陕西省能源足迹动态变化与影响因素分析

第２６卷第２期　２０１７年２月　中　国　矿　业　ＣＨＩＮＡ　ＭＩＮＩＮＧ　ＭＡＧＡＺｌＮＥ　Ｖｏｌ＿２６，ＮＯ．２　Ｆｅｂ．　２Ｏ１７　绿色矿业　陕西省能源足迹动态变化与影响因素分析　王　涛　，冯　杰。　（１．西安科技大学测绘科学与技术学院，陕西西安７１００５４；２．西北大学城市与环境学院，　陕西西安７１０１２７；３．西安交通大学公共政策与管理学院，陕西西安７１ＯＯ４９）　摘要：陕西省经济发展与能源消耗关系密切，能源足迹是定量评价区域内能源消耗及经济可持续　发展的重要方法。陕西省能源足迹动态变化与影响因素分析，可为经济可持续发展提供理论指导。以陕　西省１９９９￣２０１４年能源消耗数据为基础，采用能源足迹计算模型和ＳＴＩＲＰＡＴ模型，分析陕西省能源足迹　动态变化与影响因素，结果表明：①陕西省能源足迹呈增加趋势，２００７￣２０１４年是能源足迹快速增加时期；　能源足迹的增加明显高于能源足迹人均承载力，导致陕西省能源足迹长期处于赤字状态，且赤字逐步扩　大，能源足迹生态压力加大，生态安全风险增大，自然生态系统处于严重不安全状态；②陕西省能源足迹中　煤及煤制品的贡献最大，平均超过８ｏ　，降低煤及煤制品消耗能够有效降低能源足迹水平；③陕西省单位　能源足迹产值呈增加趋势，而能源足迹强度呈下降趋势，表明陕西省能源集约利用效率在逐步提高；④陕　西省能源足迹与第二产业占ＧＤＰ的比重、人均ＧＤＰ呈正相关关系。提高第三产业占ＧＤＰ比重，减少煤及　煤制品消耗量，均是陕西省降低能源足迹水平的有效途径。　关键词：能源足迹计算模型；ＳＴＩＲＰＡＴ模型；生态安全；陕西省　中图分类号：Ｆ３０１．２４　文献标识码：Ａ　文章编号：１００４—４０５Ｉ（２０１７）０２—００８３—０５　Ｄｙｎａｍｉｃ　ｃｈａｎｇｅ　ｏｆ　ｅｎｅｒｇｙ　ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ　ａｎｄ　ｉｔｓ　ｉｎｆｌｕｅｎｃｉｎｇ　ｆａｃｔｏｒｓ　ｉｎ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ　ＷＡＮＧ　Ｔａｏ　～。ＦＥＮＧ　Ｊｉｅ。　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｇｅｏｍａｔｉｃｓ，Ｘｉ’ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ　７１００５４，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ　ｏｆ　Ｕｒｂａｎ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅ，Ｎｏｒｔｈｗｅｓｔ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１０１２７，Ｃｈｉｎａ；３．Ｓｃｈｏｏｌ　ｏｆ　Ｐｕｂｌｉｃ　Ｐｏｌｉｃｙ　ａｎｄ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｘｉ’ａｎ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００４９，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｅｃｏｎｏｍｉｃ　ｄｅｖｅｌｏｐｍｅｎｔ　ｈａｓ　ｃｌｏｓｅｌｙ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｗｉｔｈ　ｅｎｅｒｇｙ　ｃｏｎｓｕｍｐｔｉｏｎ　ｉｎ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ，ｗｈｉｌｅ　ｅｎｅｒｇｙ　ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ（ＥＥＦ）ｉｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｍｅｔｈｏｄ　ｔＯ　ｑｕａｎｔｉｔａｔｉｖｅｌｙ　ｅｖａｌｕａｔｅ　ｅｎｅｒｇｙ　ｃｏｎｓｕｍｐｔｉｏｎ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｄｅｖｅｌｏｐｍｅｎｔ　ｓｕｓｔａｉｎａｂｌｙ．Ａｎａｌｙｓｉｓ　ｏｆ　ｄｙｎａｍｉｃ　ｃｈａｎｇｅ　ｏｆ　ＥＥＦ　ａｎｄ　ｉｎｆｌｕｅｎｃｉｎｇ　ｆａｃｔｏｒｓ　ｗｏｕｌｄ　ｐｒｏｖｉｄｅ　ｔｈｅｏｒｅｔｉｃａｌ　ｇｕｉｄａｎｃｅ　ｆｏｒ　ｓｕｓｔａｉｎａｂｌｅ　ｅｃｏｎｏｍｉｃ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ．　