热力学方法（能值法、㶲方法、熵方法）三类。物质核算与多指标体系方法对反映区域可持续发展能力具有全面性、宏观性优势,国内外机构和学者长期研究,取得了丰富成果[3,4,5]。但任何综合分析方法均存在其优势与不足,需要持续改进,以满足事实规律探索的需求。生态足迹法将全球生态系统平均产量转化为生物生产土地面积,从而制定转化因子,易忽视不同国家、地区等尺度的生物生产能力差异,存在横向比较局限[6],且根据消耗产品量来衡量土地占用面积,存在间接折算误差[7]。环境可持续性指标、人类发展指数与数据包络法类似,存在不同研究的指标选择不一致、权重设置主观性、无量纲化丢失信息等风险[8],尽管研究机构和学者均提及最大限度地避免主观判断,但不同研究的指标选择和数据整合过程存在明显差异,限制了其被决策者采纳和横向比较[9]。物质流方法与热力学方法、生态足迹法的“转化为统一基准”思路较为相似,但如何进行物质分类、设置隐流参数等,都需进一步研究,且不同物质存在物理属性差异,较难分析转化过程[10,11]。
能值和㶲方法具有一定相对优势：二者可将所有类型资源、能源和服务转换为统一的能量计量单位,避免了指标体系设计与权重设置的主观性、原始数据无量纲化的信息丢失问题,从而能够在系统内分析其驱动机制和系统间进行更公平客观的横向比较[12,13];通过“能量转换”考虑到了不同物质和服务的质量[14],且由于一致的流量分析框架,实现了区域系统消费和产出要素的最大覆盖,减少了物质计量单位差异、统计口径和范围误差;尽管区域尺度能值和㶲转换率存在应用“平均值”的误差,但其由物质化学和生物结构计算,较其他间接折算方法,更加贴近了真实量[15,16];二者均立足于热力学第一、第二定律,不存在多理论衔接或相互矛盾的基础性难题;能值方法的独特优势在于把握区域系统的宏观特征和环境背景贡献,㶲方法可以明确区域系统转化效率和途径,显现出技术性衡量优势[17],二者的互补性可开展过程归纳与区域比较,对更清楚地识别区域可持续发展能力特征,具有整合研究的应用前景[18]。总体上,基于热力学理论,能值和㶲方法可实现生态经济系统代谢耦合分析,是跨越自然科学和社会科学“大分水岭”的重要路径[19]。据上优势,在文献评述和理论分析基础上,耦合能值与㶲方法,构建模型,尝试对区域可持续发展能力所处阶段进行划分、动态评价和驱动因素分析,以期探索热力学领域的新评估方法,力求从研究视角、理论框架和计算方法上对经典方法有所补充,对丰富可持续性科学的研究方法、完善基于能量生态学的可持续发展研究和应用具有一定理论意义和参考价值。

2 理论基础

2.1 能值与㶲方法研究评述

能值方法由Odum在20世纪70年代提出,是目前热力学理论分析区域可持续发展应用最广泛的方法。尤其是Brown等提出“能值可持续水平=能值产出率/环境负载率”,开创了可持续发展研究的新局面[20]。国内外应用能值方法对不同地理尺度的可持续特征进行了广泛研究,应用于大到国家、流域、城市,小到乡村、行业、企业等[21,22]。Brown等还开发了国家环境计量数据库（National Environmental Accounting Database, NEAD）,发布了134个国家几乎所有物质元素的能值转换率[23],分析能力日益增强。能值对经济社会与生态环境界面的定量分析,因测度指标稳定性支撑的跨区域可比性,显现出认识地理区域物质使用强度、投入产出特征的优势[24]。学术界也陆续批评其不足：由于区域可更新和不可更新资源属动态投入,静态分析属性使其无法明确系统内在转化效率和动态积累机制,且经济社会过程产出的废弃物限于现有技术和经济原因不能有效利用,属负效益甚至有毒产出,直接纳入能值可持续水平的产出存在问题[25],由于环境负载率仅为不可更新与可更新能源投入能值量之比,未全面考虑生态系统的承载因素[18]。因此,产出率越高并不越有利于提升可持续发展能力。能值学者由此尝试与生态足迹、生命周期、地理信息系统、战略环境评价等方法结合,以能值统一量纲的优势,证明其在可持续发展评价中的可靠性,但这仅填补了其他方法的不足,自身有待完善[26],且跨学科易产生理论基础的一致性问题,如生态足迹方法的间接折算存在区域误差,能值转换率存在规模化物质转换的“平均值”误差,二者结合有不确定性增加的风险。同时,在热力学领域,研究者分两条路径探索：一是使用统计方法（方差、几何方差和泰勒公式等）和随机方法（蒙特卡罗方法等）互证能值转换率误差,得出宏观分析中“平均值”转换误差并不影响总体结果准确性[27],表明其具备可靠性。二是针对能值的微观分析和物质能值量动态积累核算的不足,探索与㶲方法耦合。
㶲源于1956年Rant提出：能量=㶲+熵,明确了㶲是能量中可无限转换的部分[28]。采用㶲方法解决生态问题最初由M.Tribus提出,因生态系统中能量流动和储存均遵循热力学定律[29]。Jorgensen等提出了生态㶲方法,给出了病毒、细菌、水稻、人类等的㶲值,并应用至生态系统网络分析[30]。国内外学者也尝试分析社会经济系统,Wall在1977年就认为㶲是社会资源消耗和产品产出计量的有效方法,并研究了瑞典、意大利、日本、丹麦等国的㶲转化特征,分析工农业和服务业、乃至纺织、木材等具体行业的转化效率[31],指出㶲是系统的燃料,可以明确生态经济系统的物质能量转化途径、损耗水平[32]。之后,Szargut等计算了全球常见资源（49种元素及其化合物）的单位㶲量值[33],但由于其未能考虑经济社会活动中人类自身投入要素的单位㶲含量,Sciubba等提出了扩展㶲计算方法,赋予资本、劳动以㶲值,实现了经济社会系统的全面分析[34]。目前,国内外对欧盟、美国、中国、土耳其、巴西等持续进行㶲研究,显现出对经济社会组分和驱动机制分析的优势[35]。由于㶲可度量经济社会系统消耗的能量与非能量等所有类型资源,表达与热力学平衡状态的距离,较能值方法更为微观,可更清晰准确地表达系统的当前状态[36]。
综上,能值与㶲方法的各自优势启发了方法耦合的思路。Sciubba等认为,能值不应该被看作是㶲的竞争者或替代方法,而应被看作是一种互补方法,㶲提供了一个更清楚的系统过程,能值有助于了解系统过程的发生背景及其与环境动力学的关系[37],即能值说明构建系统要花费多少等值的太阳能,㶲则试图计算系统组织和结构所蕴含的可用能量,能值是系统发展的历史,㶲描述了系统的实际状况。将二者耦合起来,可对比衡量区域系统转化效率、规模压力特征,进而对可持续发展能力研究具有应用价值。

