生态安全最早由Lester ^[1]于1981年在《建设一个持续发展的社会》一书中定义为生物在生存发展过程中自身内部与外部环境协调、可持续的一种状态。1989年，国际应用系统分析所(IIASA)拓展了该理论，将其定义为在社会、自然交叉的复合系统中，人类自身生存发展、身体健康、基本权利等得到保障、不受威胁的状态即为生态安全^[2]。由此，学者们针对生态安全展开了多元化研究，而生态安全评价作为其中的研究热点颇受学者青睐^[3]。早期生态安全评价研究主要以评估生态损害程度为主，以美国环保局为代表的相关单位通过对部分遭遇环境污染或者其他生态损害问题的地区进行评估，并利用技术手段进行生态治理恢复，其研究方向、方式单一，不具有普适性^{[2, 4]}。随着相关理论、方法的丰富，研究呈现出宽领域、多尺度的特点，多以某一区域为核心，基于不同视角，对其间的城市、湖泊、流域等展开研究，其结果更具客观性，更能揭示问题本质核心^[4-6]。吴艳霞等^[7]基于Lotka-Volterra共生模型，以共生度来评判长江经济带生态安全；王文萱等^[8]利用综合权重物元法从空间格局演变视角对湖南省土地生态安全展开研究；崔馨月等^[9]以长三角城市群为研究对象，采用DPSIR模型、主成分分析法展开生态安全评价。梳理文献发现，既有研究集中于不同地域^[6-10]、不同视角(共生度^[7]、协调度等^[11])的生态安全评价研究，但缺少对生态安全影响因素以及影响因素间作用的分析，各种对策建议缺乏理论支撑，研究成果欠缺现实意义。因此，本文构建DPSIR生态安全指标体系，利用熵权-TOPSIS法对黄河流域生态安全现状进行评价，进一步利用BP-DEMATEL模型对影响因素展开分析，梳理其间关键因素，基于现状和关键因素制定针对性提升策略，以期丰富和拓展生态安全理论框架，同时推动黄河流域生态安全健康发展。

1 研究区概况、数据来源及研究方法 1.1 研究区概况及数据来源

黄河流域位于东经96°—119°、北纬32°—42°，流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东共9个省域，全长5 464 km，流域面积高达75 240 km²。然而作为我国重要的生态屏障以及能源基地，黄河流域整体发展相对滞后，产业结构以第二产业为主，第三产业所占比例低于全国平均水平；区域发展不协调，呈现东部发达、中部崛起、西部落后的态势，2020年山东生产总值为73 129亿元，占黄河流域整体生产总值的1/3；作为我国西北部连接东部沿海的生态走廊，生态损害极为严重，2020年水土流失面积高达26 270 km²，且人均水资源量不足600 m³。因此，对黄河流域生态安全展开研究，明晰黄河流域生态安全现状及关键因素，由此制定针对性的提升策略，有助于促进黄河流域高质量发展。

本研究数据来源于《中国统计年鉴》《黄河流域九省统计年鉴》和各地级市统计年鉴，同时利用插值法、随机森林以及拟合回归等对缺失数据进行插补，最终获得2011—2020年黄河流域9个省域的生态安全面板数据。

1.2 研究方法 1.2.1 研究设计

本文基于DPSIR模型构建指标体系，利用熵权-TPOSIS法计算生态安全指数，将DPSIR模型选取的各项指标数据作为BP-DEMATEL模型的输入层，将生态安全指数作为输出层，构建直接关联矩阵，最终计算得出生态安全关键因素，整体研究设计路线如图 1所示。

1.2.2 DPSIR模型构建生态安全指标体系

生态安全作为包含环境、经济、社会等多个要素的复合系统，单纯利用少量缺乏生态含义的指标无法对生态安全进行精准的量化分析，因此需要构建综合性、科学性的指标体系^[7]。1997年欧洲环境署提出的DPSIR〔driving(驱动力)；pressure(压力)；state(状态)；impact(影响)；response(响应)模型〕，兼具生态因素间的信息耦合以及生态演化的内在机理，能够灵活、清晰地描述生态安全现状^[12-15]，其运行逻辑如图 2所示。

