摘要 人类的行为时刻在影响着生态系统，或积极，或消极。选择人均能源生态足迹（包括煤、焦炭、燃料油和电力等）作为代表生态阈值的指标，以能源消耗弹性系数代表人类对生态系统的消极影响，构造环保投资弹性系数代表人类对生态系统的积极影响，运用灰色系统方法，研究生态系统与行为系统之间的相互作用关系。分别测算上海市1978-2010年的能源消耗弹性系数、环保投资弹性系数与人均能源生态足迹的灰色关联系数，结果表明，电力是与能源消费关联最密切的因素，也是影响环保投入产出效率的最重要指标。研究发现，人类消极行为对生态系统的影响大于积极行为，从环境治理政策的角度来说，“节能”的效果远大于“减排”，在当前发展阶段，有序约束人类行为以减少对环境的消耗和破坏已迫在眉睫。
关键词 能源生态足迹；能源消耗弹性系数；环保投资弹性系数；灰色关联度
中图分类号 X24 文献标识码 A 文章编号 1002-2104（2012）11-0157-08 doi：103969/jissn1002-2104201211024
人与生态系统是共轭关系，人类活动必须在生态系统可承受范围内，同时，人的行为作用于生态系统，时刻影响其阈值变化。不受外力和人为干扰情况下，生态系统因自校稳态机制而无需外界控制，承载力一定。当受到干扰超过稳态阈值后，生态系统走向另一种稳态，承载力也随之变化。人类常常忽视约束自身行为对生态阈值的巨大作用，攻克一项艰难的技术瓶颈（2007年中国财政支出235亿主要用于支持企业节能技术改造项目）的效果，完全可以通过减少人的一次浪费行为而获得；同样，如果人类一直放任粗放的生产和生活方式，再多的新能源和新技术也无法挽救地球一天天“消失”。2011年结束的南非德班气候大会，不仅讨论了全球气候变暖是否陷入失序的困境，更释放出环境保护已经从地区结构调整向全球政治博弈深化的明显信号，标志着对于生态保护和环境可持续发展的研究不得不从防止和缓解人类活动对环境的影响转向研究如何适应全球环境变化的重大转折。约束人类行为是主动适应全球环境变化，促使生态系统恢复或发展到高级状态的有效途径，为实现生态系统的持续安全提供了长效机制。
生态阈值的测度和评价是当前国内外研究的热点，也是生态学的关键科学问题。目前常用的能值分析法、生命周期分析法（SETAC）、生态系统服务功能法和自然资源评价法、生态足迹（ecological footprint， EF）评价法、环境容载力、环境可持续性指标（ESI）等评价方法分别从能流、信息流、物流、资金流以及时间、空间尺度上研究和分析人类活动影响下的生态过程。测度方法的重点和标准不尽相同，结果较难比较和转换，尚无法确切得出生态系统阈值的具体数量，但相关研究均表明，全球生态系统压力巨大，生态安全受到严重威胁[1]。生态足迹指标作为一种衡量自然资本可持续利用的生物物理定量评价工具，将人类对各种资源和能源的消费折算为6类主要的生物生产性土地（指具有生态生产能力的土地或水体）：化石能源地（fossil energy land）、可耕地（arable land）、林地（forest）、草场（pasture）、建筑用地（builtup areas）和海洋（sea），研究维持个人、地区、国家和全球的生存或吸纳人类排放废物的具有生物生产力的地域面积（biologically productive areas）[2]，揭示了人类持续生存的生态阈值。已有研究表明，我国人口密集区均存在明显的生态赤字[3-4]。该方法在水资源、大气成分稳定性以及生态系统美学服务功能等方面的核算存在不足。
自然资源的价值水平与减少人类影响的方法存在显著的相关关系，限制某些人类活动可以提高自然资源的安全性。全球变化人类行为计划（IHDP）从社会科学角度研究全球变化的人类原因，提出全球变化的根源在于人为，高度关注全球化引起的社会安全问题[5]。人的行为方式及构成的行为关系受利益驱动，表现为对需求的满足，生态问题则表现为社会利益结构所决定的均衡、冲突和再均衡的过程。博弈理论常用来分析各利益群体的自然观、环境伦理观及人类价值观，研究公共资源与环境公平性、主体利益关系及各主体行为对环境的影响等问题。管理人类活动是提高社会—生态系统恢复力的有效策略，调整人类活动要比调节影响生态系统结构和功能的自然因素更加实际[6]。通过合理安排和有序组织人类活动，能够使生存环境的总体和尽可能多的局部在人类可以预见的时间尺度上不发生显著退化，甚至持续好转，同时又能够满足当时社会经济发展对自然资源需求，是人类适应全球变化的重要途径[7]。通过环境经济投入产出表，可以反映经济活动对环境所造成的负面影响以及社会为消除这些影响而进行的各种活动[8]。
经济社会发展的行为者是人，承受者虽直接表现为生态系统，但其最终承受者还是人本身。将人为作用下的生态系统可持续性问题凝练为生态阈值的人类行为影响和约束问题，厘清生态子系统和人类行为子系统的相互作用关系，试图回答两个基本问题：①生态阈值与人类行为之间的相互影响关系确实存在吗？②生态系统可持续能力的提高，究竟是减少消极行为（例如，能源消耗的节约）的直接结果，还是人类增加积极行为（例如，环境保护投入的增加）的间接反应？