Ｃａｌｃｕｌａｔｅｄ　ｍｏｄｅｌ　ｏｆ　ＥＥＦ　ａｎｄ　ＳＴＩＲＰＡＴ　ｍｏｄｅｌ　ｗｅｒｅ　ｕｓｅｄ　ｔＯ　ａｎａｌｙｚｅ　ｄｙｎａｍｉｃ　ｃｈａｎｇｅ　ｏｆ　ＥＥＦ　ａｎｄ　ｉｎｆｌｕｅｎｃｉｎｇ　ｆａｃｔｏｒｓ　ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｅｎｅｒｇｙ　ｃｏｎｓｕｍｐｔｉｏｎ　ｄａｔａ　ｆｒｏｍ　１９９９　ｔＯ　２０１４　ｉｎ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ．Ｒｅｓｕｌｔ　ｓｈｏｗｅｄ：①　ＥＥＦ　ｓｈｏｗｅｄ　ａｎ　ｉｎｃｒｅａｓｉｎｇ　ｔｒｅｎｄ　ａｎｄ　ｉｔ　ｗａｓ　ｔｈｅ　ｒａｐｉｄ　ｉｎｃｒｅａｓｅ　ｐｅｒｉｏｄ　ｄｕｒｉｎｇ　２００７—２０１４　ｙｅａｒ．Ｔｈｅ　ｉｎｃｒｅａｓｅ　ｏｆ　ＥＥＦ　ｗａｓ　ｈｉｇｈｅｒ　ｔｈａｎ　ｐｅｒ　ｐｅｒｓｏｎ　ｃａｐａｃｉｔｙ　ｏｆ　ＥＥＦ。ｗｈｉｃｈ　ｌｅａｄｅｄ　ｔＯ　ｄｅｆｉｃｉｔ　ｏｆ　ＥＥＦ　ｏｆ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ．Ｗｉｔｈ　ｔｈｅ　ｄｅｆｉｃｉｔ　ｅｎｌａｒｇｉｎｇ，ｔｈｅ　ｅｃｏｌｏｇｉｃａｌ　ｐｒｅｓｓｕｒｅ　ｏｆ　ＥＥＦ　ａｎｄ　ｔｈｅ　ｒｉｓｋ　ｏｆ　ｅｃｏｌｏｇｉｃａｌ　ｓｅｃｕｒｉｔｙ　ｗｅｒｅ　ｉｎｃｒｅａｓｅ　ａｎｄ　ｔｈｅ　ｎａｔｕｒａｌ　ｅｃｏｓｙｓｔｅｍ　ｗａｓ　ｉｎ　ａ　ｓｅｒｉｏｕｓ　ｓｔａｔｅ　ｏｆ　ｉｎｓｅｃｕｒｉｔｙ．②Ｃｏａｌ　ａｎｄ　ｃｏａｌ　ｐｒｏｄｕｃｔｓ　ｗａｓ　ｔｈｅ　ｍｏｓｔ　ｃｏｎｔｒｉｂｕｔｉｏｎ　ｔＯ　ＥＥＦ　ｏｆ　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ　ｗｉｔｈ　ｍｏｒｅ　ｔｈａｎ　８０　ｉｎ　ａｎ　ａｖｅｒａｇｅ　ｆｒｏｍ　１９９９　ｔＯ　２０１４．ＥＥＦ　ｓｈｏｕｌｄ　ｂｅ　ｃｕｔ　ｄｏｗｎ　ｂｙ　ｔｈｅ　ｒｅｄｕｃｔｉｏｎ　ｏｆ　ｃｏｎｓｕｍｐｔｉｏｎ　ｏｆ　ｃｏａｌ　ａｎｄ　ｃｏａｌ　ｐｒｏｄｕｃｔｓ．③Ｔｈｅ　ｏｕｔｐｕｔ　ｏｆ　ｍｉｌｌｉｏｎ　ＧＤＰ　ｏｆ　ｐｅｒ　ｕｎｉｔ　ＥＥＦ　ｓｈｏｗｅｄ　ｉｎｃｒｅａｓｉｎｇ　ｔｒｅｎｄ，ｗｈｉｌｅ　ＥＥＦ　ｉｎｔｅｎｓｉｔｙ　ｓｈｏｗｅｄ　ｄｅｃｒｅａｓｅ　ｔｒｅｎｄ，ｗｈｉｃｈ　ａｌｌ　ｉｎｄｉｃａｔｅｄ　ｔｈａｔ　ｔｈｅ　ｅｆｆｉｃｉｅｎｃｙ　收稿日期：２０１６－０７—１７　基金项目：国家自然科学基金项目资助（编号：４１６７１０８６）；国家重点研发计划项目资助（编号：２０１６ＹＦＣ０５０１７０７）；黄土高原土壤侵蚀与旱地农　业国家重点实验室开放基金项目资助（编号：Ａ３１４０２１４０２—１６１６）　第一作者简介：王涛（１９８４一），男，河南汤阴人，博士，讲师，研究方向为区域环境变化，Ｅ—ｍａｉｌ：ｗｈｔ４３２＠１６３．ｃｏｒｎ。　８４　中国矿业　第２６卷　ｏｆ　ｅｎｅｒｇｙ　ｉｎｔｅｎｓｉｖｅ　ｕｓｅ　ｗａｓ　ｇｒａｄｕａｌｌｙ　ｉｍｐｒｏｖｅｄ．④Ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ＥＥＦ　ａｎｄ　ｒａｔｉｏ　ｏｆ　ｔｈｅ　ｓｅｃｏｎｄａｒｙ　ｉｎｄｕｓｔｒｙ　ｉｎ　ＧＤＰ，ｐｅｒ　ｃａｐｉｔａｌ　ＧＤＰ　ｗａｓ　ｐｏｓｉｔｉｖｅ．Ｉｔ　ｉｓ　ａｎ　ｅｆｆｅｃｔｉｖｅ　ｗａｙ　ｔＯ　ｒｅｄｕｃｅ　ＥＥＦ　ｂｙ　ｉｎｃｒｅａｓｉｎｇ　ｔｈｅ　ｒａｔｉｏ　ｏｆ　ｔｈｅ　ｔｈｉｒｄ　ｉｎｄｕｓｔｒｙ　ｉｎ　ＧＤＰ　ａｎｄ　ｃｕｔｔｉｎｇ　ｄｏｗｎ　ｔｈｅ　ｃｏｎｓｕｍｐｔｉｏｎ　ｏｆ　ｃｏａｌ　ａｎｄ　ｃｏａｌ　ｐｒｏｄｕｃｔｓ．　Ｋｅｙｗｏｒｄｓ：ｃａｌｃｕｌａｔｅｄ　ｍｏｄｅｌ　ｏｆ　ｅｎｅｒｇｙ　ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ；ＳＴＩＲＰＡＴ　ｍｏｄｅｌ；ｅｃｏｌｏｇｉｃａｌ　ｓｅｃｕｒｉｔｙ；　Ｓｈａａｎｘｉ　ｐｒｏｖｉｎｃｅ　改革开放之后，中国经济得到了迅猛的发展。　相对东部沿海地区经济发展而言，中西部地区的经　济发展起步较晚。陕西省经济在过去３０多年时间　里得到了迅速发展，尤其是２０００年之后，经济快速　发展更为明显＿ｌ　。与经济发展过程相对应，陕西省　乃至中国经济发展与能源消耗之间关系明显　。］，经　济发展主要是能源消耗型［４　］。　能源足迹（Ｅｎｅｒｇｙ　Ｅｃｏｌｏｇｉｃａｌ　Ｆｏｏｔｐｒｉｎｔ，ＥＥＦ）　由生态足迹（Ｅｃｏｌｏｇｉｃａｌ　Ｆｏｏｔｐｒｉｎｔ，ＥＦ）衍生而来，用　于定量分析区域内能源消耗及对生态环境产生的压　力和区域经济发展的可持续性问题［７＿８＿。能源足迹　通过将区域内能源消耗折算成生物生产性土地面积　的方法进行分析。除能源足迹外，近年来，水足　迹＿９。　、碳足迹［１　以及污染足迹　等生态足迹的　衍生内容越来越多。总体来看，各种足迹研究均难　脱离生态足迹的基本范畴口　引。