驱动力(D)吸纳资源改善环境状态(S)，同时减轻生态压力(P)，由压力(P)导致的生态影响(I)会引起人类反思进而做出改善环境的积极响应(R)，由此改善环境状态(S)^{[8, 16]}。在相关学者研究基础上^{[10, 15-16]}，遵循科学性、可靠性、整体性和综合性原则，充分考虑黄河流域生态特征，结合指标生态内涵，选取了28个生态安全指标，并标号F₁，F₂，…，F₂₈，构建黄河流域生态安全指标体系(表 1)。①状态(S)表征生态环境的现实表象。城市人均道路、人均公园绿地面积可以表示出城市建设水平以及绿化状态。人均水资源量、空气质量优良率和突发环境次数则分别从可利用水资源、大气质量、环境稳定状态3个层面表示生态文明建设状况。②驱动力(D)表征能够改善生态环境的现实动力及基础。人均GDP表征经济强度，是推动区域发展的核心。GDP增长率衡量经济发展活力，表示区域经济发展的能动性。固定资产投资、人均可支配收入和一般公共预算支出分别从城市建设、居民消费能力和社会发展3个方面诠释对区域发展的驱动。③压力(P)表征抑制生态环境健康发展的因素。人均用水量表示居民生活用水对于有限水资源产生的压力。单位GDP工业粉尘排放量、单位GDP废水排放量、单位GDP能耗和第二产业所占比例分别从空气质量、水污染、能源消耗和产业结构4个方面表示工业对生态环境产生的压力。④影响(I)表征人类活动对于生态环境的影响。人均耕地面积和可吸入颗粒物平均浓度表示人类生产对土地资源以及大气环境的影响。第三产业占比和建成区绿化覆盖率表示区域产业结构以及城市环境受到的影响。⑤响应(R)表征人类改善生态环境的实际举措。生活垃圾无害化处理率和人均造林面积表示社会层面对生态生活做出的积极响应。工业固废综合利用率表示对工业污染的治理。节能环保支出、环境治理投资占GDP比重表示政府层面对改善生态的支持。

1.2.3 熵权-TOPSIS生态安全评价模型构建

TOPSIS法称为逼近理想排序法，是通过计算评价方案与理想解和负理想解欧氏距离的多目标分析决策方法，能够精准地表示各个评价方案间的差距^{[14, 17]}。本文采用改进的TOPSIS法，用熵权法确定权重，计算各省域生态安全指数，较之传统的TOPSIS法其结果具客观性^[14]。具体计算步骤：

(1) 数据标准化。

对于正向指标：

$ {y_{ij}} = \frac{{{x_{ij}} - \min {x_j}}}{{\max {x_j} - \min {x_j}}} $

(1)

对于负向指标：

$ {y_{ij}} = \frac{{\max {x_j} - {x_{ij}}}}{{\max {x_j} - \min {x_j}}} $

(2)

式中：y_ij为标准化的指标；x_ij为原始指标；maxx_j，minx_j表示j指标下最大值和最小值。

(2) 计算指标权重。

$ {H_j} = - k\sum\limits_{i = 1}^N {{f_{ij}}} \ln {f_{ij}} $

(3)

式中：H_j为第j个指标的熵值，k=1/lnm，f_ij= ${f_{ij}} = {y_{ij}}/\sum\limits_{i = 1}^n {{y_{ij}}} $。

$ {w_j} = \frac{{\left( {1 - {H_j}} \right)}}{{\sum\limits_{i = 1}^n {\left( {1 - {H_j}} \right)} }} $

(4)

式中：w_j为第j个指标的熵权；H_j为第j个指标的熵值，各指标权重详见表 1。

(3) 计算加权标准化矩阵。

$ T = {\left( {{t_{ij}}} \right)_{m \times n}} = {Y_{ij}} \cdot {W_j} $

(5)

式中：T为加权标准化后的指标矩阵；Y_ij标准化后的指标矩阵；W_ij为权重矩阵。

(4) 确定正负理想解。

$ {T^ + } = \left\{ {\max {T_{ij}}\mid j = 1, 2, 3, \cdots , n} \right\} $

(6)