2.2 理论分析框架构建

人类经济社会在消耗生物圈有序性基础上增加自身有序性,对生物圈的熵化是世界生态环境危机的基本内核。因此,模型的热力学理论目标“可持续发展”定义为：人类社会㶲量增加和缓冲能力增强,而不引发生态系统㶲量和缓冲能力重大下降的发展。人类经济社会运转依赖于生态系统提供的服务,是典型的异养系统,属生物圈的内部嵌套系统[38],生物圈的再生和吸收能力共同决定了经济社会规模的最优值和最大值。模型边界和结构由此为：生态经济系统由经济社会子系统和承载其发展的生态系统（图1）构成,二者除了内部交换外,还与区域外发生物质能量的交换。耦合计量基础为：生态经济系统的每个物品或商品均来自于能量的逐步转换过程,㶲随转换次数增加而数量逐步下降,能值则始终保持相同数量[39]。能值代表了系统物品产生中的太阳能输入总量,包含了系统可做功的㶲状态,能值与㶲存在严谨的理论连接和定量关系[40]。能值能够量化系统进化中的输入,代表了太阳能转化进入生物圈热力学层次结构中的位置,是太阳能在生物圈内时空聚合的产物,过度输入导致系统并不向更高的自组织能力发展,往往出现不利结果,需要同时利用㶲进行系统做功能力的分析,才能明确生态经济系统的可持续能力[41]。Bastianoni等实证分析了水生生态系统,认为“生态㶲/能值”可表达自组织能力,其值越高,则系统对能值的处理和存储能力越 高[42]。Jorgensen利用生态㶲表达生态系统的“做功能力”,即提供生态服务的潜力,并与Constanza基于人类价值观识别和接收的生态系统服务功能比较,确认了生态㶲输出的生态服务功能远大于人类社会所接收的强度,表明不同自组织水平下,其输出服务能力有所不同,生态效率存在差异[43],使经济社会子系统的利用与生态系统的供给能力差距,成为反映可持续发展能力的重要途径。对于生态㶲与㶲的一致性,Jorgensen定义生态㶲是物种相对于碎屑物热量的值,碎屑物是生物体死亡后进入热力学平衡状态的最低值,接近于物理环境。㶲的计算同样来自于热力学平衡状态,一般为环境基准态[13]。综上,经济社会子系统嵌套于生态系统之内,共同组成了模型分析的“核心”—区域生态经济系统,其存在内部界面和与区域外的交流界面;能值与㶲方法具备反映系统自组织能力的计量理论基础,且存在量化耦合分析的逻辑关系和内涵解释,作为指标耦合分析生态经济系统具备宏观与微观结合、内涵分工明确的特征;㶲对生态系统与经济社会子系统的物质核算基准一致;生态系统与经济社会子系统的生态效率差异是模型可持续能力分析的具体目标,基于热力学的可持续发展定义为理论目标。
图1 区域可持续发展能力的能值与㶲耦合分析框架

Fig. 1 Framework for emergy and exergy coupling analysis of regional sustainable development capacity

具体操作：以经济社会子系统为中心（图1）,在输入端,生态系统和区域外为其输入物质,供自组织化结构和功能,可利用能值计算系统消耗的太阳能规模。在状态部位,其通过生产和生活“转化”生态系统和区域外提供的物质,可利用㶲计量其转化外部贡献所获得的有用能。通过状态部位/输入端的㶲/能值,可获得经济社会子系统维持自组织能力的水平。在输出端,经济社会子系统的产业生产及生活消费（包括对区域内外提供物质和服务）过程中的损耗量,可利用㶲计量,这些均在生态系统承载之中,是经济社会子系统对生态系统的影响程度。同时,生态系统涵盖的耕地、林地、草地、水域等有生命有机体的组分,其生物量产出的生态㶲值代表承载能力。利用二者相比,表征生态压力,反映熵化生态系统基底的水平。总体上,通过输入端、状态部位、输出端的关系,耦合能值、㶲、生态㶲,利用获得㶲/能值构建自组织能力指数、损耗㶲/生态㶲构建生态压力指数,并由自组织能力/生态压力构建可持续发展能力指数,反映经济社会子系统在不同生态效率水平下,损耗㶲规模与生态系统承载㶲规模的关系,发展质量越高,损耗㶲规模越小,生态系统产㶲量越高,则可持续发展能力越强。最后,利用自组织能力指数和生态压力指数耦合分析区域可持续发展能力所处阶段、变化及驱动特征。

3 模型算法、功能及检验

3.1 算法及含义

（1）自组织能力指数（Self-organizing Capability Index, SO）
借鉴Bastianoni等[42]提出的㶲/能值指标,构建公式：
SO = EX / EM
式中：EM表达输入经济社会子系统的所有资源和能源的能值量（sej）,包括太阳能、水能、风能、生物质等可更新资源,能源、矿物、工农业原料等不可更新资源;EX表达经济社会子系统最终获得㶲量（j）,包括产出工农业产品和服务、居民生活消费产品及服务的㶲量;SO为自组织能力指数（j·sej-1）,表达经济社会子系统转化能源资源的生态效率,值越大,其构建结构和输出功能的能力越强。
（2）生态压力指数（Ecological Pressure Index, EP）
按照热力学第二定律,无论经济社会子系统自组织能力达到如何高度,必然造成有用能的持续损耗,随着规模扩大,无限制输入必然过度消耗资源能源,伴随着污染物排放增长、破坏生态组分,生态系统压力负荷加大。因此在输出端,必须考虑生态承载力的约束,利用经济社会子系统损耗㶲与生态系统年产㶲构建生态压力指数,值越大,对生态系统的压力就越大,熵化影响越明显。
EP = EL / EC
式中：EL表示经济社会子系统的㶲损耗值（j）,由投入的资源能源㶲量,减去生产产出和生活消费产品和服务的㶲量得到;EC表示生态系统的生态㶲承载力（j）,利用耕地、林地、草地、水域等的面积,乘以各自全球平均单位面积年产㶲强度计算;EP为生态压力指数,无量纲。
（3）可持续发展能力指数（Sustainable Development Capacity Index, SC）
经济社会子系统自组织过程与输出生态压力的关系决定了区域可持续发展能力,因此,耦合自组织能力指数（SO）与生态压力指数（EP）构建可持续发展能力指数：
SC = SO / EP = ( EX / EL ) × ( EC / EM )
式中：SC为区域可持续发展能力指数（j·sej-1）,值越高,表明经济社会子系统自组织能力提升产生的生态压力较小,可持续发展能力越强。反之,说明自组织能力水平低,对生态系统的压力大,可持续发展能力越低。SC值是经济社会子系统获得㶲量与损耗量之比,乘以生态系统年产㶲量与经济社会子系统能值输入量之比,即在经济社会子系统㶲转化效率约束下,生态承载力㶲量与能值输入量的对比关系,也就是区域生产技术、绿色消费水平越高（即生态效率越高）,生态系统承载力越强,经济社会子系统的能值输入量规模越小,可持续发展能力越强。