1 研究指标设计及其遴选依据
人是可持续发展过程中最直观、复杂和能动的关键要素，也是最难衡量和控制的环节，人类行为对生态环境的影响复杂而深远。由于我国尚未形成完善的环境投入产出核算体系，人类对生态环境的正、负行为及其影响难以简单界定。例如，为了保护环境而进行的国家或地区政府财政投资可以计算，而用于宣传环保的社会投入和个人支出很难统计；环境污染所产生的经济损失和治理成本可以计算，而浪费等个体行为加总成为社会行为后的影响鲜有研究。因此，在本研究中，仅选取“环境保护”代表人类对生态系统产生积极影响的正行为，选取“能源消耗”代表人类对生态系统施加干预的负行为，对应地，以人均能源足迹代表生态系统的阈值变化，研究人类行为对生态系统的作用方式和影响程度。 11 能源消耗弹性系数（Elasticity Coefficient of Energy Consumption，ECEC）
能源是一个国家经济增长和社会发展的重要物质基础，能源消费是经济持续稳定增长的重要推动力。工业化时代以来，人类活动对化石能源的大量需求所引致的温室气体排放增加已成为导致全球气候变暖的主要原因[9]。工业化和城市化的发展需要耗费大量的能源，特别是化石能源的大量消耗将直接导致环境的严重污染[10]。中国正处于高速工业化和城市化的进程当中，因能源消费而产生的污染排放中工业部门占80%以上[11]，且高耗能产业消耗资源（水电、煤、石油、天然气等自然资源以及物耗等）的速度最快，对能源的需求量较大，污染排放占据了工业部门排放的90%以上[12]。因此，以“能源消耗”作为代表人类对生态系统施加的各种负行为的系统集成指标，是有科学依据的。
能源消耗的总量反映一个社会经济组织发展中对自然资源的使用数量。相比于总量指标，以能源使用效率来衡量经济增长和能源消费之间的关系，更加具有现实意义。经济增长与能源消费之间存在以下4种关系：①从经济增长到能源消费的单向因果关系，即非能源依赖型经济，经济增长会带来能源消费的增加，但能源消费的增加不会带来经济增长。对于这种经济类型，节能政策的实施对经济增长的负面影响可能就很小[13]；②从能源消费到经济增长的单向因果关系，即能源依赖型经济，依靠能源消费增加拉动经济的增长。节能政策所导致的能源消费的降低可能会显著影响经济增长[14]；③经济增长与能源消费之间不存在因果关系，没有必然的联系；④能源消费与经济增长之间存在双向因果关系，即经济增长与能源消费互相依赖型的。能源消耗弹性系数反映能源消费增长速度与国民经济增长速度之间比例关系的指标，等于能源消费量年平均增长速度与国民经济年增长速度之比。选择能源消费弹性系数作为人类负行为的代表指标，说明由于人类经济社会发展过程中生产生活的能源消耗给生态系统带来的负面影响程度。
12 环保投资弹性系数（Elasticity Coefficient of Environmental Investment，ECEI）
2008年，中国统计的名义环境保护投资已经达到4 490 亿元，占当年GDP 的149%。但是，多年来环保统计中存在的一些基础性问题尚未解决，突出表现在环保投资的内涵界定不清。一般来说，中国的环保投资主要包括工业和区域污染防治、环境基础设施（如城市污水处理厂）建设以及环境保护机构能力建设等内容，通常不包括生态建设的投资[15]。因此，中国的环保投资通常也称为环境污染治理投资，是指在工业污染源治理和城市环境基础设施建设的投资中，用于形成固定资产的资金，包括工业新老污染源治理工程投资、建设项目“三同时”环保投资和城市环境基础设施建设所投资的资金。
根据我国统计年鉴的数据口径，从1996年开始引入统计“环保投资”总量指标。同样，为了更加客观地反映环保投资在经济社会发展中的作用和效率，参考能源消费弹性系数来构造环保投资弹性系数。环保投资弹性系数反映环保投资增长速度与国民经济增长速度之间比例关系的指标，等于环保投资年平均增长速度与国民经济年增长速度之比。选取环保投资弹性系数代表人类对生态系统产生积极影响的正行为，说明由于人类经济社会发展过程中通过环境保护和污染治理等积极行为，给生态系统带来的正面影响程度。
13 人均能源足迹（Percapita Energy Ecological Footprint，Percapita EEF）
自然资本管理是可持续发展的核心，有效的管理依赖于对自然资本的准确度量。研究表明，能源足迹在生态足迹中占很大比重[16-17]，是影响生态足迹大小的最主要因素。如美国与德国都是发达国家，1999年美国人均生态足迹（97全球公顷，ghm2）是德国（47 ghm2）的206倍，主要是因为生活方式和能源消费不同的结果[18]。WWF等最新发布的《2006地球生命力报告》指出，人类的能源足迹增长最快，2003年超过1961年的10倍，几乎占到6类总生态足迹的一半（48%）[19]。由于社会、经济、科技、生产、日常生活等众多因素的变化影响着人们的能源消费、决定着能源足迹的大小，揭示能源足迹的变化规律和影响因子，找出影响能源足迹增长的主要因子，为人类降低能源足迹、减少环境影响（生态足迹）提供可行的途径和方法很有必要。