$ {T^ - } = \left\{ {\min {T_{ij}}\mid j = 1, 2, 3, \cdots , n} \right\} $

(7)

式中：T⁺为正理想解；T^-为负理想解。

(5) 计算各指标到正理想解与负理想解的距离。

$ D_i^ + = \sqrt {\sum\limits_{j = 1}^n {{{\left( {{T_{ij}} - T_i^ + } \right)}^2}} } \;\;\;\;(i = 1, 2, 3, \cdots , m) $

(8)

$ D_i^ - = \sqrt {\sum\limits_{j = 1}^n {{{\left( {{T_{ij}} - T_i^ - } \right)}^2}} } \;\;\;\;(i = 1, 2, 3, \cdots , m) $

(9)

式中：D_i⁺为到正理想解的距离，越小越优；D_i^-为到负理想解的距离，越大越优。

(6) 计算贴近度。

$ {C_i} = \frac{{D_i^ - }}{{D_i^ - + D_i^ + }} $

(10)

式中：C_i为贴近度，处于[0, 1]范围内，其值越大表明生态安全发展状况越优，引申为生态安全指数^{[14-15, 17]}。

1.2.4 BP-DEMATEL影响因素分析模型构建

决策实验室分析法(DEMATEL)是由美国Battelle^[18]实验室1971年提出来为研究世界复杂问题的将图论和矩阵相结合的系统分析方法。通过挖掘因素间逻辑关系，构建直接关联矩阵，计算各因素影响度和被影响度，最终得到原因度与中心度，由此分析因素间作用逻辑及重要程度。传统DEMATEL方法通过专家打分或调查问卷计算直接关联矩阵，主观性较强，导致研究结果与实际偏离程度较大。通过引入BP神经网络，构建从输入层到输出层的非线性映射，利用权值向量计算直接关联矩阵，避免主观因素对结果的影响^[18-19]。BP-DEMATEL计算流程如图 3所示。

(1) 计算权值向量。

确定影响因素矩阵x=(x_ij)_m×n以及目标因素矩阵y=(y_ij)_m×k，进行标准化处理后作为BP神经网络的输入层和输出层，利用非线性映射关系计算出输入层和隐含层以及隐含层和输出层的权值矩阵W_n×tw_n×k，最后进行权值向量ω的计算：

$ \omega = {\mathop{\rm mean}\nolimits} (|W| \times |w|) $

(11)

式中：ω=ω₁, ω₂, …, ω_n，||表示取各元素的绝对值；mean函数表示当|W|×|w|的结果的行数大于1时，取每列的平均值。

(2) 计算直接关联矩阵A。

$ \mathit{\boldsymbol{A}} = {\left( {{a_{ij}}} \right)_{n \times n}} = \left( {\begin{array}{*{20}{c}} 0&{{a_{12}}}& \cdots &{{a_{1n}}}\\ {{a_{21}}}&0& \cdots &{{a_{2n}}}\\ \vdots & \vdots &0& \vdots \\ {{a_{n1}}}&{{a_{n2}}}& \cdots &0 \end{array}} \right) $

(12)

其中${a_{ij}} = \frac{{{\omega _i}}}{{{\omega _j}}}$(ω_j则a_ij=0)表示因素i对因素j的影响程度。

式中：表示因素i对因素i的影响程度。

(3) 归一化直接关联矩阵A得到直接影响矩阵G。

$ G = {\left( {{g_{ij}}} \right)_{n \times n}} = \frac{1}{{{{\max }_{1 \le i \le n}}\sum\limits_{j = 1}^n {{a_{ij}}} }} $

(13)

(4) 计算综合影响矩阵T。

$ T = G + {G^2} + \cdots + {G^n} $

(14)

当n充分大，可用G(I-G)^-1近似计算综合影响矩阵T，其中I为单位矩阵，(I-G)^-1为I-G的逆矩阵。

(5) 计算影响度、被影响度、中心度以及原因度。

$ {D_i} = {T_{i1}} + {T_{i2}} + \cdots + {T_{in}} $

(15)

$ {P_i} = {T_{1i}} + {T_{2i}} + \cdots + {T_{ni}} $

(16)

$ {R_i} = {D_i} + {P_i} $

(17)

$ {C_i} = {D_i} - {P_i} $

(18)