3.2 模型功能

（1）识别区域可持续发展能力所处阶段。以生态压力（EP）为纵轴、自组织能力（SO）为横轴,构建平面直角坐标系（图2）,空间可划分为4个象限,分别代表所处的不同阶段：象限Ⅰ为低自组织能力、低生态压力阶段,表明经济社会子系统转化输入物质的能力弱,生态效率低,但由于规模小、损耗量小,产生的生态压力小,或者是生态系统承载力高且能支撑经济社会子系统的低水平规模扩张。象限Ⅱ为高自组织能力、低生态压力阶段,表明转化输入物质能力强,且损耗规模对生态系统压力小,主要是由于技术水平与绿色消费水平高,消耗规模控制在生态承载力范围内。象限Ⅲ为高自组织能力、高生态压力阶段,表明转化输入物质能力强,但损耗规模对生态系统压力大。由于损耗规模大,接近了生态承载力的年产㶲量,或虽然自组织能力强、生态效率高,但生态系统本底较差,承载力有限。象限Ⅳ为低自组织能力、高生态压力阶段,表明转化输入物质能力弱,生态效率低,要么是损耗规模接近了生态系统承载力的年产㶲量,要么是生态系统本底差、承载力低,低水平规模扩张产生了高生态压力。
图2 区域可持续发展能力所处阶段识别的能值与㶲耦合分析模型

Fig. 2 Emergy and exergy coupling analysis model for identifying regional sustainable development capability stage

象限Ⅰ和Ⅱ均为低生态压力,无论经济社会子系统的自组织能力如何,区域处于强可持续发展状态,生态承载力较经济社会子系统的消耗规模拉开了差距;象限Ⅲ和Ⅳ均为高生态压力,区域处于弱可持续发展状态。即使经济社会子系统的转化效率很高,不加控制下仍然造成弱可持续结果。同时,在低自组织能力状态下,强化损耗控制也可实现强可持续发展。4个象限间存在一定变化关系：由低向高自组织阶段发展过程中,生态压力也会出现不同的变化结果,需结合自组织能力指数（SO）和生态压力指数（EP）公式构成因素解释。大多数发达国家所经历的“先污染（先破坏）、后治理”发展路径的共同性表明,无优先的生态环境保护管理,将经历“Ⅰ→Ⅳ→Ⅲ→Ⅱ”阶段的变化。
（2）分析区域可持续发展能力变化。如果可持续发展能力指数（SC）增加,表明自组织能力增速超过了生态压力的增速,生态效率提高使㶲的单位耗散降低、获得的状态㶲量增加,能值输入增加量小于生态承载力增加量,规模扩张并没有带来生态压力的相应增长。其中,如果生态压力指数（EP）平稳（一般情况下,生态系统的年产㶲规模较为稳定,因此可知输入经济社会子系统的能值规模增加缓慢）,则表明规模扩张主要由输入物质的高㶲获得率支撑,并未过度输入,与其产生的生态压力存在“脱钩”关系,属内涵式发展。如果可持续发展能力指数（SC）减少,则自组织能力增速低于生态压力增速,表明由于能值输入增加量大,导致了生态压力加大,抵消了自组织能力的提升效应,或者是自组织能力下降,即生产技术、绿色消费的生态效率水平下降,能值输入增加量超出了生态承载力的增加量,可持续发展能力下降。由此,可从时间序列分析上认识区域可持续发展能力变化状况。
另外,可分析区域可持续发展能力变化的驱动因素。通过经济社会子系统的㶲获得水平,即分析最终利用㶲量与损耗㶲量的比例关系,获得自组织能力驱动的因素[18]。通过生态系统年产㶲量明确区域生态承载力变化、经济社会子系统输入能值量获得规模扩张特征,由此明确可持续发展能力下降或上升的推动力、经济社会规模的影响效应。

3.3 模型阈值

3.3.1 方法及数据来源 可持续发展能力所处阶段识别的关键是获得阈值。由于目前生态系统与经济社会子系统边界交互规律还未明晰,获得单位能值转化为㶲的原理性阈值存在困难,生态压力阈值也存在同样问题[2],只能从间接途径获取。环境污染和生态退化作为经济发展不可避免的副产品,随经济规模扩张,加剧了资源与能源消耗,逐步增加对生态环境的压力,使其质量下降。但随着生态环境保护制度实施、生产技术与绿色消费水平提升、人类资本积累等措施效应大于污染退化效应时,环境污染和生态退化达到一定程度后出现改善拐点[44]。据Baek等研究,不同国家生态环境质量与经济发展指标的定量关系不同,但生态环境质量改善拐点出现位置与经济发达程度密切相关[45],因此,以发达国家生态环境质量“转折期”数据获取参考性阈值。世界银行发布的《世界发展报告（1992年）》对1960-1990年149个国家的研究表明,所有观测到的10项生态环境污染退化指标与人均收入间显著相关,20世纪80年代发达国家生态环境质量陆续达到改善“拐点”[46]。2001年,Stern等研究了73个国家、35年的数据认为,“拐点”位置处于中等偏上发展水平国家[47]。王金南等认为美国、日本和欧盟在1979年、1983年、1987年左右的经济小康期出现生态环境质量“拐点”[48]。综上,以20世纪80年代为“转折期”,选择其时间中点1985年作为阈值计算时间节点。同时,Grossman等的环境经济库兹涅茨曲线正是以北美自由贸易协定国美国、加拿大和墨西哥做出的研究结果[49]。Mazur等对欧盟2003年前加入的15个成员国生态环境质量研究认为,高收入国家的“拐点”更为显著[50]。因此,选择2003年欧盟国家（爱尔兰因数据缺乏而剔除）、美国、加拿大、日本作为典型国家,共17个,获取状态值后计算自组织能力指数（SO）、生态压力指数（EP）阈值。
根据公式（1）和（2）,利用文献荟萃方法（Literature Meta-Analysis, LMA）,从WALL的研究[51]获取日本、Robert等的研究[52]获取美国、Rosen的研究[53]获取加拿大、Serrenho等的研究[54]获取欧盟14国的㶲规模及转化率（表1）。根据蓝盛芳等的研究[55],对1980-1987年德国、荷兰、西班牙、日本的能值与GNP回归,符合y = 1.611x+1159（R2 = 0.806）,据此计算1985年典型国家的能值输入量。利用耕地、林地、草地、水域4类土地总面积,乘以对应生态系统的全球年生态㶲产出强度值,得出承载力（表2）[56],土地面积源于《世界资源报告（1986年）》。
表1 1985年典型发达国家的自组织能力指数(SO)与生态压力指数(EP)值

Tab. 1 Self-organizing capability index (SO) and ecological pressure index (EP) of typical developed countries