以人均能源足迹为目标序列，代表生态系统阈值的变化趋势，以能源消费弹性系数和环保投资弹性系数作为参考序列，通过关联分析研究生态子系统和人类行为子系统发展趋势的相似或相异程度，研究人类行为对生态阈值的影响程度以及约束人类行为的效率。
2 上海市Percapita EEF、ECEC、ECEI计算
上海作为高度城市化和工业化的区域，属于典型的人工自然生态系统，人类各种生产生活行为对自然生态系统的影响最为显著。
21 Percapita EEF的两种算法
采用碳汇法[20-21]计算上海市1978-2010年的人均能源足迹，即每消费单位化石能源所释放的二氧化碳所需要的林地吸收面积（水电不释放二氧化碳，其生态足迹计算是以建设水电站等设施所淹没的土地面积计算）。由于森林对温室气体吸收能力是以热量为表征的，需要先将化石能源消费量按其燃烧效率转化为热量[22]。在计算不同能源消费项目的生态足迹时，采用Wackernagel[23]等所确定的煤、石油、天然气和水电的全球平均土地产出率：55 GJ/hm2、71 GJ/hm2、93 GJ/hm2、1 000 GJ/hm2，将能源消费所消耗的热量折算成一定的化石能源地面积。按照能源消耗统计口径的不同，采用以下两种方法计算并分析上海市的人均能源足迹。
算法一：
根据统计年鉴数据，选取工业能源终端消费量的数据，将所有能源转换为标准煤进行能源足迹测算。折算系数及转化标准如下：1 t原煤=0714 3 t标准煤，1 t原油=1428 6 t标准煤，1 m3油天然气=133 kg标准煤，1 kWh电力=0229 kg标准煤。测算的结果见图1。 根据上海市能源消费种类的不同，按照电力、燃料油、焦炭和原煤四种主要能源分类，根据不同能源的全球平均土地产出率系数，计算1978-2010年的上海市分账户能源足迹并加总，作为上海市的人均能源足迹。测算的结果见图2。
上海市人均能源足迹的变化趋势可以归纳为：①人均
能源消费足迹存在阶段性特征。20世纪80年代至90年代初逐步增加，90年代中后期平稳下降，近5年有所上升。②人均能源足迹的构成发生了变化，由原煤足迹为主，逐渐向以焦炭为主、燃料油减少、电力增加的能源足迹结构转变。③电力的全球平均土地产出率系数比原煤高，此类能源消耗所占比例越多，人均能源足迹的数值越小。研究期内，上海市四种主要能源消耗中，只有电力消耗量保持持续上升，随着能源消耗结构的进一步转变，电力足迹将会继续增加。
22 能源消耗弹性系数（ECEC）的计算
能源消费弹性系数代表人类对生态系统产生消极作用的负行为，说明人类经济社会发展过程中由于生产生活的能源消耗，给生态系统带来的负面影响程度。根据上海市统计年鉴，以1978-2010为研究期间，计算能源消耗弹性系数（见图3）。
研究期间，上海市能源消耗弹性系数呈现周期波动趋势，表现出明显的阶段性特征：①改革开放之初，能源消耗弹性系数小于1，能源消耗的增长速度慢于经济增长速度；②20世纪80年代中后期至90年代初期，能源消耗弹性系数多次大于1，我国经济增长对能源消耗的依赖最为显著。特别是1986年，能源消耗系数为205，说明GDP增加1个百分点，需要增加2个百分点的能源消耗；③90年代中后期，伴随着经济的快速增长（平均增速1257%），能源消耗的增长速度持续下降（平均增速443%），能源消耗弹性系数平稳下降；④2000年以后，由于经济增长速度逐步放缓，能源消耗弹性系数呈现上升趋势。
23 环保投资弹性系数（ECEI）的计算
环保投资弹性系数代表人类对生态系统产生积极作用的正行为，说明人类经济社会发展过程中由于环境保护和污染治理，给生态系统带来的正面影响程度。由于我国对环保投资在统计口径上的数据收集较晚，选取1996-2010年作为研究期间，计算环保投资弹性系数（见图4）。
研究期间，上海市大部分年份的环保投资弹性系数大于1，相比于经济增长的速度，环保投资的增长速度更快。但是，环保投资弹性系数的数值越来越小，从1996年的367，即GDP增长1个百分点，环保投资增加367个百分点，到2010年的103，可以看出，上海市用于环境保护的资金投入的实际增长速率是下降的。这与上海市逐渐调整产业结构有着密不可分的关系，通过产业升级将资源消耗和环境破坏的落后产业转移或淘汰，是造成主要用作污染治理费用的环保投资增长速度放缓的可能原因之一；但对比同时期能源消耗弹性系数的增加趋势，不能排除城市在经济发展中过早享用环境改善的红利，忽视或减少对环境保护的持续投资，采用加大能源的消耗拉动经济的快速增长的可能性，迫切需要引起高度的重视。
3 上海市Percapita EEF、ECEC和ECEI的灰色系统分析
31 灰色关联度
灰色系统分析用灰色关联度来描述系统要素间关系的强弱、大小和次序，从而分清主导要素和潜在要素，分清优势和劣势，为分析评价系统发展提供相关的信息。灰色关联度反映两个系统或系统内各要素间变化的方向和速度的关联程度。如果样本数据反映出两要素变化的发展态势基本一致，则关联度大，表明该要素是系统发展的主要影响因子；关联度小，说明系统发展不受或少受此要素影响[24-25]。
