-
我国属于海洋大国，海岛资源极其丰富，共有海岛1.1万多个[1]，面积大于500 m2的海岛有6961个[2]，其中无居民海岛为6528个，占总数的94%[3]。海岛处于海洋、陆地和大气生物圈相互作用的过渡带，边际效应明显，岛屿生态环境的自我调节和恢复能力都很弱[4]。海岛地区需根据其发展潜力，选择适宜的发展模式，保持适度的开发强度，以实现可持续发展。本研究在对海岛发展潜力进行对比评价的基础上，识别主要障碍因子，以制定对策措施，保障其可持续发展。
尽管国内外针对海岛潜力评价的研究成果较少，但仍为本文奠定了相关基础。国内的研究聚焦于海岛开发，特别是旅游开发潜力评价领域：李泽[5]制定了海岛县旅游资源开发潜力评价指标体系；席小慧等[6]构建了海岛开发潜力评价模型，并评价了辽宁省18个村级海岛的开发潜力；赵东洋等[7]对17个整治修复海岛开展开发潜力评价，并得出开发潜力均有不同幅度提升的结论；单科等[8]构建海岛深层地下淡水开发潜力评价模型的研究表明嵊泗深层淡水资源开发潜力较大。
国外研究文献则侧重于海岛可持续发展潜力评价方面：Balaguer和Cantavella[9]利用库兹涅茨曲线对西班牙海岛进行评价；Ben[10]等探究可再生能源利用率与海岛发展潜力的关系；ARBULÚ等[11]选取多个不同的环境指标和经济社会发展指标，评价海岛可持续发展潜力；BÖLÜK和MERT[12]利用生态可持续模型评价海岛发展潜力；KONDYLI[13]构建北爱琴海周边岛屿的可持续发展指标体系进行评估；Boulous等[14]则依据海岛发展潜力与港口的关系，建立了港口可持续连通性模型，并经过实例分析提出建议；Geenier等[15]从经济、制度、教育和公共参与等方面评价海岛资源可持续利用的潜力。
国内外现有研究成果主要存在以下两个方面的问题：（1）缺乏在较大范围内对海岛整体综合发展潜力的对比研究；（2）缺乏对主要障碍因子的识别研究。
-
本文采取德尔菲法（Delphi）与层次分析法（ANP, analytic hierarchy process）相结合的方法对评价指标进行赋权[16-19]。将两种方法结合进行赋权，不仅可以充分利用专家的丰富经验进行定性分析，还可以根据层次分析法进行定量评估，做到定性与定量分析相结合。
-
逼近理想解排序法（TOPSIS, technique for order preference by similarity to an ideal solution），即根据有限个评价对象与理想化目标的接近程度进行排序，在现有对象中进行相对优劣程度的一种评价方法[20]。
-
本文通过测算研究时间内实例海岛的指标层因子的障碍度，识别主要障碍指标。因此，引入了“因子贡献度F”“指标偏离度I”和“因子障碍度O”这三类指标[21]。
（1）因子贡献度
其公式为：
式中：
${R_j}$ 表示第j项指标在所属准则层对应的权重，即${W_j}$ 与所属准则层权重的比值；${W_j}$ 表示第j项指标的权重。（2）指标偏离度
式中：
${I_{i,j}}$ 为第j项指标在第i年的偏离度；${X_{i,j}}$ 表示评价指标体系中第i年的第j项指标对应的数据；而${\bar X_{i,j}}$ 表示其标准化值。（3）因子障碍度
式中：
${o_{i,j}}$ 表示第i年第j项指标对海岛发展的影响程度；m表示指标项数目；${O_{i,j}}$ 是各个子系统障碍度。 -
本研究基于资源环境视角，构建了海岛县（区）发展潜力评价指标体系，主要包括“一个中心”和“三个基本点”。“一个中心”是指将“海岛县（区）承载人类活动的发展潜力”作为评价的中心。“三个基本点”是指评价指标涵盖了资源供给、自然环境、灾害影响三个方面，将资源、生态与灾害相结合，对其发展潜力进行综合评价。
我国海岛发展可能面临诸多的问题，如大雾、强风、风暴潮、生态环境质量下降等都会对其发展潜力产生较大的影响。本文借鉴国内外的研究成果，结合实地调查和专家意见，通过分析海岛资源环境生态系统现状构建评价结构图（见图1）和评价指标体系（见表1）。
