《Frontiers in Environmental Science》：Comparison and spatial heterogeneity of eco-efficiency in two major river basins of China: nonlinear mechanism analysis based on spatial machine learning
编辑推荐：
实现经济增长与环境保护之间的协同效应对于中国的可持续发展轨迹至关重要。本研究提出了一个统一的跨流域框架，采用三阶段超效率松弛测度模型（three-stage super-efficiency Slack-Based Measure, SE-SBM）和全球马尔奎
实现经济增长与环境保护之间的协同效应对于中国的可持续发展轨迹至关重要。本研究提出了一个统一的跨流域框架，采用三阶段超效率松弛测度模型（three-stage super-efficiency Slack-Based Measure, SE-SBM）和全球马尔奎斯特-卢恩伯格指数（Global Malmquist-Luenberger, GML）评估黄河流域（Yellow River Basin, YRB）与长江经济带（Yangtze River Economic Belt, YREB）的静态和动态生态效率（eco-efficiency, EE）。在时空演化分析中，研究人员实施了核密度估计（kernel density estimation, KDE）和达古姆基尼系数（Dagum Gini coefficient, DGC）。研究人员引入地理加权随机森林（Geographically Weighted Random Forest, GWRF）模型，用以刻画与EE相关的因素间的非线性关联和空间异质性。结果表明：（1）调整后的YRB的EE有所下降，但总体仍优于略有上升的YREB。在空间上，YRB呈阶梯式递减，而YREB则呈现中部较低的凹形分布。（2）技术进步（technical progress, TC）是两个主要流域基于GML的EE增长的主要贡献者。GWRF模型揭示了显著的非线性阈值效应（如城市化和环境规制）以及U型演化特征（如产业结构和金融发展）。局部特征重要性模式进一步表明了不同的空间结构：YRB呈现出规制导向的约束型模式，而YREB则表现为市场导向的辐射型模式。这种多方法整合为制定跨流域协同政策提供了新的理论视角和坚实的决策基础。
一、研究背景与现存问题
在当前区域发展格局下，流域经济是国民经济体系的基础引擎，其绿色发展水平很大程度上决定了国家可持续发展的基本条件。然而，在资源与环境约束日益趋紧的背景下，传统粗放型增长模式的局限性愈发明显。如何实现经济社会发展与生态环境保护之间的和谐平衡，已成为全球可持续发展的核心议题。生态效率（EE）作为平衡资源投入与环境成本的关键指标，旨在最大化社会经济收益的同时最小化生态损害，是解决流域发展冲突、推动绿色转型的逻辑起点。
在中国区域协调发展格局中，黄河流域（YRB）和长江经济带（YREB）作为两大战略区域，横跨东、中、西部地区，约占中国人口和GDP的70%。这两大流域的生态安全状况不仅影响区域绿色转型进程，也直接影响国家高质量发展整体格局。然而，由于资源禀赋和发展阶段的巨大差异，两大流域的绿色转型面临截然不同的约束条件。YRB生态基础脆弱，产业结构历史上依赖能源密集型和高化学密集型产业，导致资源开发与生态承载力之间矛盾突出，形成了显著的碳锁定效应。YREB经济活力较强、开放程度较高，但因产业和人口高度集中，也面临着严重的污染积累和生态空间侵占等环境挑战。因此，将两大流域纳入统一的分析框架，系统刻画其EE的空间分异和演化规律，对于理解区域生态失衡具有重要的现实意义。
现有研究存在若干局限：一是大多局限于单一流域或特定省域，缺乏跨流域的比较研究；二是测量方法上，多数研究未充分考虑外部环境因素和随机扰动的影响，可能导致测量结果偏差；三是影响因素分析上，现有研究多依赖传统计量方法，在处理多维因素间的非线性关系和空间异质性方面存在不足，难以深入阐明EE空间异质性的内在驱动机制。
二、研究方法概述
为解决上述问题，研究人员采用了多种技术方法。首先，使用三阶段超效率松弛测度模型（three-stage SE-SBM）测量静态EE，该模型通过第一阶段计算初始效率，第二阶段运用随机前沿分析（Stochastic Frontier Approach, SFA）剔除外部环境因素和随机干扰的影响，第三阶段重新计算得到更准确的EE值。其次，引入全球马尔奎斯特-卢恩伯格指数（GML index）从动态角度考察EE的跨期变化。再次，采用核密度估计（KDE）和达古姆基尼系数（DGC）分析时空演化和区域差异。最后，首次在地理加权随机森林（GWRF）模型中结合空间计量经济学和机器学习的优势，刻画EE与其影响因素之间的非线性关系和空间异质性。研究数据来源于2010—2022年中国YRB的8个省和YREB的11个省的省级面板数据，原始指标主要来自国家统计局及2011—2023年国家和省级统计年鉴及环境年鉴。
三、研究结果
（1）静态生态效率的测度与分析
调整后的YRB的EE在研究期间有所下降，但总体表现仍优于略有上升的YREB。在空间分布上，YRB呈现从上游到下游的阶梯式递减格局，而YREB则呈现中部较低、东西两侧较高的凹形分布特征。
（2）动态生态效率的分解
GML指数分解显示，技术进步（TC）是两大流域EE增长的主要贡献者，而技术效率变化（EC）的作用相对较小。这表明技术创新是推动流域绿色发展的核心动力。
（3）时空演化与区域差异分析
通过KDE和DGC分析，研究人员揭示了EE的动态分布特征和区域差异来源。YRB和YREB内部的EE分布形态存在显著差异，区域间差异是总体差异的主要组成部分。
（4）影响因素的非线性机制与空间异质性
GWRF模型揭示了显著的非线性阈值效应。例如，城市化水平和环境规制对EE的影响存在阈值效应，超过一定水平后影响方向可能发生转变；产业结构和金融发展水平则表现出U型演化特征，即先抑制后促进EE的提升。局部特征重要性模式进一步表明了两大流域不同的空间结构：YRB呈现规制导向的约束型模式，即环境规制等因素的重要性更为突出；而YREB则表现为市场导向的辐射型模式，即市场化程度和对外开放等因素的影响力更大。
四、讨论与结论
本研究的创新点在于：第一，将YRB和YREB纳入统一框架进行跨流域比较分析，揭示了不同资源禀赋和发展模式下EE演化的异质性模式；第二，采用三阶段SE-SBM模型有效隔离了外部环境因素和随机扰动的影响，获得了更精确的静态EE测量，并结合GML指数、KDE和DGC进行了多维度系统分析；第三，首次将GWRF模型引入EE研究领域，从多维度考察了EE影响因素的非线性关系和空间异质性，为流域尺度的EE演化规律和影响机制研究提供了新的分析思路和方法参考。
研究结论表明：YRB的EE总体优于YREB但呈下降趋势，而YREB的EE虽略低但呈缓慢上升态势；技术进步是两大流域EE增长的主要驱动力；GWRF模型揭示的城市化、环境规制等因素存在非线性阈值效应，产业结构和金融发展呈现U型演化特征；两大流域形成了不同的空间驱动结构——YRB为规制导向的约束型模式，YREB为市场导向的辐射型模式。这些发现为制定差异化的跨流域协同政策提供了科学依据。