根据前文分析，以人均能源足迹代表生态系统的阈值变化，研究人类行为对生态系统的作用方式和影响程度，组成一个母要素Y0（t）（参考数列）。
Y0（t）的样本值：Y0（t）={ y0（1），y0（2），…，y0（t）}，t=1，2，…，n （n为时间序列个数）
以“环保投资弹性系数”代表人类对生态系统产生积极影响的正行为，以“能源消费弹性系数”代表人类对生态系统施加干预的负行为，组成两个子要素Yi（t）（比较数列）。
Y1（t）的样本值：Y1（t）={y1（1），y1（2），…，y1（t）}，Y2（t）的样本值Y2（t）={y2（1），y2（2），…，y2（t）}。
能源消费弹性系数与人均生态足迹是正向变动的，能源消费弹性系数越大，对能源的使用数量和速度越高，对生态系统的占用也越大，即人均能源生态足迹越大。需要注意的是，环境保护作为人类干预生态系统的积极影响，随其数量的增加，通常会给生态系统带来正面的作用。也就是说，环保投资的越多，生态系统的承载能力趋向改善，人类能源消耗占用的生态足迹相应地减少，即环保投资弹性系数与人均能源足迹之间是反向变化趋势。故在灰色关联度计算中，需要对环保投资弹性系数取倒数进行研究，才能科学地考察数据之间的相关关系和经济社会发展中的实际意义。
将原始数据进行无量纲处理，以减少随机要素的干扰。设X0（t），Xi（t）分别为经过无量纲均值化处理的母要素和子要素的样本值，表示为：
X0（t）={x0（1），x0（2），…，x0（t）}，Xi（t）= {xi（1），xi（2），…，xi（t）}；t=1，2，…，n， i=1，2。
X0（t）与Xi（t）在第t点的关联系数可以由公式（1）计算。
ξ0i（t）=minimint|x0（t）-xi（t）|+ρmaximaxt|x0（t）-xi（t）|
|x0（t）-xi（t）|+ρmaximaxt|x0（t）-xi（t）|
（1）
式中|x0（t）-xi（t）|=Δi（t）成为第t点X0（t）与Xi（t）；mint|x0（t）-xi（t）|为第1级最小差； minimint|x0（t）-xi（t）|为第2级最小差；maximaxt|x0（t）-xi（t）|为两级最大差；ρ∈（0，1），为分辩系数，通常取ρ=0.5。
用公式（2）计算灰色关联度。
γ0i=1n∑ni=1ξ0i（t）（2）
32 人均能源足迹X0（t）与能源消耗弹性系数X1（t）的灰色关联分析
1978-2010年期间，将所有能源消费折算为标准煤后得到的单一帐户人均能源足迹与能源消耗弹性系数之间的灰色关联系数为0710 3，两个因素的变化方向相同，趋势基本一致，有密切的相关关系。事实上，能源消耗弹性系数体现着能源消耗的速度领先或落后于经济增长的速度，是相对指标，能源消耗弹性系数越大，经济增长对能源的依赖程度越高，势必会导致人均能源足迹的生态占用越大。
按照原煤、焦炭、燃料油和电力等4类上海市工业企业主要消耗的能源种类，建立人均能源足迹帐户，构成上海市的人均能源足迹与能源消费弹性系数的灰色关联矩阵（见表1）。
1978-2010年期间，上海市人均能源足迹与能源消费弹性系数之间的灰色关联系数为0603 9。由于燃料油和电力的全球平均土地产出率系数比原煤高，在分帐户人均能源足迹的计算和汇总过程中，这两类能源消耗所占比例越多，相比单一帐户，人均能源足迹的数值越小，对应地，与能源消耗弹性系数的关联度也会偏小。根据表1，对上海市人均能源足迹影响最大的是原煤足迹（0904 5），其次为焦炭（0892 0），电力最小（0654 8）。研究期内，上海市能源消费结构以原煤消耗为主，而原煤的全球平均土地产出率最低，为55 GJ/hm2，以原煤消费为主的能源结构导致人类经济社会发展对生态系统的资源占用较大。与能源消费弹性系数的关联度最为密切的能源足迹为电力足迹（0739 0），是与能源消费弹性系数变化趋势最相似的，对其影响最显著的能源消费类型，说明电力消费是拉动上海市能源消费增长的最主要因素和推进经济增长的最依赖能源。
33 人均能源足迹X0（t）与环保投资弹性系数X2（t）的灰色关联分析
1996-2010年期间，将所有能源消费折算为标准煤后算得到的单一帐户人均能源足迹与环保投资弹性系数之间的灰色关联系数为0667 1。由于对环保投资弹性系数采用取倒数计算灰色关联度，结果说明环保投资弹性系数与人均能源足迹两个因素的变化方向相反，即环保投资弹性系数越大，人均能源足迹的生态占用越小，加快环保投资对能源消耗的减少起了一定的作用（见表2）。
1996-2010年期间，分帐户的人均能源足迹与环保投资弹性系数之间的灰色关联系数为0638 7。将表2和表1对比分析发现，上海市的人均能源足迹构成发生了一定的变化，对其影响最大的是焦炭足迹（0948 8），其次为原煤足迹（0931 3），电力足迹最小（0702 7）。人均能源足迹与各能源足迹的关联度均大于1978-2010年时间尺度下的数值，说明人均能源足迹与各能源足迹的变化趋势更加一致，相互关联更加密切。焦炭取代原煤成为与人均能源足迹变化趋势一致性最显著的能源种类，随着能源消耗结构的转变，电力足迹将会进一步增加。与环保投资弹性系数变化趋势最相似、关联最密切的能源消费类型是电力足迹（0685 3），由于对环保投资弹性系数取倒数计算灰色关联度，说明环保投资增长越快，电力消耗的生态占用越小，电力是上海市环境保护和污染治理投入产出效率最高的能源种类。
