日韩免费一区二区三区在线-日韩免费影院-日韩免费专区-日韩男女-福利片国产-福利片免费一区二区三区

原文信息

題目：中國省域凈碳匯效率時空演變及影響因素研究

作者：任悅寧，張建勛，董宏杰，董旭娟

期刊：《生態經濟》24年4期

摘要

提升凈碳匯效率是推動“雙碳”目標實現的重要途徑。論文采用超效率SBM模型測度2010-2020年中國30個省份的凈碳匯效率，分別運用空間自相關分析和地理探測器探究中國省域凈碳匯效率的時空演變及影響因素，研究表明：（1）中國凈碳匯效率整體呈現上升趨勢，但總值偏低且區域差異明顯，呈現西南及東北區域高、中部及東部沿海區域低的格局。（2）凈碳匯效率存在空間自相關性，高值區域主要集中在云南、黑龍江等區域，低值區域主要集中在天津、山東等區域。（3）城市化水平、工業污染治理和經濟發展產業結構是凈碳匯效率空間分異的影響因素，且多數因子交互作用后均產生非線性增強作用。建議根據各區域差異化特征通過調整產業結構、加強環境規制等方法以達到社會經濟低碳可持續發展。

關鍵詞

凈碳匯效率；時空演變；影響因素；地理探測器

全球氣候變暖問題日益嚴重，為防止未來氣候變化幅度超過自然生態系統和經濟社會發展所能承受的極限，造成不可逆轉的后果，全球展開了關于低碳環境保護的研究（IPCC2018）[1]。中國為建立健全綠色低碳循環發展經濟體系在七十五屆聯合國大會上正式提出碳達峰、碳中和目標，其中如何兼顧經濟發展與低碳目標是中國作為發展中國家重要的研究問題之一。

為兼顧經濟發展和低碳目標，國內學者在構建模型計算碳源/碳匯總量和探析不同區域碳源/碳匯時空特征的基礎上，進一步對碳排放脫鉤關系、碳效率、凈碳匯效率等內容進行研究。碳排放脫鉤關系的研究從縣域[2]、旅游業[3]、土地利用[4]等不同層面剖析中國碳排放與經濟發展之間的關系，引導差異化控碳以實現碳中和目標。碳效率研究從國家、區域[5-6]、城市[7-8]、產業[9]等不同層面使用非徑向模型進行低碳經濟可持續發展評價，并將得到的評價結果使用空間計量模型等多種方法探究時空格局演變及影響因素[8]，以平衡經濟發展與環境保護。凈碳匯效率可以被理解為一種以較少的勞動資本投入和最小的環境代價達到經濟效益最大的能力，即在投入產出不變的情況下，對環境的負面影響越小，則凈碳匯效率越高。凈碳匯效率相比較于碳效率的研究，在考慮碳排放的基礎上增加了碳匯變化的影響，全面分析城市經濟發展與生態環境之間的關系是否健康，對宏觀調整發展結構以實現碳中和具有重要的意義。

對于凈碳匯效率的研究，ZHANG等[10]從空間相關視角出發，使用空間計量模型分析地級市城市凈碳匯效率的影響因素，這種分析方法盡管能從整體上分析空間的相關性以及空間溢出效應，但是當分析的對象存在異質性特點時，容易將其異質性特點掩蓋，導致結果被混合效應干擾[11]。因此，本文考慮異質性特征，對中國省級區域凈碳匯效率進行宏觀研究，直觀地展現經濟發展效率現狀及其演變特征，分析不同因素對凈碳匯效率的區域異質性影響，以便能夠合理地配置資源，為各省實現低碳可持續發展提供區域政策參考。

1數據和方法

1.1研究區域與數據來源

1.1.1研究區域

中國按照省、自治區、直轄市將全國劃分為34個省級行政單位，由于西藏自治區能源統計數據的缺失，以及臺灣、香港、澳門地區面板數據的缺失，選取除這4個區域外的30個省份作為研究區域進行分析。

1.1.2數據來源

采用2010-2020年中國30個省份的面板數據對凈碳匯效率進行測算，在此基礎上使用空間相關分析法分析凈碳匯效率的空間格局，結合地理探測器探究凈碳匯效率的影響因素。研究過程中共用到遙感、面板、行政邊界三類數據，具體如表1所示。