陕西省能源足迹动　态分析，有助于揭示陕西省能源消耗及评价经济可　持续发展能力，是定量评价可持续发展的重要方法。　国内外关于能源足迹研究的内容较为丰富。研　究尺度方面，从全球ｌ１　、国家［１　、省域　、市　域ｌ２　尺度均进行了研究，结果均表明，改革开放之　后随着经济的快速发展，能源消耗增大，能源足迹呈　上升趋势。研究方法方面，传统能源足迹模型存在　诸多问题口　。　，在此基础上很多学者提出和应用改　进的能源足迹模型，对不同区域尺度进行了分析，结　果反映出改进能源足迹模型相对传统能源足迹模型　计算结果要更为乐观［２　。此外，一些学者利用投　入一产出模型对能源足迹进行了分析ｌ２　。能源足迹　研究在交通运输等国民生产部门的行业基本单　元ｌ２　与城市消费者个体等人类个体方面［１妇以及新　能源、清洁能源方面＿３。。有深入研究的趋势。　陕西省位于中国西北部，总土地面积２０．５６×　１０　ｋｍ　，地貌类型包括陕北黄土高原、关中平原和　陕南秦巴山地三个部分。气候属温带大陆性季风气　候，年平均气温为１４．１℃，年降水量６１８．１　ｍｍ。　１９９９￣２０１４年是陕西省经济快速发展时期，能源消　耗量持续增加，土地利用发生较大变化，对其能源足　迹动态变化与影响因素分析，对于科学认识经济发　展的能源消耗现状以及评估区域可持续发展，提高　能源集约利用具有重要意义。　１数据与方法　１．１数据来源　研究使用数据主要来自陕西省统计年鉴　（２０００￣２０１５年）ｌ１］，主要包括１９９９～２０１４年陕西　省能源消耗量、森林面积、人口数量、ＧＤＰ、第二产　业占ＧＤＰ比重、单位工业增加值能耗量数据。　１．２研究方法　１．２．１能源足迹测度方法　１．２．１．１　能源足迹　能源足迹计算方法借助于生态足迹计算模型，　生态足迹有关概念、假设等参见文献［３１］。本文采　用赵冠伟等　。。　和张乐勤等　船　使用的计算公式，见　式（１）。　ＥＥＦ一∑　式中：ＥＥＦ为人均能源足迹，ｇｈｍ　／Ｘ；ｉ表示能源　类型；Ｆ　为第ｉ种能源消耗量，ｋｇ标准煤；Ａ　为第ｉ　种能源的全球平均足迹，ｇｈｍ　；Ｐ为人口数量。文　中计算使用全球平均足迹，煤及煤制品为５５　ＧＪ・　ｇｈｍ＿。，石油及石油制品为７３　ＧＪ・ｇｈｍ，天然气　为９３　ＧＪ・ｇｈｍ。能源折算系数分别为ｌ　ｔ原煤一　０．７１４　３　ｔ标准煤，１　ｔ原油一１．４２８　６　ｔ标准煤和ｌ　ｍ。　天然气一１．３３　ｋｇ标准煤。热能转化标准为ｌｋｇ标　准煤热能一７　０００　ｋｃａｌ，１　ｋｃａｌ＝＝＝４．１８６　８　ｋＪ。　１．２．１．２能源足迹人均承载力　能源足迹人均承载力计算借鉴人均生态承载力　计算方法，采用刘某承等　使用的计算公式，如式　（２）所示。　ＰＥＥＦ一　，　ｌＡ　×ｒ７×ＹＪ　（２）　式中：ＰＥＥＦ为能源足迹人均承载力，ｇｈｍ　／Ｘ；Ａ　为第Ｊ种类型土地的人均面积，ｇｈｍ　／Ｘ；ｒｊ为均衡　因子；Ｙ　为产量因子。据张乐勤等　３］，均衡因子和　产量因子分别取林地１．４１和０．９１。　１．２．１．３能源足迹生态压力　能源足迹生态压力（Ｅｃｏｌｏｇｉｃａｌ　Ｐｒｅｓｓｕｒｅ　Ｉｎｔｅｎｓｉｔｙ　ｏｆ　Ｅｎｅｒｇｙ　Ｆｏｏｔｐｒｉｎｔ，ＥＰＩＥＦ）是人类消耗　能源及废物排放与生态环境承载力的比值。比值越　大，反映生态压力越大，生态安全风险越大，反之，则　生态压力小，生态安全风险小，其计算公式见式（３）。　第２期　王　涛，等：陕西省能源足迹动态变化与影响因素分析　ＥＰＩＥＦ—ＥＥＦ／ＰＥＥＦ　（３）　８５　式（１）计算得到１９９９￣２０１４年陕西省人均能源足迹　（图１）。　式中：ＥＰＩＥＦ为能源足迹生态压力；ＥＥＦ为人均能　源足迹，ｇｈｍ　／Ａ；ＰＥＥＦ为森林对能源足迹的人均　陕西省１９９９￣２０１４年能源消耗量由２　５４４．２Ｏ×　１０　ｔ标准煤增加到１１　５６８．３８×１０　ｔ标准煤。由图　承载力，ｇｈｍ　／Ａ。　１．２．１．４能源足迹产值　１可知，１９９９～２０１４年，陕西省人均能源足迹由　１９９９年的０．３５５　５　ｇｈｍ　／人增加到２０１４年的　１．５１６　５　ｇｈｍ　／Ａ，增加约４．２６倍。１９９９～２０００年　由于煤品标准煤消耗量的减少，人均能源足迹呈微　能源足迹产值（Ｖａｌｕｅ　ｏｆ　Ｅｎｅｒｇｙ　Ｆｏｏｔｐｒｉｎｔ，　ＶＥＦ）表示单位能源足迹产生的经济效益，值越大　反映能源利用率高，经济发展良好，反之则较差。计　算公式见式（４）。　ＶＥＦ＝ＰＧＤＰ／ＥＥＦ　（４）　式中：ＶＥＦ为能源足迹产值，元／ｇｈｍ　；ＰＧＤＰ为人　均ＧＤＰ，元／人；ＥＥＦ为人均能源足迹，ｇｈｍ。／Ａ。　１．２．１．５能源足迹强度　能源足迹强度（Ｅｎｅｒｇｙ　Ｆｏｏｔｐｒｉｎｔ　Ｉｎｔｅｎｓｉｔｙ。　ＥＦＩ）表示万元ＧＤＰ生产所需能源足迹，值越大反　映能源集约利用程度较差；反之则较好。计算公式　见式（５）。　ＥＦＩ：ＥＥＦ×Ｐ／ＧＤＰ　（５）　式中：ＥＦＩ为能源足迹强度，ｇｈｍ　／７ｉ元；ＥＥＦ为人　均能源足迹，ｇｈｍ　／Ａ；Ｐ为人口数量。　