34 X0（t）与X1（t）、X2（t）的灰色关联分析
以人均能源足迹X0（t）作为参考数列，以能源消费弹性系数X1（t）和环保投资弹性系数X2（t）组成比较数列，通过灰色关联系数，可以反映生态系统和人类行为系统内各要素间变化的趋势，从而找到影响生态系统发展的主要因素（见表3）。
根据表3，人均能源足迹与能源消耗弹性系数的关联度均大于其与环保投资弹性系数的关联度，这说明，与生态系统的变化趋势更为一致的行为系统因素是能源消耗。能源消耗比环境保护对生态阈值和承载能力的影响更为显著，是影响生态系统可持续发展的主要因素。
目前，中国的环保投资主要用于环境污染治理，属于典型的“终端治理”模式和“事后控制”策略，由于环保投资作用于生态系统的路径长、层次多、时间滞后和传导损耗等原因，虽然会对生态环境的改善产生积极的作用，但直接影响有限。
4 结论与讨论
通过选取“环境保护”代表人类对生态系统产生积极影响的正行为，“能源消耗”代表人类对生态系统施加干预的负行为，人均能源足迹代表生态系统的阈值变化，研究生态系统和人类行为系统的相互作用关系和影响程度，可以得出以下结论：
（1）生态阈值和人类行为之间的相互影响关系是确实存在的。生态系统的承载能力受到人类各种行为的影响。虽然生态承载力在一定时间内处于相对稳态，但通过灰色关联度的分析表明，无论是人类对生态系统的污染、破坏和消耗，还是对于环境的保护、治理和恢复，都会引起生态系统承载力的动态变化。
（2）人类生产生活中的资源消耗对生态系统的作用是直接而显著的，生态系统可持续发展能力的提高，受到人类积极行为（环境保护）增加的影响较弱，直接减少人类的消极行为（能源消耗）是约束人类行为有效率的方式。保护环境和恢复生态健康有效的方式是从根本上减少资源的消耗数量和消费速度，从这个意义上，“节能”的效果大于“减排”。
（3）进入21世纪以来，上海市的能源消费总体呈现加速趋势，环境保护资金投入的实际增长却放缓，而人均能源消费足迹有所增加。城市发展过程中，特别是在产业结构升级期间，经济快速增长需要新的动力源，可能导致对环境保护的持续投资减少，对能源消耗依赖性增强的粗放式发展模式很可能卷土重来，削弱甚至威胁生态系统可持续能力。
（4）上海市人均能源足迹的各种能源种类中，电力足迹与能源消费弹性系数和环保投资弹性系数的变化趋势最相似，关联度最高，相互影响最显著。电力既是上海市能源消费增长的最主要因素，也是环境保护的资金投入产出效率最高的能源。目前，上海市人均能源足迹构成中电力足迹所占的比重最小，增加电力消耗以代替原煤等初级能源是上海市能源结构调整和环境保护的方向。 （5）人类行为对生态环境的影响复杂而深远，正、负行为的内容、判断标准及其影响范围难以简单界定。有些负行为的影响是显性的，可以即时发现并约束；更多的影响则是隐性的，需要经过较长的时间，经过复杂的路径作用到生态系统中。而环境保护的资金投入、技术创新和政策导向等积极行为对生态系统的影响效率，也缺乏有效的评估机制。同时，国家和各级政府的环保支出便于统计，而公共组织、企业和个人的行为对生态系统的影响缺乏基础数据收集和统计调查，使得一些环保公共政策的实施效果缺少科学的预测。构建完善的国家、地区、部门和企业环境投入产出核算体系，为约束人类行为、制定生态管理公共政策提供科学的、量化的方法和依据。
（编辑：王爱萍）
参考文献（References）
[1]刘惠敏，韩传峰 区域生态可持续评价[J] 自然灾害学报，2006， 15（4）：112-116 [Liu Huimin， Han Chuanfeng Evaluation of Regional Ecological Sustainability[J] Journal of Natural Disasters， 2006， 15（4）：112-116]
[2]Wackernagel M，Rees W E Perceptual and Structural Barriers to Investing in Natural Capital： Economics from an Ecological Footprint Perspective[J] Ecological Economics， 1997，20：3-24
[3]蒋依依，王仰麟，等 城市生态可持续发展量度方法探讨：以深圳市为例[J] 北京大学学报：自然科学版，2005， 41 （4）： 612-621 [Jiang Yiyi， Wang Yanglin， et al Measuring Urban Ecological Sustainability：A Case Study in Shenzhen City[J] Acta Scicentiarum Naturalum Universitis Pekinesis 2005， 41 （4）： 612-621]