图 1 资源环境视角下海岛县（区）发展潜力评价结构
Figure 1. Evaluation structure of development potential of island counties (districts) from the perspective of resources and environment
一级指标 二级指标 三级指标 方向 权重 资源供给（A1） 土地资源（B1） 人均岛屿陆地面积（C1） + 0.0521 水电资源（B2） 与上级行政区人均年供水量差距（C2） − 0.860 与上级行政区人均年供电量差距（C3） − 0.0703 旅游资源（B3） 旅游登岛人数（C4） + 0.0472 离岸距离（C5） − 0.0317 桥隧连通性（C6） + 0.0633 海陆资源（B4） 人均潮间带面积（C7） + 0.0388 岸线系数（C8） + 0.0319 人均农渔产量（C9） + 0.0271 自然环境（A2） 水环境（B5） 海域水质达标率（C10） + 0.0563 平均有效波高（C11） − 0.0217 生态环境（B6） 植被覆盖率（C12） + 0.0487 空气质量良好率（C13） + 0.0612 底栖、浮游生物多样性指数（C14） + 0.0627 赤潮发生次数（C15） − 0.0482 环保能力（B7） 生活垃圾无害化处理率（C16） + 0.0228 污水集中处理率（C17） + 0.0245 新能源应用前景（C18） + 0.0519 灾害影响（A3） 灾害损失（B8） 财产易损性（C19） − 0.0272 海气灾害（B9） 风暴潮次数（C20） − 0.0318 五级以上风况日比例（C21） − 0.0527 雾日比例（C22） − 0.0419 注：“+”为正向指标；“−”为负向指标 表 1 海岛发展潜力评价指标体系
Table 1. Evaluation index system of island development potential
-
本研究制定了《海岛发展潜力评价指标体系调查问卷》，问卷分为制定具体评价指标和确定指标权重值两个部分，共发放50份调查问卷，通过回收、整理、统计与计算，确定了评价体系（表1）。同时，根据调查问卷的反馈结果计算指标权重：首先，收集汇总指标因子重要性两两比较（1~9标度法）的数据；然后，根据两两比较结果构造判断矩阵
$A$ ，由$Ax = \lambda x{\rm{ }}(x \ne 0)$ 得判断矩阵特征值$\lambda $ 及特征向量$x$ ，经过归一化处理，得权重向量；最后，对权重向量进行一致性检验，经沟通、调整后的权重向量CR均小于0.1，通过一致性检验。 -
本文综合考虑数据的可获得性、实例海岛的代表性和对比评价的客观性，由南至北选取了辽宁省大连市长海县、山东省烟台市长岛海洋生态文明综合试验区、浙江省舟山市嵊泗县和岱山区、浙江省温州市洞头区、福建省福州市平潭综合实验区和广东省汕头市南澳县七个海岛县（区）。
-
应用TOPSIS方法对七个实例海岛发展潜力进行对比评价，结果如图2所示。
图 2 海岛发展潜力评价结果
Figure 2. Evaluation results of development potential of islands
由图2可知，2010－2017年实例海岛发展潜力的评价结果除平潭综合实验区有较大的增幅外，其余海岛变化幅度较小。就2010－2017年评价结果的平均值而言，从大到小的排序依次为长岛海洋生态文明综合试验区（0.6606）、岱山区（0.6477）、南澳县（0.6343）、洞头区（0.6054）、长海县（0.5926）、嵊泗县（0.5747）和平潭综合实验区（0.4038）。