１．２．２影响因素分析　陕西省能源足迹影响因素分析采用ＳＴＩＲＰＡＴ　模型。ＳＴＩＲＰＡＴ模型由Ｒｏｓｅ等对已有经济增长　与资源环境关系ＩＰＡＴ模型改进而得到，其模型表　达式见式（６）［３４　３５］。　—ａＰ　Ａ　Ｔ　￡　（６）　式中：Ｉ、Ｐ、Ａ、Ｔ分别表示环境影响、人口数量、富裕　程度和技术；。、６、ｃ、ｄ分别是系数，ｅ为模型残差项，　见式７。　借鉴李琦等　聃　构建的改进模型计算。　Ｑ：ＫＰ“Ｄ　Ｔ　（７）　式中：Ｑ为人均能源足迹，ｇｈｍ。／Ａ；Ｐ为人ＶＪ数，万　人；Ｄ为经济发展水平，用人均ＧＤＰ表示，元／人；　为产业结构状况，用第二产业占ＧＤＰ的比重表示；　Ｔ为能源利用技术，用单位工业增加值能耗表示，　ｔ／万元；Ｋ为常数；ａ、６、Ｃ和ｄ为系数。　对式（７）两侧取对数，得到式（８）。　１ｎＱ：：：／ｎＫ＋ａｌｎＰ＋ｂｉｎＤ＋ｃｌｎＩ＋ｄｌｎＴ（８）　以ｌｎＱ为因变量，ｌｎＰ、ｌｎＤ、ｌｎＩ和ｌｎＴ为自变　量，ｌｎＫ为常数项，在对原始数据处理（取对数）基础　上，进行多元线性回归拟合，分析陕西省１９９９～　２０１４年能源足迹动态变化影响因素。　２结果分析　２．１能源足迹动态变化分析　利用陕西省１９９９￣２０１４年能源消耗数据，根据　弱的减少；２００１￣２０１４年呈线性增加趋势。１９９９～　２０１４年陕西省年平均人均能源足迹为　０．８９０　３　ｇｈｍ　／Ａ，其中１９９９～２００６年低于平均值，　２００７￣２０１４年高于平均值，并且前者年平均能源足　迹为０。５３１　０　ｇｈｍ　／Ａ，远低于２００７～２０１４年的　１．２４９　６　ｇｈｍ　／Ａ。以上分析表明，２００７年是陕西省　近１５年经济发展的转折点，之后的能源消耗、人均　能源足迹均呈快速的增加特征。　２．２能源足迹生态压力分析　根据式（２）和式（３），结合陕西省ｌ９９９￣２０１４年　森林面积数据、人Ｉ＝１数据及ＥＥＦ值计算得到图２。　＜　赠　霜　＿＜　图１　能源消耗量及人均能源足迹（ＥＥＦ）　刊　熊　口２　图２人均能源足迹供需及能源足迹生态压力变化　由图２可知，陕西省１９９９￣２０１４年能源足迹生　态压力（ＥＰＩＥＦ）持续增加，２０１４年是１９９９年的　２．５９倍。１９９９￣２０１４年，陕西省人均能源足迹（ＥＥＦ）　持续增加，由１９９９年的Ｏ．３５５　５　ｇｈｍ　／人增加到２０１３　年的１．５１６　５　ｇｈｍ￣／Ａ，而能源足迹人均承载力　８６　中国矿业　第２６卷　（ＰＥＥＦ）仅由１９９９年的０．１７６　４　ｇｈｍ２／人增加到２０１４　年的０．２９０　０　ｇｈｍ２／Ａ．，增加量及增加速率显著小于　人均能源足迹。总体上，陕西省人均能源足迹长期处　于赤字状态，赤字由１９９９年的０．１７９　１　ｇｈｍ２／人扩大　到２０１４年的１．２２６　５　ｇｈｍ。／人，并且研究时段内人均　能源足迹赤字呈明显的扩大趋势，供需矛盾突出。　ＥＰＩＥＦ由１９９９年的２．０１５　３扩大到２０１４年５．２２９　２，　表明陕西省能源消耗对生态环境影响较大，生态安全　风险很大，自然生态系统处于严重的不安全状态。　２．３能源足迹结构分析　人均能源足迹计算过程涉及到各类能源足迹的　计算，见式（１）。通过计算得到的各类能源人均能源　足迹，可以得到陕西省１９９９￣２０１４年人均能源足迹　构成（图３）。　图３表明，陕西省１９９９～２０１４年，ＥＥＦ（煤品）　足迹在能源足迹中占主导地位，平均占比为　８０．６１　，ＥＥＦ（油品）次之，平均占比为１５．２５　，　ＥＥＦ（天然气）最低，为４．１４　。煤及煤制品作为陕　西省乃至中国的主要能源，在人均能源足迹中占有　主导地位，降低能源足迹及生态安全风险，需要从降　低能源结构中煤及煤制品比例出发。　２．４能源足迹强度分析　根据公式（４）和（５）计算得到陕西省１９９９～　２０１４年单位能源足迹产值（ＶＥＦ）和能源足迹强度　（ＥＦＩ），见图４。　留　叫　年　图３人均能源足迹构成　１　昌　［工＿　图４人均ＧＤＰ、ＶＥＦ和ＥＦＩ变化　图４可知，陕西省１９９９～２０１４年人均ＧＤＰ呈　指数增加趋势，由１９９９年的４　４０２元／人，增加到　２０１４年的４６　８６１元／人，增加１Ｏ．６５倍，其中２００７￣　２０１４年增加速度高于１９９９～２００６年。单位能源足　迹产值（ＶＥＦ）呈增加趋势，由１９９９年的１２　３８３．６０　元／ｇｈｍ。增加到２０１４年的３０　９００．０７元／ｇｈｍ　，增　加２．５Ｏ倍。ＶＥＦ变化过程可以划分为１９９９～２００６　年的缓慢增加阶段和２００７～２０１４年的快速增加阶　段，前一阶段平均值为１３　９５３．８３元／ｇｈｍ。，后一阶　段为２３　８０７．９８元／ｇｈｍ　，后一阶段是前一阶段的　１．７１倍，表明２００７之后，陕西省单位能源足迹产值　在迅速提高，也反映了２００７￣２０１４年是陕西省经济　快速发展时期。与人均ＧＤＰ、ＶＥＦ变化过程相反，　能源足迹强度（ＥＦＩ）呈下降趋势，由１９９９年的　０．８０７　５　ｇｈｍ。／万元降低到２０１４年的０．