[4]韩传峰，刘惠敏，陈建业山东半岛城市群生态系统安全评价[J]自然灾害学报， 2005， 14（5）： 49-54 [Han Chuanfeng， Liu Huimin， Chen Jianye Security Evaluation on Ecological System of City Group in Shandong Peninsula[J] Journal of Natural Disasters， 2005， 14（5）： 49-54]
[5]Petrosillo I， Zaccarelli N The Effectiveness of Different Conservation Policies on the Security of Natural Capital Landscape and Urban Planning[J] 2009， 89 （1-2）： 49-56
[6]Huang G H， Qin X S An Optimisationbased Environmental Decision Support System for Sustainable Development in a Rural Area in China[J] Civil Engineering and Environmental Systems， 2009， 26（1）： 65-83
[7]叶笃正，吕建华 对未来全球变化影响的适应和可持续发展[J] 中国科学院院刊，2000，（3）：183-187 [Ye Duzheng， Lv Jianhua Adaptation to the Future Global Change Effects and Sustainable Development[J] Bulletin of the Chinese Academy of Sciences， 2000，（3）：183-187]
[8]叶笃正，符淙斌，季劲钧，等 有序人类活动与生存环境[J] 地球科学进展，2001，16 （4）：453-460 [Ye Duzheng， Fu Congbin， Ji Jinjun， et al Orderly Human Activities and Subsistence Environment[J] Advance in Earth Sciences， 2001，16 （4）：453-460]
[9]IPPC. Climate Change [M] Cambridge： Cambridge University Press， 2007
[10]Shobhakar Dhakal. Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications[J] Energy Policy，2009，（37）：4208-4219
[11]陈诗一 能源消耗、二氧化碳排放与中国工业的可持续发展[J]经济研究，2009，（4）： 41-55 [Chen Shiyi Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry[J] Economic Research Journal， 2009，（4）： 41-55] [12]龚健健，沈可挺中国高耗能产业及其环境污染的区域分布：基于省际动态面板数据的分析[J]数量经济技术经济研究， 2011，（2）：20-36 [Gong Jianjian， Shen Keting Regional Distribution and Environment Pollution of Energyintensive Industries in China [J] Journal of Quantitative & Technical Economics， 2011，（2）：20-36]
[13]Jumbec C Cointegration and Causality between Electricity Consumption and GDP： Empirical Evidence from Malawi[J] Energy Economics，2004，（26）：61-68
[14]Masih A M M， Masih R Energy Consumption， Real Income and Temporal Causality： Results from a Multicountry Study based on Cointegration and Errorcorrection Modeling Techniques[J] Energy Economics， 1996， （18）：165-183