式中：D_i为影响度，表示因素i对其他因素的影响作用；P_i被影响度，表示其他因素对因素i的影响作用；R_i为中心度，其大小表示因素i影响作用的强弱，其值越大，影响作用越强，该因素越重要；G_i为原因度，表示因素i与其他因素间的关联性，其值越大，关联性越强。原因度小于0称该因素为原因因素，表示对其他因素的影响更大；原因度大于0称该因素为结果因素，表示受其他因素的影响更大^[18]。

2 结果与分析 2.1 生态安全评价结果与分析

利用熵权-TOPSIS法计算得到2011—2020年黄河9个省域生态安全指数，结果详见表 2。整体来看，2011—2020年黄河流域生态安全指数均值分别为0.322，0.325，0.345，0.351，0.358，0.354，0.352，0.365，0.372和0.365，生态安全呈现缓慢上升态势，但整体水平不高，10 a来生态安全指数均值在0.3~0.4徘徊。值得注意的是，在2012年后生态安全指数上升趋势极为明显，仅2012—2013年生态安全指数均值就上涨0.02，这是由于“十八大”以来国家将黄河流域生态保护上升到国家战略的层次，黄河流域得到社会各界广泛的关注，生态安全文明建设迈入正轨。此外，在2020年略有下降，其原因是新冠疫情对各行各业不同程度的冲击。

综合分析可知，黄河流域各省域生态安全演变格局差异明显，山东、四川、内蒙古、河南和甘肃等省区呈现上升的发展态势，山西、陕西和青海省呈现波动态势，宁夏回族自治区呈现衰退态势。为了更好地诠释生态安全时序性变化，按照上升、波动、下降3种演变态势绘制2011—2020年黄河流域各省域生态安全概况图(图 4)。

生态安全呈上升态势的省域中，山东、四川和河南省上涨幅度极其明显，内蒙古和甘肃地区增长则较为缓慢。10 a间山东、四川和河南省生态安全指数增幅高达0.097，0.087和0.100(排名2，3，1)，均值位于第1，2，4名，生态安全水平高且发展迅猛。内蒙古自治区生态安全指数均值排名第3，加之连年稳定上升的发展态势，生态安全获得长足进步。甘肃省生态基础薄弱，10 a的生态安全均值排名仅为0.302(排名第8)，但稳定上升的态势也表明其生态安全状况持续好转。

生态安全呈波动态势的省域中，山西省波动幅度最大，陕西省次之，青海省最为稳定。山西省生态安全指数在2014年达到顶峰(0.386)，之后连年下降，2017年降至最低点(0.311)，2018—2020年有所回升但不明显，生态发展不稳定。陕西省2012—2013年生态安全指数突飞猛进，从0.285上升至0.330，之后几年则稳定0.327~0.353区间内，生态发展面临瓶颈。青海省10 a来生态安全呈M形的演变态势，即“上升—下降—上升—下降”，生态安全指数位于0.283~0.347，均值仅为0.301(排名第9)，生态安全水平低且发展陷入僵局。

宁夏地区是黄河流域生态安全唯一呈现衰退态势的省域，2011年生态安全指数为0.358(当年排名第2)，2012年大幅下降至0.337(当年排名第5)，尽管在2013年迅速恢复至0.369(当年排名第2)，但之后却连年下降，2011—2020年降幅高达0.042。尽管生态基础较好，但持续性的衰退态势也表明宁夏地区面临着生态退化等问题，须及时调控治理策略。

2.2 影响因素分析

将驱动力(D)、压力(P)、状态(S)、影响(I)及响应(R)5个指标层的24个指标作为输入层，以黄河流域各省域10 a的生态安全指数作为输出层，构建BP神经网络模型。其隐含层个数为24，设置[-0.5，+0.5]的随机数作为初始权重，Sigmoid(激励函数)设为0.9；网络训练速度(步长)为0.1，最大迭代次数为10 000，允许的拟合误差为0.001，最终计算得到黄河流域生态安全影响因素的中心度(R)和原因度(C)^[20-21]，结果详见表 3。