３２３　６　ｇｈｍ。／ｘｒ元，表明陕西省１９９９～２０１４年每万元ＧＤＰ　生产需要消耗的能源在降低，即能源集约利用程度　在提高，间接表明陕西省经济发展过程中，对能源消　耗的依赖在逐渐降低。反映在ＧＤＰ结构上，表现为　第三产业（能源消耗较小）的规模、产值持续增加，在　ＧＤＰ构成中所占比例也在增加。ＥＦＩ变化过程可　以划分为１９９９～２００６年和２００７～２０１４年两个阶　段，前一阶段平均值为０．７２　ｇｈｍ。／万元，后一阶段为　０．４３　ｇｈｍ２／万元，后一阶段是前一阶段的６Ｏ．４　。　２．５影响因素分析　利用ＳＴＩＲＰＡＴ模型，以陕西省１９９９～２０１４年　能源足迹（Ｑ）为因变量，人口（Ｐ）、人均ＧＤＰ（Ｄ）、第　二产业占ＧＤＰ的比重（　）和单位工业增加值能耗　（Ｔ）为自变量，先在Ｅｘｃｅｌ中对Ｑ、Ｐ、Ｄ、　和Ｔ求自　然对数，而后利用求出的结果在ＳＰＳＳ１９．０中进行　逐步回归拟合，得到回归拟合方程，见式（９）。　ｌｎＱ一一１３．０７３＋０．３８０１ｎＤ＋２．３５１ｌｎＩ　（９）　逐步回归拟合方程表明，能源足迹变化与人口　（Ｐ）、单位工业增加值能耗（Ｔ）无相关性，Ｐ和Ｔ均　未进入回归方程，反映出陕西省１９９９￣２０１４年人口　因素、单位工业增加值能耗变化并未引起能源足迹　的变化。Ｄ、　进入回归方程，并且Ｐ＜０．００１，Ｆ一　１１２９．０１６，回归方程显著，表明Ｄ、工与能源足迹相　关性较强。通过拟合方程各变量系数可知，Ｄ、　的　系数分别为０．３８０、２．３５１，表明能源足迹与第二产　业占ＧＤＰ的比重（Ｄ关系最密切，其次是人均ＧＤＰ　（Ｄ），并且均呈正相关关系。即第二产业占ＧＤＰ比　重增加、人均ＧＤＰ增加，均会导致能源足迹的增加。　３结论与讨论　以陕西省１９９９～２０１４年能源消耗数据为基础，　第２期　王　涛，等：陕西省能源足迹动态变化与影响因素分析　８７　利用能源足迹计算模型和ＳＴＩＲＰＡＴ模型，分析了　陕西省能源足迹动态变化和影响因素，得到如下　结论。　１）陕西省１９９９～２０１４年能源消耗量由　２　５４４．２０　ｔ标准煤增加到１１　５６８．３８　ｔ标准煤，人均　能源足迹由０．３５５　５　ｇｈｍ　／人增加到１．５１６　５　ｇｈｍ　／　人。２００７－－２０１４年是陕西省能源消耗量和人均能　源足迹迅速增加的时期。　２）陕西省１９９９～２０１４年能源足迹人均承载力　由０．１７６　４　ｇｈｍ　／人增加到０．２９０　０　ｇｈｍ　／Ａ，明显　低于能源足迹增加速率。陕西省能源足迹长期呈赤　字状态且赤字水平逐步扩大，由０．１７９　１　ｇｈｒｎ　／人扩　大到１．２２６　５　ｇｈｍ。／Ａ，能源足迹生态压力较大，由　２．Ｏ１５　３增加到５．２２９　２。陕西省生态安全风险很　大，自然生态系统处于严重不安全状态。　３）陕西省能源足迹中煤及煤制品贡献最大，平　［　［　［　［　［　［　［　均占８０　９／６以上，降低煤及煤制品消耗量，能够有效　］　『＝１　］　］　］　］　明　］　”　］　降低能源足迹水平，降低生态安全风险。　４）陕西省１９９９～２０１４年人均ＧＤＰ持续增加，　由４　４０２元／人增加到４６　８６１元／人，单位能源足迹　产值也呈持续增加态势，由１２　３８３．６Ｏ元／ｇｈｍ　增　加到３０　９００．０７元／ｇｈｍ　，能源足迹强度呈下降趋　势，由０．８０７　５　ｇｈｍ　／万元降低到０．３２３　６　ｇｈｍ　／；Ｙ　元，表明陕西省能源集约利用效率在逐步提高。　５）陕西省能源足迹与第二产业占ＧＤＰ的比重、　人均ＧＤＰ呈正相关关系。即第二产业占ＧＤＰ比重　增加、人均ＧＤＰ增加，均会导致能源足迹的增加。　同时也表明缩减第二产业占ＧＤＰ比重，提高人均　ＧＤＰ水平能够有效降低能源足迹水平，其中，发展　第三产业，减少煤及煤制品消耗，均是降低能源足迹　水平的有效途径。　传统能源足迹计算模型是一种悲观模型［２　，尤　其是在能源足迹人均承载力计算过程中，仅考虑了　森林的作用，而忽视了草地、水域、耕地等Ｃｏ。吸收　的作用。所以，本文计算过程中，陕西省１９９９～　２０１４年的人均能源足迹赤字以及能源足迹生态压　力值偏大。同时，就陕西省而言，统计年鉴中除森林　面积外，还有林地面积统计，并且林地面积值要高于　同期森林面积，如果使用林地面积计算能源足迹人　均承载力，得到的人均能源足迹赤字和能源足迹生　态压力值会有所减小，但总体趋势未发生变化。能　源足迹模型计算仅能估算某一地区的能源足迹状　况，随着计算模型的改进，得到的结果大相径庭，需　要进一步从能源足迹产生过程、机理方面进行系统、　深入研究。　Ｉ　参考文献　陕西省统计局，国家统计局陕西调查总队．陕西统计年鉴　（２０００￣２０１４年）［Ｍ］．北京：中国统计出版社，２０００￣２０１５年．　吴敬锐，杨兆萍，阿依达・赛肯．基于ＳＴＩＲＰＡＴ模型分析新　疆能源足迹的影响因素ＥＪ］．干旱区地理，２０１１，３４（１）：１８７—　１９３．　梅艳，何蓓蓓，刘友兆．江苏省生态足迹与经济增长关系的计　量分析Ｉ－Ｊ］．