1.1.3變量計算

（1）碳排放。各省份碳排放計量依據IPCC2006核算清單推薦的方法，數據采用歷年《中國能源統計年鑒》中的地區能源平衡表。終端能源消費量包括27種化石能源和電力、熱力消費數據，并選擇合適的碳排放因子進行計算，公式為：

式中：CE代表省份所有能源消耗碳排放量；i表示能源類型；ADi表示活動數據，即第i種能源的消耗量，百萬噸；EFi表示第i種化石燃料的排放因子。本文采用的能源排放系數參考IPCC收錄的各種燃料的CO2排放系數[13]，熱力排放系數的選取參考范鳳巖[14]的研究，電力碳排放因子調整為最新的0.5810噸二氧化碳/兆瓦時[15]，其他能源碳排放因子參考陶東[16]的研究。

（2）碳匯。碳匯測算使用植被凈初級生產力NPP數據，來源于美國國家航空航天局NASA的MOD17A3HGF年度全球500米產品（網址為https://ladsweb.modaps.eosdis.nasa.gov/），通過MOD12Q1和MOD15A2兩個上級數據輸入得到[17]。算法通過讀取MOD12Q1獲取土地覆蓋類型（圖1），讀取MOD15A2H獲得葉面積指數（leafareaindex）和光合有效輻射分數（fraction of absorbed photosynthetically active radiation），并輸入氣候數據，計算以8天為單位的MOD17A2（MOD17算法假設FPAR和LAI在給定的8天內沒有變化），每年年底由8天的MOD17A2計算MOD17A3。

使用ArcGIS 10.8對MODIS數據進行處理和計算，得到NPP數據。通過研究MOD17A3HGF的算法，數據無效值區域被識別為常年冰雪、貧瘠、稀疏的植物（巖石、苔原、沙漠），根據數據無效值區域的性質和占研究區域的比例，認為其缺失值對研究整體碳匯時空變化影響較小，因此忽略數據無效值部分進行分析。

（3）凈碳匯效率。在計算碳排放、碳匯的基礎上，使用超效率SBM模型對各省份的凈碳匯效率進行測度，通過設置投入、期望產出、不良產出構建模型[18]。選擇勞動力、資本和能源作為投入要素，確定國民經濟生產總值GDP和碳匯量作為理想的產出要素，將二氧化碳排放量作為不良的產出搭建模型，如表2所示。

1.2研究方法

1.2.1超效率SBM模型

由于考慮非期望產出的超效率SBM模型（Slack Based Model）對凈碳匯效率的測度能夠考慮松弛變量和不良產出，并且產生的效率值會超過1，克服了以往有效單位效率值為1時無法比較的缺陷[19]，故使用超效率SBM模型測度凈碳匯效率，公式如下：

式中：中國凈碳匯效率的決策單元DMU為n個，其中投入變量為x，期望產出為y以及非期望產出為z；s-、sg、sb分別為投入、期望產出和非期望產出的松弛變量。

1.2.2空間相關分析

空間自相關模型作為地理學和統計學知識融合的模型，能夠分析空間上是否存在一定的關系，可用于分析凈碳匯效率的時空特征。本文基于ArcGIS 10.8通過莫蘭指數衡量全局空間自相關：當Moran’s I為正數時，表示在空間上呈集聚分布；當Moran’s I為負數時，表示在空間上呈分散分布。使用聚類與異常值分析測度凈碳匯效率在局部空間上的集聚和分散情況。冷熱點分析Getis-Ord Gi*能夠進一步識別空間分布時集聚、分散或是隨機的，通過冷熱點分析能夠識別省域凈碳匯效率熱點與冷點的空間分布，Gi*(d)值為正表示高值集聚，即“熱點區”；反之為低值集聚，即“冷點區”。

1.2.3地理探測器

WANG等[20-21]提出地理探測器這一探測空間分異的方法，能夠探索自變量及因變量在空間分布上的相似性，并且能夠分析兩因子之間的相互作用關系，以及作用關系的強弱。由于凈碳匯效率影響因素的內生性和共線性問題嚴重，使用該方法的優勢在于其原理保證了其對多自變量的共線性免疫。因子探測主要分析不同影響因素對研究區域凈碳匯效率空間格局的解釋程度[22-23]。計算公式如下：