序号 国家 SO
(j·sej-1)		 能值输入量(sej) 㶲输出量
(j)		 㶲损耗量
(j)		 年生态产㶲量
(j)		 EP
(无量纲)
1 日本 1.39×10-6 2.73×1024 3.78×1018 1.42×1019 2.75×1022 5.18×10-4
2 美国 3.83×10-6 1.29×1025 4.95×1019 2.42×1020 3.70×1023 6.53×10-4
3 英国 9.04×10-7 1.28×1024 1.15×1018 5.33×1018 5.43×1021 9.81×10-4
4 瑞典 8.91×10-7 3.25×1023 2.89×1017 1.16×1018 3.07×1022 3.77×10-5
5 加拿大* 2.54×10-6 7.99×1023 2.03×1018 6.43×1018 3.78×1023 1.70×10-5
6 法国 8.20×10-7 1.32×1024 1.09×1018 5.23×1018 2.28×1022 2.29×10-4
7 德国 1.06×10-6 1.95×1024 2.07×1018 8.95×1018 1.08×1022 8.26×10-4
8 意大利 6.26×10-7 1.36×1024 8.51×1017 3.96×1018 1.21×1022 3.27×10-4
9 丹麦 4.36×10-7 2.32×1023 1.01×1017 5.39×1017 1.65×1021 3.27×10-4
10 西班牙 6.81×10-7 6.97×1023 4.75×1017 1.85×1018 2.46×1022 7.54×10-5
11 荷兰 8.13×10-7 4.45×1023 3.62×1017 1.64×1018 7.72×1020 2.12×10-3
12 奥地利 5.19×10-7 2.94×1023 1.52×1017 7.10×1017 3.99×1021 1.78×10-4
13 比利时 8.01×10-7 3.38×1023 2.71×1017 1.09×1018 1.05×1021 1.04×10-3
14 芬兰 7.72×10-7 2.21×1023 1.71×1017 6.52×1017 2.70×1022 2.41×10-5
15 希腊 3.66×10-7 2.94×1023 1.08×1017 5.05×1017 4.41×1021 1.15×10-4
16 卢森堡 2.26×10-7 1.27×1023 2.87×1016 8.36×1016 1.89×1020 4.42×10-4
17 葡萄牙 3.27×10-7 2.33×1023 7.63×1016 3.67×1017 5.29×1021 6.94×10-5

注：*加拿大缺乏1985年数据,用1986年数据代替。

表2 全球不同类型生态系统年生态㶲产出强度值

Tab. 2 Annual eco-exergy output intensity of different types of ecosystems around the world

生态系统类型(单位) 淡水(河湖) 林地(落叶林) 农田 草原
年生物量(MJ·hm-2·a-1) 11.00 26.40 20.00 7.20
生态㶲值(GJ·hm-2·a-1) 93500 1000000 420000 18000
3.3.2 阈值计算 17个国家的自组织能力指数（SO）与生态压力指数（EP）值离散程度较大（表1）,变异系数（CV）分别为0.90、1.15,最大值分别是最小值的16.96倍、124.72倍,直接取平均值作为阈值存在不确定性。
利用SPSS 22.0软件,对自组织能力指数（SO）与生态压力指数（EP）值进行系统聚类（图3）,17国可分为意大利等10国、英国等6国、荷兰1国三组。由于荷兰偏离聚集中心,影响整体阈值的代表性、典型性,因此,取其余两组平均值作为阈值,分别为1.01×10-6 j·sej-1、3.66×10-4。
图3 1985年典型发达国家的自组织能力指数(SO)与生态压力指数(EP)值聚类图

Fig. 3 Cluster chart of self-organizing capability index (SO) and ecological pressure index (EP) of typical developed countries

3.4 模型检验

美国与中国国土面积相近,经济体量大,自然条件有相似之处,生态环境质量20世纪80年代明显改善,生态环境与经济社会矛盾得到缓和[57],其污染与治理、生态环境质量改善过程在发达国家中具有一定代表性[45],可作为中国生态文明建设政策制定和实施的参照,通过对比分析可获得必要的启示。同时,通过世界最大发达国家与最大的发展中国家在同一时段进行可持续发展能力变化特征的比较,也可明确模型识别不同发展水平国家所处可持续发展阶段和驱动特征的合理性与全面性。因此,利用中国与美国的对比分析,检验模型的适应性和可靠性。由于采用了文献荟萃法获取数据,通过梳理和核对,目前两国能值与㶲分析文献最近到2015年,美国最早为1964年,但中国为1985年,因而未计算2016年、2017年数据,以1985-2015年为时间段进行分析,避免与前人文献数据有所出入。
中国1990年、2000年、2010年㶲数据源于Brockway等的研究[58],其余利用1971-2010年数据回归获取,㶲规模及其转化率分别符合y1 = 6629.4x12-18879x1+44392,R² = 0.9637;y2 = 0.1857x22+0.6857x2+4.46,R2 = 0.9979。能值来自范小杉等的研究[59],利用1985年、1995年、2005年数据回归（y3 = 1×1024x3-2×1027,R2 = 0.971）计算了1990年、2000年、2010年、2015年数据。美国㶲规模及转化率均来自于Robert等的研究[52],2000年、2005年、2010年、2015年利用1980-1998年数据回归得出,符合y4 = 3×1018x4+5×1019,R2 = 0.931。美国能值源于Campbell等研究[60],其中,2010年、2015年由1964-2007年数据回归得出,符合y5 = 8×1020x52+1×1023x5+1×1025,R2 = 0.8278。中国耕地、林地、草地、水域4类土地面积源于各年份《中国统计年鉴》,美国的相关数据来源于《世界资源报告》和《国际统计年鉴》。

4 结果及分析

4.1 中美所处的可持续发展阶段

4.1.1 中国所处阶段及其成因 中国2005年以前处于低自组织能力、低生态压力阶段,之后进入低自组织能力、高生态压力阶段（图4）。生态压力指数（EP）增速存在后期加速特征,除2000年略降外,其他年份平均增速20.85%,1985-1995年增速18.39%,2005-2015年为22.50%。自组织能力指数（SO）增速存在后期放缓特征,除1990年下降外,其余年份平均增速14.55%,而1995-2015年较慢、为10.18%。其中全社会输入能值量由1985年1.26×1025 sej增至5.00×1025 sej,增加了296.83%,虽然1985年全社会最终获得㶲2.83×1018 j、2015年为1.95×1019 j,增加了589.56%,明显快于能值量增速,但由于能值量平均是最终获得㶲平均量的3.26×106倍,生态效率提升效果被社会规模增加量级淹没,导致了自组织能力指数（SO）值增加不明显。对于生态压力指数（EP）,中国生态系统1985年产㶲量为1.63×1023 j,2015年为2.54×1023 j,增加了56.36%,但损耗㶲由3.58×1019 j增至1.22×1020 j,增加了239.59%,显著快于生态系统产㶲增加量,尤其是二者量级平均相差仅为2.92×103倍,使其增速明显快于自组织能力指数（SO）。总体上,生态压力指数（EP）后期加速与自组织能力指数（SO）后期放缓叠加,前者平均增速较后者高6.30个百分点,微观上社会经济子系统生态效率未能加速超过宏观上经济社会规模扩张对生态系统的压力增速,表明中国2005年后生产技术、绿色消费水平提高有限,经济社会规模扩张主导了向低自组织能力、高生态压力阶段过渡。这应与中国改革开放以来持续工业化进程对应,2005年进入工业化稳定期后,生态效率由于上升空间缩小,未能有效地通过技术创新和绿色消费改善,持续了规模扩张的特征。孙东琪等对中国1990-2010年生态环境质量分析表明,“局部好转、整体恶化”主要由多年来粗放型、传统工业技术与低绿色消费水平的经济发展模式驱动[61]。方恺认为中国1978年以来生态足迹深度增长了近2倍,因自然资本流量不足导致存量大幅消耗已成为社会发展常态[62],全球生态足迹网络（Global Footprint Network, GFN）也认为2003年以后中国生态赤字迅速上升[63],印证了以上结果。
图4 1985-2015年中国及美国所处可持续发展能力阶段