传统DEMATEL将影响因素分为原因型和结果型，又称为驱动型和特征型，驱动型因素是系统发生变化的根本原因，特征型因素是系统的直接表象^{[18, 21]}。

研究发现，少数因素的中心度远大于其他因素，表现出明显的重要性，参考已有研究^{[18, 20-21]}，将所有因素中心度的平均值和标准差之和作为阈值θ，中心度大于θ称为强驱动型因素和强特征型因素^{[18, 21]}。其中，强驱动型因素通常具备较高的中心度和原因度，表明在系统中重要程度高且对于其他因素的影响作用强，因此强驱动型因素为影响生态安全的关键因素，对于生态安全的发展起着举足轻重的作用^{[18, 20]}。将表 3中各省域的中心度平均值和标准差相加得到阈值θ，最终获取各省域关键因素(表 4)。

由表 4可知，生态安全关键因素所处指标层与演变态势有明显关联性。生态安全水平不断上升的省域关键因素分散在压力指标层外，生态压力较小使得该类地区可以集聚资源推动生态文明建设；呈波动态势的省域关键因素集中分布在影响指标层，人类活动造成的生态影响使得该类地区生态环境不稳定，从而导致生态安全水平忽高忽低；持续衰退的省域关键因素集中于压力指标层，减轻压力是遏制生态持续恶化的关键路径。为探析关键因素作用机理，截取2011—2020年黄河流域九省关键因素原始数据(表 5)。

根据表 4—5可知：①山东省生态安全关键因素为人均公园绿地面积(F₂)、人均可支配收入(F₉)和工业固废综合利用率(F₂₁)。其中，人均公园绿地面积增幅位于黄河流域首位，城市绿化建设持续向好发展，但人均可支配收入低(10 a均值仅为24 431元)、工业固废综合利用率逐年下降(2014年95.7%，2018年77.1%)，经济发展不协调以及工业污染加剧限制了山东生态安全水平的提升速度，并于2018年开始下降。②四川省的关键因素为工业固废综合利用率(F₂₁)，其10 a均值仅为41.3%，远低于黄河流域均值(52.4%)，加之四川省位处黄河流域和长江流域交汇地，且处于上游地区，工业二次污染极大地削弱了环境质量，并对下游地区生态产生严重影响，应及时进行调控。③河南省的关键因素为可吸入颗粒物平均浓度(F₁₈)和节能环保支出(F₂₃)。10 a来，河南省不断加大节能环保支出(2011年95.632亿元，2018年358.701亿元)，生态建设发展迅速，加之对农作物焚烧、工业废气排放等空气污染的严格管控，可吸入颗粒物平均浓度连年降低(2015年169 mg/m³，2020年84 mg/m³)，空气质量逐步好转，生态环境状况趋于良性。④内蒙古自治区的关键因素为空气优良率(F₄)、人均耕地面积(F₁₆)和可吸入颗粒物平均浓度(F₁₈)。内蒙古产业结构以第三产业为主，空气优良率和可吸入颗粒物浓度均处在极为良好的区间，加之幅员辽阔，人均耕地面积常年位于全国的3倍左右，是我国重要的农业生产基地，为生态安全水平稳步提升奠定基础。⑤甘肃省的关键因素为人均GDP(F₆)和建成区绿化覆盖率(F₁₉)。甘肃省是我国经济最落后的省域，2020年人均GDP仅为36 038元，且城市绿化建设水平低，2020年建成区绿化覆盖率仅为36.3%(黄河流域均值37.2%)，使得整体生态安全水平较低。但值得注意的是这两个指标数据10 a来呈现不断上升的态势，这也是甘肃省生态安全不断转好的主要原因。⑥山西省的关键因素为人均耕地面积(F₁₆)和工业固废综合利用率(F₂₁)。山西省的支柱产业是煤炭行业，而煤矿过度开发必然损害耕地的质量和数量，同时工业主导的产业结构会产生大量工业废物，而连年下降的工业固废综合利用率(2014年65.1%，2018年35.5%)也表明工业污染的加剧，生态安全状况从2014年开始急剧恶化。⑦陕西省的关键因素为可吸入物颗粒浓度(F₁₈)。陕西省呈现明显的大陆性季风气候，从西伯利亚过来的季风被秦岭截断，加之陕北的重工业生产，使得空气中可吸入颗粒物浓度居高不下，常年在100 mg/m³左右徘徊，导致沙尘暴、雾霾等空气灾害频繁发生，造成严重的环境污染。⑧青海省的关键因素为第三产业占比(F₁₇)。“十三五”以来，青海省将加快服务业发展作为结构优化战略重点，第三产业发展迅猛，占比由2011年32.3%增长至2020年的50.8%，这也导致2011—2015年生态安全水平不断提高，但人均可支配收入无明显变化，居民消费能力与产业发展不匹配，从而导致生态文明建设陷入僵局。⑨宁夏回族自治区的关键因素为单位GDP废水排放量(F₁₂)和人均用水量(F₁₄)。作为水资源最为匮乏的省域，宁夏地区的人均用水量却居高不下(宁夏均值1 035.913 m³/人，黄河流域均值459.607 m³/人)，尽管随着对排污权的改革以及工业污染管控升级，单位GDP废水排放量连年下降，但水资源的不合理利用仍使得生态安全水平持续衰退。