式中：q為影響要素對凈碳匯效率的解釋程度；n、σ2分別表示樣本總量和方差；nh、σh分別表示第h層（h=1，2，…，L）的樣本量和樣本方差。q的取值范圍為[0，1]，值越接近1意味著該因子對省域凈碳匯效率的影響越大，反之越弱。

2凈碳匯效率時空演變特征

2.1碳源、碳匯及凈碳匯效率總體特征

在計算碳排放量、碳匯量基礎上測度凈碳匯效率，分別對三者總量變化及時空分布特征進行分析，并探究三者的時空變化特征是否具有一定的關聯性[24]。

2010-2020年中國碳排放總量呈現波動上升趨勢，碳排放總量從8361.44百萬噸上升至12001.60百萬噸，增長率為43.53%，具體表現為：2010-2014年碳排放量增長較快；2014-2016年，碳排放量增速減緩且出現下降趨勢；2016-2020年，碳排放量增速加快并持續增長[25-28]。2010-2020年中國碳匯總量呈現波動上升趨勢，碳匯量從3330.07百萬噸上升至3659.08百萬噸，增長了9.88%，具體表現為：2010-2013年，碳匯總量呈現增長趨勢；2013-2017年，碳匯總量較為穩定，基本保持不變；2017-2020年，碳匯總量波動上升[29-30]?？傮w來說全國碳匯總量增長相較于碳排放總量較為緩慢（圖2）。

在碳排放與碳匯計算基礎上結合社會經濟數據，利用考慮非期望產出的超效率SBM模型，并借助MaxDEA軟件測算全國30個省份2010-2020年的凈碳匯效率。根據結果（圖3）可知：中國凈碳匯效率值總體偏低，區域差異性明顯，呈現凈碳匯效率西南及東北區域高，中間偏東區域低的格局（以中國人口地理界限為軸，兩端高中間低）；青海、云南、黑龍江、內蒙古、四川、福建、海南（高值＞0.55）屬于全國凈碳匯效率的高值區域，天津、山東、江蘇、河北、寧夏、浙江、河南（低值＜0.3）屬于全國凈碳匯效率的低值區域。

2010-2020年凈碳匯效率整體處于上升趨勢。其中：浙江、山東、廣西、海南、新疆呈現明顯的下降趨勢；天津、山西等中國人口地理界限的東側中部多個省份呈現明顯的上升趨勢，屬于人口較多、人口密度較大區域，可以側面說明人的主觀能動性對凈碳匯效率存在影響，通過宏觀調控人的行為活動可以提升凈碳匯效率；而其余省份的變化趨勢不顯著（圖4）。

分析碳源/碳匯和凈碳匯效率時空特征（圖3）可以發現，凈碳匯效率的低值分布與碳排放量的高值分布相似，而凈碳匯效率的高值分布與碳匯水平的高值分布相似，通過宏觀調整各影響因素控制碳排放量與碳匯量直接影響凈碳匯效率。因此改善生態環境和減少固定人口基數下人們必要活動產生的碳排放，對凈碳匯效率的影響較為有限；而社會發展等由人力形成的要素影響作用較大，因此人口密度較高地區對生態環境影響較多，效率值相對較低且人口密度較大的東中部地區具有較高的提升空間。

2.2凈碳匯效率空間格局分析

2.2.1空間總體格局

使用ArcGIS 10.8對中國省域凈碳匯效率空間特征進行空間自相關分析，采用全局莫蘭指數刻畫凈碳匯效率的空間相關性。2010-2018年凈碳匯效率呈現顯著的空間自相關性，Moran’s I指數均大于零且在95%的水平上通過顯著性檢驗，指數波動較?。▓D5）。但是，2019-2020年莫蘭指數呈現負數。猜測導致2019年和2020年空間自相關分析異常是由于北京、上海兩個地區凈碳匯效率在2019-2020年突然增高，經檢驗，若北京、上海兩地數據保持之前數值，莫蘭指數降低，但空間上仍然存在集聚特征。通過分析北京、上海投入產出指標可以發現，變化較為明顯的指標是GDP的增長、二氧化碳排放的降低以及碳匯水平保持在較高水平，可以發現最大經濟增長的同時保證高水平的碳匯量以及較低的碳排放量，凈碳匯效率就會顯著增高。