Fig. 4 Sustainable development capability stage of China and the United States during 1985-2015

4.1.2 美国所处阶段及其成因 美国1985-2015年始终处于高自组织能力、高生态压力阶段。1985-1995年,美国自组织能力指数（SO）和生态压力指数（EP）值分别集中分布于平均值3.90×10-6 j·sej-1、6.80×10-4周围。生态压力指数（EP）值年增速仅为0.90%,较自组织能力指数（SO）值的1.25%低0.35个百分点。其中,全社会输入能值由1985年的1.29×1025 sej增至2015年的1.74×1025 sej,增加了34.60%,1985年全社会最终获得㶲4.95×1019 j、2015年为7.10×1019 j,增加了43.52%,快于能值量增速,其能值平均量是最终获得㶲平均量的2.56×105倍,相比中国较小的能值与最终获得㶲量级差,其自组织能力指数（SO）增加效果明显。对于生态压力指数（EP）值,生态系统1985年产㶲量为3.70×1023 j,2015年为3.80×1023 j,仅增加了2.69%,全社会损耗㶲由2.42×1020 j增至2.61×1020 j,增加了7.90%,增加率相差较小,是其变化有限、增速慢的主要原因,但二者平均量相差也达到了1.47×103倍,生态压力处在高位。可见,美国微观上生态效率一定程度上抵消了宏观上经济社会规模扩张的生态压力效应,这应与美国早期已处于工业化成熟阶段,高生态效率推动有关。但美国处于高生态压力阶段且高于中国水平,并且未发现向高自组织能力、低生态压力阶段变化的明确趋势,这与全球生态足迹网络的评估结果一致,2010年美国的人均生态足迹为8.8 gha,赤字为5.1 gha,中国则分别为3.4 gha、2.4 gha[63],表明虽然生态效率消化了部分生态压力,但美国的人均消费水平远高于中国,使其处于高生态压力阶段。同时,世界自然基金会（World Wildlife Fund, WWF）认为：高收入国家较高的人类发展水平是以高生态足迹为代价的,大多数发达国家人均生态足迹在至少超过5.0 gha以后,才进入相对缓慢的增长或者下降的阶段[6],解释了美国生态压力处于高位,但自组织能力与生态压力变化趋于稳定的原因。

4.2 中美可持续发展能力变化

4.2.1 中美变化特征及差距 中国可持续发展能力指数（SC）值1985-2015年波动下降,由1.02×10-3 j·sej-1降至8.17×10-4 j·sej-1,下降了19.98%（图5）。主要是由于自组织能力指数（SO）值虽然整体上升,由2.25×10-7 j·sej-1增加至3.91×10-7 j·sej-1,增加了73.79%,但生态压力指数（EP）值由2.20×10-4增加至4.78×10-4,增加了117.18%。美国可持续发展能力指数（SC）值呈先下降、后上升,类似平展的“U”字型,由于自组织能力指数（SO）变化形态与其具有明显相似性,且生态压力指数（EP）值变异系数（CV）仅为1.17×10-8,呈稳定状态,显示其存在经济与生态脱钩的特征。中美比较看,美国1985-2015年的可持续发展能力指数（SC）平均值为5.74×10-3 j·sej-1,是中国平均值的6.05倍。其中,自组织能力指数（SO）平均值为3.90×10-6 j·sej-1,达中国的12.72倍;生态压力指数（EP）平均值为6.80×10-4,仅是中国的2.06倍,而其生态系统年产㶲量平均值为3.72×1023 j,仅是中国的1.72倍。因此,中美生态承载力与压力的差距倍数接近,可持续发展能力差距主要来自经济社会子系统的自组织能力。同时,中国可持续发展能力指数（SC）值的离散系数（CV）为0.11,美国为0.06,美国可持续发展能力变化较中国更加稳定。
图5 中国与美国1985-2015年可持续发展能力变化

Fig. 5 Changes in sustainable development capacity in China and the United States during 1985-2015

4.2.2 中美驱动特征差异 中国1985-2015年经济社会子系统平均每损失1.00 j㶲,才能最终利用不足0.12 j㶲,美国则为0.24 j,是中国的2.06倍,微观上的经济技术、绿色消费水平差异,导致了全社会最终获得㶲的差距。中国经济社会每消费1 sej能值,生态系统产㶲不足0.01 j,而美国同期为0.02 j,是中国的2.76倍,一方面两国生态系统承载力存在一定差距,另一方面宏观上中国经济社会能值输入规模过大,利用效率相对较低,经济社会子系统对生态系统的占用压力远大于美国。从动态差异看,1985年中国每损失1.00 j㶲,才能最终利用0.08 j㶲,而同年美国则可利用0.21 j,是中国的2.59倍;到2015年,中国达到了0.16 j、美国为0.27 j,是中国的1.69倍,表明中国经过30年发展,经济社会子系统的自组织能力有了明显提高,中美生态效率差异日益缩小。但中国生态压力持续加大,1985年中国经济社会每消费1.00 sej能值,生态系统产㶲量略超0.01 j,而美国为0.03 j,是中国的2.22倍;到2015年,中国经济社会每消费1.00 sej 能值,生态系统产㶲量下降至不足0.01 j（0.0051 j）,美国略超0.02 j,是中国4.31倍,可见,中国在经济社会规模不断扩大驱动下,已经明显超过生态承载力的更新能力,与美国的生态压力差距不断扩大。
总体上,两国由于1985-2015年各自所处经济社会发展阶段的差异,导致所处可持续发展阶段及其变化特征有所不同,中国属经济社会子系统规模扩张驱动型、美国则属生态效率驱动型。虽然中国发展水平持续提升,但经济技术与消费的生态效率起点低、规模扩张庞大,利用效率不高,使可持续发展能力明显低于美国。两国的共同点在于中国2005年以后与美国1985-2015年均为高生态压力,均属于弱可持续发展状态。