自然资源学报，２００９，２４（３）：４７６—４８２．　岳强，李志伟，王彤，等．辽宁省人均能源足迹分解模型及实证　分析口］．东北大学学报：自然科学版，２０１１，３２（２）：２８８—２９１．　曲艳伟．基于可计算一般均衡模型的中国能源生态足迹研究　Ｉ－Ｄ］．阜新：辽宁工程技术大学，２０１２．　陈成忠，林振山．中国生态足迹和生物承载力构成比例变化　分析［Ｊ］．地理学报，２００９，６４（１２）：１５２３—１５３３．　Ｃｈａｋｒａｂｏｒｔｙ　Ｄ，Ｒｏｙ，Ｊ．Ｅｎｅｒｇｙ　ａｎｄ　ｃａｒｂｏｎ　ｆｏｏｔｐｒｉｎｔ：　ｎｕｍｂｅｒｓ　ｍａｔｔｅｒ　ｉｎ　ｌｏｗ　ｅｎｅｒｇｙ　ａｎｄ　ｌｏｗ　ｃａｒｂｏｎ　ｃｈｏｉｃｅｓ［Ｊ］．　［Ｃｕｒｒｅｎｔ　　Ｏｐｉ［ｎｉ　ｏｎ　ｉｎ　Ｅｎｖｉ［　ｒｏｎｍｅｎｔ［　ａｌ　Ｓｕｓｔａｉｎａｂｉｌ［ｉｔｙ，２０１３，５：　［　　］　明　２３７—２４３．　Ｓｔｏｇｌｅｈｎｅｒ　Ｇ．］　　Ｅｃｏｌ］　蜘　ｏｇｉｃａｌ　ｆｏｏｔｐｒｉ］　Ⅲ　ｎｔ—ａ　ｔｏｏｌ　ｆｏｒ］　　ａｓｓｅｓｓｉｎｇ　］　蜘　ｓｕｓｔａｉｎａｂｌｅ　ｅｎｅｒｇｙ　ｓｕｐｐｌｉｅｓ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｌｅａｎｅｒ　Ｐｒｏｄｕｃｔｉｏｎ，２００３，１１：２６７－２７７．　Ｌｅｅ　Ｙ　Ｊ．１ａｎｄ，ｃａｒｂｏｎ　ａｎｄ　ｗａｔｅｒ　ｆｏｏｔｐｒｉｎｔｓ　ｉｎ　Ｔａｉｗａｎ［Ｊ］．　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　ｉｍｐａｃｔ　ａｓｓｅｓｓｍｅｎｔ　ｒｅｖｉｅｗ，２０１５，５４：１－８．　Ｅｌｅｎａ　Ｇ，Ｅｓｔｈｅｒ　Ｖ．Ｆｒｏｍ　ｗａｔｅｒ　ｔｏ　ｅｎｅｒｇｙ：ｔｈｅ　ｖｉｒｔｕａｌ　ｗａｔｅｒ　ｃｏｎｔｅｎｔ　ａｎｄ　ｗａｔｅｒ　ｆｏｏｔｐｒｉｎｔ　ｏｆ　ｂｉｏｆｕｅｌ　ｃｏｎｓｕｍｐｔｉｏｎ　ｉｎ　Ｓｐａｉｎ　［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２０１０，３８：１３４５一Ｉ３５２．　Ｈａｓｓａｒｄ　Ｈ　Ａ，Ｃｏｕｃｈ　Ｍ　Ｈ，Ｔｅｃｈａ—ｅｒａｗａｎ　Ｔ，ｅｔ　ａ１．Ｐｒｏｄｕｃｔ　ｃａｒｂｏｎ　ｆｏｏｔｐｒｉｎｔ　ａｎｄ　ｅｎｅｒｇｙ　ａｎａｌｙｓｉｓ　ｏｆ　ａｌｔｅｒｎａｔｉｖｅ　ｃｏｆｆｅｅ　ｐｒｏｄｕｃｔｓ　ｉｎ　ＪａｐａｎｒＪ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｌｅａｎｅｒ　Ｐｒｏｄｕｃｔｉｏｎ，２０１４，　７３：３１０—３２ｌ＿　Ｐｅｋａｌａ　Ｌ　Ｍ，Ｔａｎ　Ｒ　Ｒ，Ｆｏｏ　Ｄ　Ｃ　Ｙ，ｅｔ　ａ１．Ｏｐｔｉｍａｌ　ｅｎｅｒｇｙ　ｐｌａｎｎｉｎｇ　ｍｏｄｅｌｓ　ｗｉｔｈ　ｃａｒｂｏｎ　ｆｏｏｔｐｒｉｎｔ　ｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．　Ａｐｐｌｉｅｄ　Ｅｎｅｒｇｙ，２０１０，８７：１９０３—１９１０．　闵庆文，焦雯瑁，成升魁．污染足迹：一种基于生态系统服务　的生态足迹［Ｊ］．资源科学，２０１１，３３（２）：１９５—２００．　方恺．足迹家族：概念、类型、理论框架与整合模式［Ｊ］．生态　学报，２０１５，３５（６）：１６４７—１６５９．　Ｗｉｅｄｍａｎｎ　Ｔ，Ｂａｒｒｅｔｔ　Ｊ．Ａ　ｒｅｖｉｅｗ　ｏｆ　ｔｈｅ　ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ　ｉｎ　ｄｊｃａｔ０ｒ＿ｐｅｒｃｅｐｔｉ０ｎｓ　ａｎｄ　ｍｅｔｈｏｄｓ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２０１０，　２：１６４５—１６９３．　方恺，董德明，林卓，等．基于全球净初级生产力的能源足迹　计算方法［Ｊ］＿生态学报，２０１２，３２（９）：２９００—２９０９．　Ｌａｍｍｅｒｓ　Ａ，Ｍｏｌｅｓ　Ｒ，Ｗａｌｓｈ　Ｃ，ｅｔ　ａ１．Ｉｒｅｌａｎｄ’Ｓ　ｆｏｏｔｐｒｉｎｔ：ａ　ｔｉｍｅ　ｓｅｒｉｅｓ　ｆｏｒ　１９８３—２ＯＯｌ［Ｊ］．Ｌａｎｄ　Ｕｓｅ　Ｐｏｌｉｃｙ，２００８，２５：５３—５８．　Ｃｈｅｎ　Ｂ，Ｃｈｅｎ　Ｇ　Ｑ，Ｙａｎｇ　Ｚ　Ｆ，ｅｔ　ａ１．Ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ　ａｃｃｏｕｎｔｉｎｇ　ｆｏｒ　ｅｎｅｒｇｙ　ａｎｄ　ｒｅｓｏｕｒｃｅｓ　ｉｎ　Ｃｈｉｎａ［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２００７，３５：１５９９－１６０９．　陈成忠．生态足迹模型的多尺度分析及其预测研究［Ｄ］．南　京：南京师范大学，２００８．　张乐勤，李荣富，荣慧芳，等．安徽省近１Ｏ年能源足迹测度及　驱动因子分析［Ｊ］．