通過計算平均凈碳匯效率（表3）可知，2010-2012年凈碳匯效率呈現降低趨勢；2012-2017年基本沒有發生變化，處于平穩狀態；2017-2020年呈現持續增長趨勢。平均凈碳匯效率與凈碳匯效率的空間集聚程度出現負相關的現象，凈碳匯效率升高莫蘭指數降低，凈碳匯效率降低莫蘭指數升高。猜測凈碳匯效率的高低與自然環境和社會發展息息相關，但是通過政策推出、工業污染治理、節能環保支出、產業結構等要素的調整，不同區域可以提升凈碳匯效率，此時隨著凈碳匯效率的提升，空間集聚效應將會減弱。

2.2.2空間集聚特征

使用ArcGIS 10.8對省級區域凈碳匯效率進行高/低聚類分析，可得區域凈碳匯效率存在低聚類模式。在此基礎上進行熱點分析（Getis-Ord Gi*），通過冷熱點的空間分布可以看出，凈碳匯效率值冷點集聚于中國的東部地區，即以北京為中心的京津冀“首都經濟圈”（即北京、天津、河北等地）與以上海為中心的“長江三角洲經濟帶”（即上海、江蘇、浙江等地）。凈碳匯效率熱點集聚于云南、海南等地，分為兩種類型，一種是人口密度低的人稀地廣區域，如新疆、青海；另一種是碳匯能力強且城市化水平較低的區域，如四川、貴州、云南。

通過冷熱點的時序變化（圖6）發現，2010-2020年中國凈碳匯效率值的冷熱點集聚程度逐漸下降。2010-2020年凈碳匯效率值冷點區域從集聚區域北側開始一直減少，到2020年冷點以河南、安徽為中心呈現集聚特征。2010-2015年凈碳匯效率值熱點從新疆、四川消失，演變為云南、貴州、廣西等地分布的格局，2015-2020年熱點逐漸消失。全國凈碳匯效率整體呈現提升狀態，低值省份逐漸減少。

如圖7所示，在凈碳匯效率全局自相關分析的基礎上，進行空間聚類與異常值分析（Anselin Local Moran’s I）發現：2010-2020年中國省域凈碳匯效率存在顯著的空間自相關關系，變化不明顯，高-低集聚和低-低集聚是主要的局部空間自相關類型，另外也存在高-高集聚類型。高-低集聚主要存在于中國的北部地區，如內蒙古、陜西等省份；低-低集聚存在于中國的東部地區，以北京、上海為中心的周邊省份，如河北、山西、河南、山東、安徽、江蘇、浙江等省份。高-高集聚現象多存在于中國的西部地區，如四川、云南、貴州等省份。高-低集聚和低-低集聚區域基本沒有變化，而高-高集聚由新疆轉向四川等地后又出現在新疆，變化不穩定。

西南地區城市化水平較低，建成區域占比較少，綠化覆蓋植物固碳能力較強，且能源消費結構較為清潔，制造工業的集聚程度較低使得該地區的凈碳匯效率較高。而東部地區城市建設水平一方面擠占了植物生長空間，降低了植物固碳水平，另一方面二、三產業的發展能源消耗高、排放強度大，使得東部地區成為低-低集聚的集中區域。西部地區凈碳匯效率較低，該區域碳匯水平一般，碳排放相對較高，能源消費水平隨著城市發展得到較大提高，但能源利用和降碳技術的改進相對發達地區具有滯后性，在一定時期內碳排放水平突破路徑依賴的瓶頸具有難度。

3凈碳匯效率影響因素分析

3.1凈碳匯效率影響因素選取

既有研究從城市化發展[31-39]、環境規制[40-42]等方面對碳效率進行研究，其中對于經濟產業結構的研究次數最多，經濟發展水平、社會投資水平、城市建設情況和科學技術進步均是研究關注的重要內容，此外，人口城市化率、人口密度、勞動產業結構、工業污染治理、科學技術投資也是研究關注的內容，少數研究者關注到交通水平影響人們的生活生產效率。

為全面分析不同要素對凈碳匯效率的影響，結合既有研究選取以下變量作為中國凈碳匯效率的潛在影響因素（表4）。

依據要素性質及其屬性從城市發展水平、產業結構現狀、金融投資水平和技術發展情況4個維度進行分析。其中對于經濟產業結構的分析與多數已有研究不同，并非單一使用第二產業經濟比值進行研究，而是采用第三產業產值與第二產業產值的比值表征經濟產業結構，并分析產業結構調整對凈碳匯效率的影響。