3 讨论与结论 3.1 结论

(1) 黄河流域整体生态安全水平较低但呈现缓慢上升的发展态势，生态环境状况持续好转。黄河流域各省域10 a的生态安全指数均值从高到低依次为：山东、四川、内蒙古、河南、山西、宁夏、陕西、甘肃和青海省。各省域生态安全演变格局差异明显，山东、四川、内蒙古、河南和甘肃等省域生态安全水平持续上升，生态环境质量稳步提升；山西、陕西和青海省生态安全状况存在波动，生态文明建设陷入僵局；宁夏回族自治区生态安全水平持续衰退，面临生态退化风险。

(2) BP-DEMATEL模型结果表明，黄河流域各省域均存在影响生态安全的关键因素，但并不趋同，生态安全水平呈上升态势的省域关键因素分散在压力指标层外，生态压力对该区域生态安全影响较小；呈波动态势的省域关键因素集中于影响指标层，人类活动对生态环境造成的影响使得该区域生态安全陷入波动；呈衰退态势的省域(宁夏)关键因素分布在压力指标层，生态压力带来的冲击使得该区域生态安全水平不断下降。

3.2 讨论

(1) 针对生态安全呈上升态势的省域，应夯实生态基础，以关键因素为抓手，谋求进一步发展。山东省应扩大向民资开放领域，增加就业，同时打造合理分配机制，提升人均可支配收入，此外革新工业废物处理技术，减少工业污染。四川省应对工业污染实施严格管控，同时发挥生态核心区带动作用，推动周边地区(青海、甘肃省等)生态向好发展。河南省应保持现有的空气污染管理机制，在财政允许的范围内加大对生态文明建设的投入。内蒙古自治区应严格实施耕地管制，防止耕地不合理占用，同时加强对空气治理的精细化程度，保障空气质量。甘肃省应合理吸收周边省域的资源辐射，进一步推动城市绿化建设。

(2) 针对生态安全呈波动态势的省域，应集聚资源发展生态文明建设，打破僵局。山西省应进行生态修复，恢复被工业破坏的耕地，同时加快产业转型，减少工业污染。陕西省建立健全空气灾害预警、防控机制，着力于提升空气质量。青海省应减缓第三产业发展速度，注重提升基础建设。

(3) 针对生态安全呈衰退态势的省域，应回溯自身，梳理关键因素相关产业的发展脉络，及时采取管控措施，止住下降颓势。宁夏回族自治区应充分考虑用水需求，制定合理的用水定额，同时加强对工业废水的管控，建立合理利用水资源的节水型社会。

综上所述，本文将熵权-TOPSIS模型和BP-DEMATEL模型相结合，构造“现状评价—因素分析”的研究模式，丰富了现有的生态安全研究框架，且研究结果贴合黄河流域实际状况，对黄河流域高质量发展具有一定推动作用。但限于篇幅与数据可得性等因素存在以下不足：一是研究尺度过大，未从微观角度(市域或县域)补充黄河流域生态安全相关研究；二是未能进一步探讨黄河流域空间关联特征与演绎规律(上、中、下游)，未来有待进一步探析。