环境科学研究，２０１２，２５（４）：４７４—４８０．　（下转第１０５页）　［　『］　三１＝　第２期　王广成，等：煤炭矿区复合生态系统协同演化序参量的选择与协同度评价　学学报，２００９，１７（３）：４２—４５．　１Ｏ５　立起了能够使复合生态系统有序度增强的正反馈机　制，但是　的绝对值较小，表明其有序性还较小。　政府管理部门应加强这种正的反馈机制，建立健全　相关的环境监测反馈机制，实施生态保证金制度，以　［３］　白列湖．协同论与管理协同理论［Ｊ］，甘肃社会科学，２００７　（５）：２２８—２３０．　［４］　邹文杰，蔡鹏鸿．基于哈肯模型的研发产业演化机制实证研　究［Ｊ］．经济研究参考，２０１５（５６）：９０—９６．　［５］　李琳，刘莹．中国区域经济协同发展的驱动因素——基于哈　增加系统有序度。　５）龙口矿区复合生态系统的经济子系统中已经　建立起了促进复合生态系统有序度增强的负反馈机　肯模型的分阶段实证研究［Ｊ一．地理研究，２０１４，３３（９）：　１６０３—１６１６．　制，并且　。的绝对值相对较大，表明其有序性已经　达到一个相对较高的水平。由于经济对生态类参量　具有促进作用，政府应在目前其相对合理的产业结　构与布局的基础上继续加大对煤炭生态产业园区的　建设力度，延长煤炭开发生态产业链，发展循环经　济，实施生态恢复与重建，治理因采矿引起的环境　污染。　Ｉ　［６］　王祥兵，张学立．货币政策传导系统协同演化机制研究——　基于哈肯模型的理论与实证分析口］．管理评论，２ｏ１４（１１）：　５７—６６．　［７］　张子龙，薛冰，陈兴鹏，等．基于哈肯模型的中国能源一经济一　环境系统演化机制分析［Ｊ］．生态经济，２０１５，３１（１）：１４—１７．　［８］　Ｒ　Ａｎｂａｎａｎｄａｍ．Ｄ　ｋ　Ｂａｎｗｅｔ．Ｒａｖｉ　Ｓｈａｎｋａｒ．Ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｓｕｐｐｌｙ　ｃｈａｉｎ　ｃｏｌｌａｂｏｒａｔｉｏｎ：ａ　ｃａｓｅ　ｏｆ　ａｐｐａｒｅｌ　ｒｅｔａｉｌ　ｉｎｄｕｓｔｒｙ　ｉｎ　Ｉｎｄｉａ［Ｊ］．　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｒｏｄｕｃｔｉｖｉｔｙ　ａｎｄ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｍａｎａｇｅｍｅｎｔ，２０１１（２）：８２—９８．　ｏｄｔ　Ｈ．Ｔｈｅ　ｅｖｏｌｕｔｉｏｎ　ｍｅｃｈａｎｉｓｍ　ｏｆ　ｌｏｇｉｓｔｉｃｓ　ｓｙｎｅｒｇｅｔｉｃ　［９］　Ｋｌ参考文献　［１］王广成，李鹏飞．煤炭矿区复合生态系统及其耦合机理研究　［Ｊ］．生态经济，２０１４，３０（２）：１３９—１４２．　［２］　白列湖，王孝军．刍议管理协同机制模型之构建口］．系统科　ｓｙｓｔｅｍ［Ｄ］．Ｂｉｒｍｉｎｇｈａｍ：Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｂｉｒｍｉｎｇｈａｍ，２０００．　ｒ１ｏ］　Ｈａｋｅｎ　Ｈ．Ｓｙｎｅｒｇｅｔｉｃｓ：Ａｎ　Ｉｎｔｒｏｄｕｃｔｉｏｎ［Ｍ］．Ｂｅｒｌｉｎ　Ｎｅｗ　Ｙｏｒｋ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，１９８３：１２０—１２７．　［１１］　雷冬梅，徐晓勇，段昌群．矿区生态恢复与生态管理的理论　及实证研究［Ｍ］．北京：经济科学出版社，２０１２．　米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米米　（上接第８７页）　［２１］刘建兴，许肃．福建省１９９０￣２００８年能源足迹强度及生态压　１１４８—１１６３．　力分析［Ｊ］．中国矿业，２０１０，１９（９）：２１－２４．　［２２］Ｚｈａｎｇ　Ｙ，Ｚｈｅｎｇ　Ｈ，Ｆａｔｈ　Ｂ　Ｄ．Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｅｎｅｒｇｙ　ｍｅｔａｂｏｌｉｓｍ　ｏｆ　ｕｒｂａｎ　ｓｏｃｉｏｅｃｏｎｏｍｉｃ　ｓｅｃｔｏｒｓ　ａｎｄ　ｔｈｅ　ａｓｓｏｃｉａｔｅｄ　［２９］Ｌａｒｓｏｎ　Ｗ，Ｌｉｕ　Ｆ，Ｙｅｚｅｒ　Ａ．Ｅｎｅｒｇｙ　ｆｏｏｔｐｒｉｎｔ　ｏｆ　ｔｈｅ　ｃｉｔｙ：　ｅｆｆｅｃｔｓ　ｏｆ　ｕｒｂａｎ　ｌａｎｄ　ｕｓｅ　ａｎｄ　ｔｒａｎｓｐｏｒｔａｔｉｏｎ　ｐｏｌｉｃｉｅｓ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｕｒｂａｎ　Ｅｃｏｎｏｍｉｃｓ，２０１２，７２：１４７～１５９．　ｃａｒｂｏｎ　ｆｏｏｔｐｒｉｎｔｓ：ｍｏｄｅｌ　ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ａ　ｃａｓｅ　ｓｔｕｄｙ　ｆｏｒ　［３Ｏ］Ｗｕ　Ｊｉａｎｈｕａ，Ｈｅ　Ｃｈｅｎｇｌｏｎｇ，Ｘｕ　Ｗｅｉｌｉｎ．