3.2凈碳匯效率影響因素分析

在我國省域凈碳匯效率空間分異及空間集聚特征的基礎上，使用地理探測器的因子探測與雙因子交互探測，識別影響凈碳匯效率的主導因素以及分析雙因子交互區域差異化影響作用。使用ArcGIS 10.8中提供的自然間斷點分級法，將選取的12個影響因素指標進行數據離散化處理，均分為5個層級，并運用地理探測器方法計算，探究其影響強度及影響的空間異質性特征。

3.2.1主導因素識別

通過地理探測器的因子探測分析這些因素，判斷其對凈碳匯效率是否存在影響，其中q值代表自變量X對屬性Y的解釋能力，q值越大表示X對Y的解釋力越強，反之則越弱。首先針對2010年、2015年、2020年凈碳匯效率的影響因素均進行因子探測分析，12個因素均通過5%的顯著性檢驗，可以看出凈碳匯效率的主要影響因素雖然個別順序調整但是基本沒有發生改變，因此進一步細致地分析采用最新2020年的數據。

通過數據整理得出，q值大于0.1的有9個影響因素，影響程度從大到小依次為X1＞X10＞X6＞X5＞X7＞X2＞X12＞X11＞X4，如表5所示。

影響程度最高的因素是人口城市化率，即城市人口與總人口的比值，人口城市化率為30%-70%為城市化中期階段，多數省份均處于這個階段，城市化速度快，城市發展的同時工業化也在加速發展，工業能耗增加，隨著大量農村人口涌入城市，生活能耗也在不斷增加[27]；緊接著是工業污染治理，工業污染治理完成投資是凈碳匯效率提升的重要因素，提高工業污染治理投資可以減少產業發展時產生的二氧化碳；經濟發展產業結構，即第三產業GDP與第二產業GDP占比情況，其變化對發展與環境兩者關系具有直接影響作用，是凈碳匯效率的重要影響因素。社會投資水平、經濟發展水平、公共預算支出這3個因素q值較小，但均具有顯著性，是影響凈碳匯效率的因素之一。

3.2.2交互作用探測

交互探測用來識別不同影響因素之間的交互作用，評估兩個因子共同作用是否增強對凈碳匯效率的解釋力。通過計算兩個自變量對因變量的q值，兩自變量交互的q值，q值間相互比較，分為非線性減弱、單因子非線性增強、雙因子增強、獨立、非線性增強5種探測結果。

選用2020年的數據經過地理探測器交互探測后發現，各影響因素在凈碳匯效率空間格局的演化過程中存在交互作用，不同影響因素兩兩之間交互后的解釋力明顯增強，沒有出現減弱現象，且多數因子與其他空間因子相互疊加后會產生非線性增強作用，表明凈碳匯效率是多種因素共同作用的結果（圖8）。

其中，單因子解釋力最強的是人口城市化率（q=0.530），其次是工業污染治理（q=0.481），與其余因子交互后作用更強，說明凈碳匯效率空間格局主要受人口城市化率和工業污染治理與其他因子的共同作用。節能環保支出（q=0.063）、經濟產業結構（q=0.070）在單因子探測中影響力最弱，但是與其他因子交互作用后影響力呈現非線性增強；生活交通水平（q=0.299）單因子影響力一般，但與其余因子交互作用后影響力呈現非線性增強。說明節能環保支出與其他因素相互作用可以提高凈碳匯效率；經濟產業結構對社會經濟發展與碳排放類型起到重要影響作用，通過調整經濟產業結構能夠提高凈碳匯效率；生活交通水平能夠對人們生產生活起到促進作用，但是需要與城市經濟發展相匹配。節能環保支出和經濟產業結構交互（q=0.822），說明經濟產業結構和環保支出的合理安排可以高效地提高凈碳匯效率；經濟發展水平和人口城市化率交互（q=0.790），說明城市人口聚集城市促進經濟發展，造成生態環境變化以及污染排放，但單一的經濟發展水平對凈碳匯效率的影響并不顯著，而與城市化水平結合后，更能夠反映人類活動對環境的影響。

雙因子交互探測中城市化水平與工業污染治理的交互效應最大（q=0.895），因此，在城市發展的同時應該注重工業污染治理，才能實現工業可持續性發展；其次是經濟發展產業結構與外資強度（q=0.887）、經濟發展產業結構與科學技術投資（q=0.868），因此，需要調整產業結構的同時和外資強度與科學技術投資相結合，利用有效的資源實現可持續發展的效益最大化。