[15]逯元堂，王金南，吴舜泽，等 中国环保投资统计指标与方法分析[J] 中国人口·资源与环境， 2010， 20（5）：96-99 [Lu Yuantang， Wang Jinnan， Wu Shunze， et al An Analysis on Statistical Indicators and Methodology of Environmental Investments in China[J] China Population，Resources and Environment， 2010， 20（5）：96-99]
[16]Wackernagel M， Monfreda C， Schulz N B， et al Calculating National and Global Ecological Footprint Time Series： Resolving Concep Tual Challenges[J] Land Use Policy， 2004， 21 （3） ： 271-278
[17]Sanderson E， Jaiteh M， Levy M， et al The Human Footprint and the Last of the Wild[J] BioScience， 2002， 52 （10）： 891-904
[18]Liu M， Hu Y M， Li Y H， et al Ecological Footprint Model and Its Research Advances[J] Chinese Journal of Ecology， 2006， 25 （3）： 334-339
[19]WWF. Zoological Society of London. Global Footprint Network[EB/OL] Living Planet Report 2006 http： / /www panda org/ news_facts/ publications / living _planet_report / indexCfm
[20]Xu Z M， Cheng G D， Zhang Z Q A Resolution to the Conception of Ecological Footprint[J] Chinese Journal of Population， Resources and Environment， 2006， 16 （6）： 69-78
[21]Haberl H， Erb K H， Krausmann F How to Calculate and Interpret Ecological Footprints for Long Periods of Time： The Case of Austria 1926-1995[J]Ecological Economics， 2001， 38 （1）： 25-45
[22]Steglehner G Ecological Footprint： A Tool for Assessing Sustainable Energy Supplies[J] Journal of Cleaner Production， 2003， （11）： 267-277
[23]Wackernagel M， Moran D， White S， et al Ecological Footprint Accounts for Advancing Sustainability： Measuring Human Demands on Nature[A]. Lawn Peds Sustainable Development Indicators in Ecological Economics[C] USA： Edward Elgar Publishing， Inc， 2006： 247-267
[24]Deng Julong Introduction to Grey Mathematical Resorece Science [M]Wuhan： Huazhong University of Science & Technology Press， 2010 [25]罗党，刘思峰 灰色关联决策方法研究[J]中国管理科学， 2005，（1）：101-106 [Luo Dang， Liu Sifeng Study on the Method for Grey Incidence DecisionMaking[J] Chinese Journal of Management Science 2005，（1）：101-106]
[26]李岚红.论我国基于能源消费的产业结构调整[J].山东师范大学学报：人文社会科学版，2010，（2）：135-139.[Li Lanhong. The Theory of Adjustment of Chinas Industrial Structure in Aspect of Energy Consumption[J]. Journal of Shandong Normal University： Humanities and Social Sciences， 2010，（2）：135-139.]