Ｅｎｅｒｇｙ　ｆｏｏｔｐｒｉｎｔ　Ｂｅｉｊｉｎｇ［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２０１４，７３：５４０—５５１．　［２３］　张乐勤，司友斌，荣慧芳，等．池州市２０００—２０１０年能源足迹动态测度与驱动因子分析［Ｊ］．环境科学学报，２０Ｉ２，３２（５）：　１２７０—１２８０．　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｈｙｄｒｏｐｏｗｅｒ　ｐｒｏｊｅｃｔｓ［Ｊ］．Ｓｃｉｅｎｃｅ　Ｃｈｉｎａ：　Ｔｅｃｈｎｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅｓ，２０１３，５６（９）：２３３６　２３４２．　［３１］蔡运龙．自然资源学［Ｍ］．北京：科学出版社，２００７．　［３２］　赵冠伟，杨木壮，陈建飞．１９９０—２００７年中国能源足迹时空差　［２４］荆治国，周杰，詹涛，等．调整特征参量的生态足迹新方法研　异分析［Ｊ］．地理与地理信息科学，２０１１，２７（２）：６５—６９．　究一以西安市为例［Ｊ］．资源科学，２００９，３１（１１）：１９８２～１９８７．　［２５］方恺，董德明，沈万斌．生态足迹理论在能源消费评价中的缺　陷与改进探讨［ｊ］．自然资源学报，２０１０，２５（６）：１０１３—１０２１．　［３３］刘某承，王斌，李文华．基于生态足迹模型的中国未来发展情　景分析［Ｊ］．资源科学，２０１０，３２（１）：１６３—１７０．　［３４］Ｃｈｅｒｔｏｗ　ＭＲ，Ｔｈｅ　ＩＰＡＴ　ｅｑｕａｔｉｏｎ　ａｎｄ　ｉｔｓ　ｖａｒｉａｎｔｓ：ｃｈａｎｇｉｎｇ　［２６］　方恺，董德明，沈万斌．基于净初级生产力的能源足迹模型及　其与传统模型的比较分析［Ｊ］．生态环境学报，２０１０，１９（９）：　２０４２—２０４７．　［２７］　韩召迎，孟亚利，刘丽平，等．基于区域土地利用变化的能源碳足ｖｉｅｗｓ　ｏｆ　ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　ｅｎｖｉｒｏｎｍｅｎｔａｌ　ｉｍｐａｃｔ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｄｕｓｔｒｉａｌ　Ｅｃｏｌｏｇｙ，２０００，４（４）：１３－３０．　［３５］　Ｙｏｒｋ　Ｒ，Ｒｏｓｅ　Ｅ　Ａ，Ｄｉｅｔｚ　Ｔ．Ａ　ｒｉｆｔ　ｉｎ　ｍｏｄｅｒｎｉｔｙ？Ａｓｓｅｓｓｉｎｇ　ｔｈｅ　ａｎｔｈｒｏｐｏｇｅｎｉｃ　ｓｏｕｒｃｅｓ　ｏｆ　ｇｌｏｂａｌ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　ｗｉｔｈ　ｔｈｅ　迹改进算法及应用［Ｊ］．农业工程学报，２０１２，２８（９）：１９０－１９５．　［２８］Ｐｅｎｅｌａ　Ａ　Ｃ，Ｖｉｌｌａｓａｎｔｅ　Ｃ　Ｓ．Ａｐｐｌｙｉｎｇ　ｐｈｙｓｉｃａｌ　ｉｎｐｕｔ—ｏｕｔｐｕｔ　ｔａｂｌｅｓ　ｏｆ　ｅｎｅｒｇｙ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ｅｎｅｒｇｙ　ｅｃｏｌｏｇｉｃａｌ　ｆｏｏｔｐｒｉｎｔ　（ＥＥＦ）ｏｆ　Ｇａｌｉｃｉａ（ＮＷ　Ｓｐａｉｎ）［Ｊ］．Ｅｎｅｒｇｙ　Ｐｏｌｉｃｙ，２００８，３６：　ＳＴＩＲＰＡＴ　ｍｏｄｅｌ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｃｉｏｌｏｇｙ　ａｎｄ　Ｓｏｃｉａｌ　Ｐｏｌｉｃｙ，２００３，２３（１０）：３１—５１．　［３６］李琦，孙根年，韩亚芬．中国能源足迹的区域差异及影响因素　分析［Ｊ］．统计与决策，２Ｏｉｏ（１９）：Ｉ１１－１１３．　米米米米米米米米米米米栗米米米米米米米米米米爿∈米米米米米米米米米｛Ｉ÷米米米｛Ｉ÷米米｛Ｉ÷柴米米米米米米米米　（上接第９８页）　［１１］李保杰，顾和和，纪亚洲．矿区土地利用分形特征动态变化　［Ｊ］．农业工程学报，２０１３，２９（２１）：２３３—２４０．　年土地利用变化特征［Ｊ］．地理学报，２０１４，６９（１）：４２—５３．　［１５］　阳文锐．北京城市景观格局变化及驱动力［Ｊ］．生态学报，　２０１５，３５（ｉ３）：ｉ－ｌ４．　［１２］侯湖平，张绍良，丁忠义，等．基于植被净初级生产力的煤矿　区生态损失测度研究［Ｊ］．煤炭学报，２０１２，３７（３）：４４５—４５１．　［１６］　沈中原，李占斌，武金慧，等．基于ＧＩＳ的流域土地利用／土　［１３］胡振琪，李玲，赵艳玲，等．高潜水位平原区采煤塌陷地复垦　土壤形态发育评价［Ｊ］．农业工程学报，２０１３，２９（５）：９５—１０１．　［１４］罗娅，杨胜天，刘晓燕，等．黄河河１３镇一潼关区间１９９８—２０１０　地覆被分形特征［Ｊ］．农业工程学报，２００８，２４（８）：６３—６７．　［１７］　谭永忠，吴次芳．区域土地利用结构的信息熵分异规律研究　［Ｊ］．自然资源学报，２００３，１８（１）：１１２－１１７．