5 结论与讨论

5.1 结论

（1）模型耦合能值与㶲方法,可表达区域经济社会子系统的自组织能力,反映转化能源资源的能力,并通过其㶲损耗量与生态系统蕴含的生态㶲产量对比获取生态压力,由此连接了人类经济社会子系统对其基底生态系统的熵化路径,通过中美可持续发展特征分析验证,具备识别区域所处可持续发展阶段、水平变化和驱动特征的功能。
（2）中国1985-2005年处于低自组织能力、低生态压力阶段,2005年之后进入低自组织能力、高生态压力阶段,且生态压力持续加大、自组织能力提升放缓;美国一直处于高自组织能力、高生态压力阶段,自组织能力与生态压力稳定波动;两国均属于弱可持续发展状态。中国可持续发展能力变化主要由经济社会规模扩张驱动、美国由自组织能力驱动,与全球生态足迹网络、世界自然基金会等应用的生态足迹经典方法,以及数据包络分析文献研究的结果一致,表明模型具有适应性与可靠性。
（3）模型以人类与生态并重的视角进行分析,相对于以人类为中心的环境承载力可持续发展能力评估,更加全面地从能量角度评价区域生态经济系统可持续发展能力,且从深度上反映经济社会子系统的生态效率、从广度上评价生态系统空间的被占用比例,具有宏观规模与微观效率评价相结合,识别生态经济系统内在消长规律的优势,其研究视角、理论框架和计算方法对丰富可持续性科学方法研究具有补充作用。

5.2 讨论

黄洁等利用数据包络分析中国经济主体的京津冀、长三角、珠三角城市群2000-2010年可持续发展特征,认为规模优势的贡献呈现增强趋势,技术进步是阻碍的主要因素[64]。与本研究效率与规模结合的研究思路相似,结果较为一致,侧面反映了模型的可靠性。郑德凤等利用数据包络的非期望产出SBM模型测度中国2000-2015年生态效率,也指出了资源利用率较低及环境污染物排放过量（本模型结果是经济社会子系统自组织能力较低、规模扩张过快）是中国生态压力负荷高的主要原因[65],但认为中国在该时段生态效率有所下降。事实上,其所指生态效率是基于全社会核算的水资源足迹、资源环境投入成本、土地投入及环境污染等综合后的复合指标,反映的是中国宏观可持续发展水平,与本模型提出的可持续发展能力指数（SC）内涵相似,因此,结果并不矛盾。同时,以上数据包络分析结果均为无量纲化到1以内的抽象表达,而本模型是以实际热量单位的直观表达,且是在生态系统年产㶲量限制基础上的供给与消耗分析,相对其物质投入和GDP产出结合的无量纲衡量指标,引入生态承载力限制视角,以绝对值表达结果,更加直接地反映了区域可持续发展能力的真实面貌。
可持续发展能力指数（SC）为“最终获得㶲/损耗㶲”与“生态㶲承载力/能值规模压力”的乘积。前者反映了经济社会子系统的生态效率,也反映了衰退速度。后者反映了生态系统生态㶲承载力下的经济社会子系统能值规模,可分析经济社会子系统对生态系统空间的占用程度。当长期处于低㶲获得率水平,又必须发展,则导致生态系统空间被占用扩大,自我维持能力下降。中国正是由于微观生态效率较低,无法抵消因发展需求导致的社会经济规模迅速扩张效应,单位损耗㶲下获得㶲水平、单位生态产㶲下的经济社会能值输入水平解释了其驱动因素。因此,模型是基于广度与深度、效率与规模结合的可持续发展能力评价方法,具有认识内在消长规律、宏观规模与微观效率相结合分析的优势,通过耦合,弥补了单纯使用㶲方法无法分析区域系统宏观可持续能力、能值无法衡量实际状态和转化效率的不足,也避免了“能值可持续水平=能值产出率/环境负载率”的废弃物计入产出、环境负载率未全面考虑生态系统承载功能的问题。
阈值决定了区域可持续发展能力所处阶段识别的准确性。受文献荟萃法局限,同时具备全社会、连续时段的能值与㶲分析文献收集较为困难,因此,获取17个典型发达国家指数值作为阈值,存在典型国家及时间节点选择的不足,是今后完善的主要方向。同时,WALL统计了各国使用的全部能源、以及使用量最大的金属（如铁矿、铝土矿）、可更新资源木材等[51],Brockway等[54]与Serrenho等[58]的统计范围包含了各国消耗的绝大部分资源能源,Rosen统计了全社会的能源、金属与非金属矿产和生物质等可再生资源[53]。因此,阈值计算与检验的数据统计范围较为一致,将误差尽可能可控制在最小限度,今后需扩大统计范围,最大限度反映区域全貌。
中国经济社会子系统的自组织能力指数（SO）的平均值为3.07×10-7 j·sej-1,而美国为3.90×10-6 j·sej-1。中国宁夏典型农业县“彭阳县”2008-2013年自组织能力指数的平均值为9.05×10-4 j·sej-1[18];Bastianoni对发达国家一个污染型湖泊（美国北卡罗莱纳州用于污染净化的人工湖）和一个自然湖泊（意大利国家公园内的Caprolace）的评价结果分别为1.19×10-2 j·sej-1和4.17 j·sej-1[42]。可见,从美国的高技术水平经济社会系统、中国的传统工业经济社会系统、彭阳县的农业型经济社会系统、人工输入控制的生态系统（人工湖）,到自然生态系统（自然湖泊）,能值转化㶲的效率量级依次提升,分别为千万分之一、百万分之一、万分之一、百分之一、个位,表明生态系统效率远大于人类系统的效率,人类输入控制的自然生态系统效率量级下降明显,即使拥有高新技术产业、污染转嫁别国的发达国家,其自组织能力也无法达到生态系统效率水平。Jorgensen等的研究也说明了这一点,生态㶲代表了生态系统蕴含的组织和信息,其产出效率极高[66]。因此,相对于以人类为中心的环境承载力可持续发展能力分析,模型通过生态㶲最大限度反映了承载力信息,耦合压力产生的㶲效率与能值规模,以人类与生态并重的视角进行经济社会全面评价,出现了自组织能力指数（SO）值在百万与千万分之一的结果。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Caiado R G G, Dias R D F, Mattos L V , et al. Towards sustainable development through the perspective of eco-efficiency: A systematic literature review. Journal of Cleaner Production, 2017,165:890-904.

[2]
Fan Jie . Frontier approach of the sustainable process and pattern of human-environment system. Acta Geographica Sinica, 2014,69(8):1060-1068.

[ 樊杰 . 人地系统可持续过程、格局的前沿探索. 地理学报, 2014,69(8):1060-1068.]

[3]
Huang Jiali . An overview and trend of sustainability assessment methodologies. Ecological Economy, 2015,31(1):18-22.

[ 黄茄莉 . 国际可持续性评价方法研究进展与趋势. 生态经济, 2015,31(1):18-22.]

[4]
Jin Xiangmu, Liu Qiankun . Evolution of ecological footprint models for natural resources accounting. Journal of Natural Resources, 2017,32(1):163-176.

[ 靳相木, 柳乾坤 . 自然资源核算的生态足迹模型演进及其评论. 自然资源学报, 2017,32(1):163-176.]

[5]
Krajnc D, Glavič P . A model for integrated assessment of sustainable development. Resources, Conservation and Recycling, 2005,43(2):189-208.

[6]
Huang Baorong, Cui Shuhong, Li Yingming . Ecological footprint evolution characteristics and its influencing factors in China from 2000 to 2010. Environmental Science, 2016,37(2):420-426.