[27]包玉香.高效生态经济与低碳能力建设的耦合作用机制研究[J].山东师范大学学报：人文社会科学版，2012，（2）：86-93.[Bao Yuxiang. Study on the Coupling Mechanism between High Efficient Ecological Economy and Capacity Building of Low Carbon Economy [J]. Journal of Shandong Normal University： Humanities and Social Sciences Edition， 2012， （2）：86-93.]
[28]严立冬，陈光炬.生态资本构成要素解析：基于生态经济学文献的综述[J]中南财经政法大学学报，2010，（5）：3-9.[Yan Lidong， Chen Guangju. Analysis the Elements of Ecological Capitalization：Based on the Literature Review of Ecological Economics[J]. Journal of Zhongnan University of Economics and Law， 2010，（5）：3-9.]
Grey System Analysis of Energy Consumption， Environmental Protection and Ecological Footprint
LIU Huimin
（School of Economics and Management，Tongji University，Shanghai 200092，China）
Abstract
Human behavior has both positive and negative impacts on ecosystem To study the interaction between ecosystem and behavior system， percapita energy ecological footprint （percapita EEF） is selected as the indicator of ecosystem threshold The composition consists of electricity， fuel oil， coke and coal Elasticity Coefficient of Environmental Investment （ECEI） and Elasticity Coefficient of Energy Consumption （ECEC） are respectively representing as the indicators of positive and negative human impact on ecosystem Grey correlation coefficients between ECEC， ECEI and Percapita EEF in Shanghai of China are calculated from 1978 to 2010 Results show that electricity footprint is the most important factor of energy consumption growth and the highest effective indicator of environmental capital inputoutput The conclusion is that negative behavior of resource consumption has a closer impact on the ecosystem than positive behavior of environmental protection From the perspective of environmental governing policy， “energysaving” is more effective than “emission reduction”. Reducing the negative activities is imminent in the current process of development
Key words energy ecological footprint； Elasticity Coefficient of Energy Consumption （ECEC）； Elasticity Coefficient of Environmental Investment （ECEI）； grey correlation coefficient