4結論與建議

4.1結論

本研究采用超效率SBM模型對中國30個省份的凈碳匯效率進行估算，從地理空間角度分析凈碳匯效率的時空分布特征，應用地理探測器研究影響凈碳匯效率的社會經濟因素及其相互作用，主要的研究結論如下所示。

（1）從時空變化上可以看出，中國碳排放總量與碳匯總量均在持續增長，碳匯總量增長速度較慢，碳排放總量增長速度較快，兩者增長速度相差較大，反映出多數省份經濟發展與環境保護的關系仍然在發展階段。2010-2020年全國凈碳匯效率整體處于上升趨勢，但總體偏低，并且區域差異性明顯，呈現凈碳匯效率西南及東北區域高，中間及東部沿海區域低的格局；熱點區域顯著減少，冷點區域減少并向南移動，主要集聚于河南、安徽等地。

（2）通過因子探測分析可以發現，城市化水平、工業污染治理、經濟發展產業結構、生活交通水平、從業人員產業結構、人口密度、科學技術進步、節能環保支出、城市建設情況、外資強度、經濟發展水平、科學技術投資12個因素均對凈碳匯效率具有解釋作用，其中，城市化水平、工業污染治理和經濟發展產業結構是凈碳匯效率空間分異的主要解釋因子，而外資強度、人均經濟發展水平和節能環保支出的空間分異解釋力最小。

（3）通過分析因素的相互作用發現，凈碳匯效率的提高是城市發展、產業結構、金融投資、技術進步等多種要素共同作用的結果，影響因素之間均存在雙因子交互作用增強效應，雙因子交互作用對凈碳匯效率的影響均大于單因子的影響，其中城市化水平與工業污染治理的交互效應最大，其次是經濟發展產業結構與外資強度、科學技術投資的交互效應。

不同地區因素的影響作用有一定的差異性，因此需要根據區域差異化特征制定發展計劃，提高政策和計劃的精準性和有效性，以實現碳中和目標。使用地理探測器分析影響因素對凈碳匯效率的交互影響，從碳排放及碳匯變化角度，結合碳排放控制潛力與碳匯增長潛力對省域層面碳中和發展進行宏觀的控制與調整，為實現科學可持續發展，提供有益參考。

4.2建議

以上對凈碳匯效率的研究可宏觀展現中國各省份經濟發展與環境保護之間的關系及可持續發展效益，為實現碳中和目標，凈碳匯效率的優化策略應該結合區域特征以及影響機制差異而有所側重，因此，根據凈碳匯效率的空間分異性提出差異化優化建議。

（1）加強對東中部地區的宏觀調控。根據凈碳匯效率的空間格局以及效率值特征可知，效率值相對較低且人口密度較大的東中部地區具有較高的提升空間，應該加強遼寧、河北、山東、江蘇、浙江等東中部地區對各要素的宏觀調控，保證要素之間相互協調，提升凈碳匯效率達成低碳發展的高效狀態。

（2）給予西南和東北區域更多的發展機會。凈碳匯效率提升最顯著的途徑是碳源和碳匯兩個方面同時作用，從碳匯的角度看，西南和東北區域碳匯總量高，凈碳匯效率較高且經濟不發達，最可能實現碳中和。中國中部和東部地區經濟發展速度較快，二氧化碳排放量持續增加，可以將更多的發展機會和發展空間向西南和東北區域如云南、黑龍江等轉移。

（3）合理利用產業結構調整和環境規制工具。產業結構和其他要素交互作用影響大，為有效提高凈碳匯效率，在促進產業結構升級的同時，與外資強度、科學技術投資配合調整，積極引導企業提升環保技術占創新投入的比值；采取差異化的環境規制工具，根據不同省份城市化水平調整工業污染治理水平，加大環境監管力度和鼓勵綠色創新。

本文從宏觀調控角度，通過分析影響因素的分層異質性探究各要素對凈碳匯效率的影響強度和交互影響效應，但是沒有細致地說明各因素怎樣協同調整才能達到最佳狀態，即經濟效益最大的情況下環境代價最小以及成本投入最小，其影響機理有待進一步深入研究。