[ 黄宝荣, 崔书红, 李颖明 . 中国2000~2010年生态足迹变化特征及影响因素. 环境科学, 2016,37(2):420-426.]

[7]
Wu Jiansheng, Li Ping, Zhang Yuqing . Sustainable development capacity evaluation based on urban ecological footprint: A case study of Shenzhen. Resources Science, 2008,30(6):850-856.

[ 吴健生, 李萍, 张玉清 . 基于生态足迹的城市地域可持续发展能力评价: 以深圳为例. 资源科学, 2008,30(6):850-856.]

[8]
Yang Yu, Liu Yi . Progress in China's sustainable development research: Contribution of Chinese geographers. Journal of Geographical Sciences, 2016,26(8):1176-1196.

[9]
Cao Bin, Lin Jianyi, Cui Shenghui . Review on assessment index of sustainable development. Environmental Science & Technology, 2010,33(3):99-105.

[ 曹斌, 林剑艺, 崔胜辉 . 可持续发展评价指标体系研究综述. 环境科学与技术, 2010,33(3):99-105.]

[10]
Wang Hong . An assessment of dematerialization and effects of circular economy based on material flows analysis. Journal of Natural Resources, 2015,30(11):1811-1822.

[ 王红 . 基于物质流分析的中国减物质化趋势及循环经济成效评价. 自然资源学报, 2015,30(11):1811-1822.]

[11]
Wang Lin, Pan Feng . Review on the material flow analysis of environmental system-social economic system. Ecological Economy, 2018,34(3):44-52.

[ 王琳, 潘峰 . 环境—社会经济系统物质流分析研究述评. 生态经济, 2018,34(3):44-52.]

[12]
Nielsen S N, Bastianoni S . A Common framework for emergy and exergy based LCA in accordance with Environ Theory. International Journal of Ecodynamics, 2007,2(3):170-185.

[13]
Fan Xingang . The coordinated development research of ecological economic system in Ningxia limited developing ecological zone[D]. Yinchuan: Ningxia University, 2015.

[ 樊新刚 . 宁夏限制开发生态区生态经济系统协调发展研究[D]. 银川: 宁夏大学, 2015.]

[14]
Campbell D E . Emergy baseline for the Earth: A historical review of the science and a new calculation. Ecological Modelling, 2016,339:96-125.

[15]
Nakićenović N, Gilli P V, Kurz R . Regional and global exergy and energy efficiencies. Energy, 1996,21(3):223-237.

[16]
Ukidwe N U, Hau J L, Bakshi B R . Thermodynamic input-output analysis of economic and ecological systems//Handbook of Input-output Economics in Industrial Ecology. Dordrecht: Springer Netherlands, 2009.

[17]
Gong M, Wall G . Exergy analysis of the supply of energy and material resources in the Swedish society. Energies, 2016,9(9):1-16.

[18]
Fan Xingang, Mi Wenbao, Hou Jingwei . Application of extended exergy method in driving mechanism and efficiency of regional eco-economy. Chinese Journal of Applied Ecology, 2017,28(1):273-280.

[ 樊新刚, 米文宝, 侯景伟 . 扩展㶲方法在区域生态经济驱动机制及效率研究中的应用. 应用生态学报, 2017,28(1):273-280.]

[19]
Fischer-Kowalski M, Amann C . Beyond IPAT and Kuznets Curves: Globalization as a vital factor in analysing the environmental impact of socio-economic metabolism. Population & Environment, 2001,23(1):7-47.

[20]
Brown M T, Ulgiati S . Emergy-based indices and ratios to evaluate sustainability: Monitoring economies and technology toward environmentally sound innovation. Ecological Engineering, 1997,9(1-2):51-69.

[21]
Zhang Yan, Yang Zhifeng . Emergy analysis of urban material metabolism and evaluation of eco-efficiency in Beijing. Acta Scientiae Circumstantiae, 2007,27(11):1892-1899.

[ 张妍, 杨志峰 . 北京城市物质代谢的能值分析与生态效率评估. 环境科学学报, 2007,27(11):1892-1899.]

[22]
Liu Gengyuan, Yang Zhifeng, Chen Bin . Urban metabolism process based on emergy synthesis: Theory and method. Acta Ecologica Sinica, 2013,33(15):4539-4551.

[ 刘耕源, 杨志峰, 陈彬 . 基于能值分析方法的城市代谢过程研究—理论与方法. 生态学报, 2013,33(15):4539-4551.]

DOI

[23]
Brown M T, Cohen M J, Sweeney S . Predicting national sustainability: The convergence of energetic, economic and environmental realities. Ecological Modelling, 2009,220(23):3424-3438.

[24]
Zhong Zhenmei, Wen Boqi, Wang Yixiang , et al. Advances in ecosystem emergy theory and thoughts on some related issues. Fujian Journal of Agricultural Sciences, 2010,25(4):520-525.

[ 钟珍梅, 翁伯琦, 王义祥 , 等. 生态系统能值理论研究进展及若干问题思考. 福建农业学报, 2010,25(4):520-525.]

[25]
Lu Hongfang, Lan Shengfang, Li Lei , et al. Studies on emergy indices for evaluating system sustainable development property. China Environmental Science, 2002,22(4):380-384.

[ 陆宏芳, 蓝盛芳, 李雷 , 等. 评价系统可持续发展能力的能值指标. 中国环境科学, 2002,22(4):380-384.]

[26]
Zhao S, Li Z Z, Li W L . A modified method of ecological footprint calculation and its application. Ecological Modelling, 2005,185(1):65-75.

[27]
Amaral L P, Martins N, Gouveia J B . A review of emergy theory, its application and latest developments. Renewable & Sustainable Energy Reviews, 2016,54:882-888.

[28]
Cleveland C J, Kaufmann R K, Stern D I . Aggregation and the role of energy in the economy. Ecological Economics, 2000,32(2):301-317.

[29]
Zheng Hongfei, Wu Yuyuan . Exergy analysis methodology. Journal of Xi'an Jiaotong University (Social Sciences), 2001,21(2):75-80.

[ 郑宏飞, 吴裕远 . 㶲分析方法论. 西安交通大学学报(社会科学版), 2001,21(2):75-80.]

[30]
Jørgensen S E, Nielsen S N . Use of eco-exergy in ecological networks. Ecological Modelling, 2014,293:202-209.

[31]
Wall G . Exergy conversion in the Swedish society. Resources & Energy, 1987,9(1):55-73.

[32]
Wall G, Sciubba E, Naso V . Exergy use in the Italian society. Energy, 1994,19(12):1267-1274.

[33]
Morris D R, Szargut J . Standard chemical exergy of some elements and compounds on the planet earth. Energy, 1986,11(8):733-755.

[34]
Sciubba E, Bastianoni S, Tiezzi E . Exergy and extended exergy accounting of very large complex systems with an application to the province of Siena, Italy. Journal of Environmental Management, 2008,86(2):372-382.

[35]
Chen B, Dai J, Sciubba E . Ecological accounting for China based on extended exergy. Renewable and Sustainable Energy Reviews, 2014,37:334-347.

[36]
Ibrahim D . Thermodynamics, exergy and environmental impact. Energy Sources, 2000,22(8):723-732.

[37]
Sciubba E, Ulgiati S . Emergy and exergy analyses: Complementary methods or irreducible ideological options? Energy, 2005,30(10):1953-1988.

[38]
Muys B . Sustainable development within planetary boundaries: A functional revision of the definition based on the thermodynamics of complex social-ecological systems. Challenges in Sustainability, 2013,1(1):41-52.

[39]
Bakshi B R, Fiksel J . The quest for sustainability: Challenges for process systems engineering. Aiche Journal, 2003,49(6):1350-1358.

[40]
Hau J L, Bakshi B R . Expanding exergy analysis to account for ecosystem products and services. Environmental Science & Technology, 2004,38(13):3768-3777.

[41]
Coscieme L, Pulselli F M, Jørgensen S E , et al. Thermodynamics-based categorization of ecosystems in a socio-ecological context. Ecological Modelling, 2013,258:1-8.

[42]
Bastianoni S, Marchettini N . Emergy/exergy ratio as a measure of the level of organization of systems. Ecological Modelling, 1997,99(1):33-40.

[43]
Jørgensen S E . Ecosystem services, sustainability and thermodynamic indicators. Ecological Complexity, 2010,7(3):311-313.

[44]
Fan Xingang, Mi Wenbao, Ma Zhenning . Construction and application of economy-pollution-environment three-dimensional evaluation model for district. Environmental Science, 2015(2):751-758.

[ 樊新刚, 米文宝, 马振宁 . 区域经济—污染—环境三维评价模型的构建与应用. 环境科学, 2015(2):751-758.]

[45]
Baek J, Kim H S . Is economic growth good or bad for the environment? Empirical evidence from Korea. Energy Economics, 2013,36(3):744-749.

[46]
Taylor L . The World Bank and the environment: The world development report 1992. World Development, 1993,21(5):869-881.

[47]
Stern D I, Common M S, Sanyal K K . Is there an Environmental Kuznets Curve for sulfur? Journal of Environmental Economics and Management, 2001,41(2):162-178.

[48]
Wang Jinnan, Zhang Jing, Liu Nianlei , et al. A EKC-based comparison of environmental quality between China with overall well-being and developed countries. Chinese Journal of Environmental Management, 2016,8(2):9-15.

[ 王金南, 张静, 刘年磊 , 等. 基于EKC的全面小康中国与发达国家环境质量比较. 中国环境管理, 2016,8(2):9-15.]

[49]
Grossman G M, Krueger A B . Environmental impacts of a North American Free Trade Agreement. Social Science Electronic Publishing, 1991,8(2):223-250.

[50]
Mazur A, Phutkaradze Z, Phutkaradze J . Economic growth and environmental quality in the European Union Countries-Is there Evidence for the Environmental Kuznets Curve? International Journal of Management & Economics, 2015,45:108-126.

[51]
Wall G . Exergy conversion in the Japanese society. Energy, 1990,15(5):435-444.

[52]
Robert U A, Leslie W A, Benjamin W . Exergy, power and work in the US economy, 1900-1998. Energy, 2003,28(3):219-273.

[53]
Rosen M A . Evaluation of energy utilization efficiency in Canada using energy and exergy analyses. Energy, 1992,17(4):339-350.

[54]
Serrenho A C, Sousa T, Warr B , et al. Decomposition of useful work intensity: The EU (European Union)-15 countries from 1960 to 2009. Energy, 2014,76:704-715.

[55]
Lan Shengfang, Qin Pei, Lu Hongfang. Energy Analysis of Ecoeconomic System. Beijing: Chemical Industry Press, 2002.

[ 蓝盛芳, 钦佩, 陆宏芳 . 生态经济系统能值分析. 北京: 化学工业出版社, 2002.]

[56]
Jorgensen S E . Introduction to Systems Ecology. Beijing: Higher Education Press, 2013.

[ Jorgensen S E . 系统生态学导论. 北京: 高等教育出版社, 2013.]

[57]
Li Mingsheng, Sun Yuan, Chen Yuanhang , et al. Establishment and application of pollutant discharge-environment quality model. Environmental Science, 2014,35(3):1198-1204.

[ 李名升, 孙媛, 陈远航 , 等. 污染排放与环境质量关系模型构建与应用. 环境科学, 2014,35(3):1198-1204.]

[58]
Brockway P E, Steinberger J K, Barrett J R , et al. Understanding China's past and future energy demand: An exergy efficiency and decomposition analysis. Applied Energy, 2015,155:892-903.

[59]
Fan Xiaoshan, Gao Jixi . Resource utilization and evolution trend of China's eco economic system . China Population, Resources and Environment, 2009,19(5):37-44.

[ 范小杉, 高吉喜 . 中国生态经济系统资源利用状况及演变趋势. 中国人口·资源与环境, 2009,19(5):37-44.]

[60]
Campbell D E, Lu H . The emergy to money ratio of the United States from 1900 to 2007//The Center for Environmental Policy, University of Florida. Emergy Synthesis 5, Theory and Applications of the Emergy Methodology. Gainesville FL: The Center for Environmental Policy, University of Florida. 2008,37:413-448.

[61]
Sun Dongqi, Zhang Jingxiang, Zhu Chuangeng , et al. An assessment of China's ecological environment quality change and its spatial variation. Acta Geographica Sinica, 2012,67(12):1599-1610.

[ 孙东琪, 张京祥, 朱传耿 , 等. 中国生态环境质量变化态势及其空间分异分析. 地理学报, 2012,67(12):1599-1610.]

[62]
Fang Kai . Ecological footprint depth and size: New indicators for a 3D model. Acta Ecologica Sinica, 2013,33(1):267-274.

[ 方恺 . 生态足迹深度和广度: 构建三维模型的新指标. 生态学报, 2013,33(1):267-274.]

DOI

[63]
Global Footprint Network. Footprint for Nations. , 2018-05-12.

[64]
Huang Jie, Lin Tao, Zhang Hongqiang . Sustainable development efficiency of three urban agglomerations in China: Based on DEA and Malmquist model. China Population, Resources and Environment, 2016,26(Suppl.1):373-376.

[ 黄洁, 吝涛, 张宏强 . 基于DEA和Malmquist模型的中国三大城市群可持续发展效率研究. 中国人口·资源与环境, 2016,26(Suppl.1):373-376.]

[65]
Zheng Defeng, Hao Shuai, Sun Caizhi , et al. Spatio-temporal pattern evolution of eco-efficiency and the forecast in mainland of China. Geographical Research, 2018,37(5):1034-1046.

[ 郑德凤, 郝帅, 孙才志 , 等. 中国大陆生态效率时空演化分析及其趋势预测. 地理研究, 2018,37(5):1034-1046.]

[66]
Jorgensen S E, Nielsen S N, Mejer H . Emergy, environ, exergy and ecological modelling. Ecological Modelling, 1995,77(2-3):99-109.

Options
Outlines

/

〈 〉