其中，长海县、洞头区、平潭综合实验区和南澳县的评价结果呈现上升趋势，就2010年与2017年的评价结果比较而言，分别增长了3.32%、3.16%、21.58%和3.79%；而长岛海洋生态文明综合试验区、嵊泗县、岱山区的评价结果呈下降的趋势，分别下降了2.36%、6.57%和6.68%。经过8年的发展变化，长海县发展潜力由2010年的第5位上升到2017年的第4位；长岛海洋生态文明综合试验区由2010年的第1位下降到2017年的第3位；岱山区由2010年的第2位下降到2017年的第5位；洞头区由2010年的第4位上升到2017年的第2位；南澳县由2010年的第3位上升到2017年的第1位；嵊泗有所下降，仍居于七个海岛的第6位；平潭综合实验区发展潜力的评价结果虽大幅上升，但仍然位于七个海岛的第7位。
图3表示2010－2017年海岛发展潜力3个子系统评价结果的波动变化趋势：就资源供给的评价结果而言，变化幅度较小，并且平潭综合实验区一直与其余六个海岛保持着较大的差距，岱山区资源供给条件的评价结果始终高于其他海岛；就自然环境的评价结果而言，除洞头区、岱山区和嵊泗县外，其余四个海岛的自然环境条件变化幅度较小（且除长岛海洋生态文明综合试验区外，评价结果均呈上升的趋势），南澳县的自然环境条件普遍好于实例海岛，而距离较近的嵊泗县和岱山区自然环境条件的评价结果普遍差于实例海岛；就灾害影响的评价结果而言，除嵊泗县、岱山区灾害影响的结果呈下降趋势外，其余海岛均处于上升趋势。
分析3个子系统的评价结果可知，2010－2017年长岛海洋生态文明综合试验区、岱山区和嵊泗县的发展潜力均呈现下降趋势，其原因主要是自然环境条件和灾害影响。因此，需要识别具体障碍因子，以制定对策措施。
图 3 三个子系统评价结果
Figure 3. Evaluation results of three subsystems
-
根据上文所述的障碍因子识别方法，计算2010－2017年的合计障碍度并排序，将排名前7位的障碍因子定义为主要障碍因子（图4）。
图 4 主要障碍因子合计障碍度排序（三级指标因子）
Figure 4. The main obstacle factors total obstacle degree ranking (tertiary index factor)
由图4可见，2010－2017年制约实例海岛发展潜力提升的主要障碍因子为：人均岛屿陆地面积（C1）、与上级行政区人均年供水量差距（C2）、海域水质达标率（C10）、与上级行政区人均年供电量差距（C3）、财产易损性（C19）、桥隧连通性（C6）、新能源应用前景（C18）。
-
通过计算与识别结果，分析主要障碍因子的障碍度变化趋势（图5）。
由图5可知，除财产易损性（C19）波动较大外，其他障碍因子波动幅度较小。其中C1、C2、C10和C19的障碍度呈现上升的趋势，相比2010年，分别上升了4.67%、11.60%、3.90%和7.16%；C3、C6和C18的障碍度总体呈现下降的趋势，相比2010年，除C3下降了17.99%外，C6和C18分别上涨了3.02%和3.01%。
图 5 主要障碍因子变化趋势
Figure 5. The change trend of the main obstacle factors
因此，为了保障海岛发展潜力持续上升，未来发展应从本文列举的七个方面入手，逐步改善海岛的资源供应条件、自然环境条件，并加强其防灾减灾能力，减弱海洋灾害影响对海岛发展潜力提升的制约影响。同时，长岛海洋生态文明综合试验区、岱山区和嵊泗县均为经济社会发展水平较高的海岛，但在2010－2017年的发展过程中出现过一些破坏海岛生态环境的行为，造成海岛发展潜力评价结果呈现下降趋势。以长岛海洋生态文明综合试验区为例，为了保障其可持续发展拆除了部分风力发电机。可见，国家、地方政府已经意识到其发展潜力下降，力图通过保护自然生态环境等措施，进一步促进其可持续发展，提升海岛发展潜力。
根据障碍因子识别结果，需要以海域水质达标率（C10）、新能源应用前景（C18）和财产易损性（C19）三方面为切入点，改善海岛自然环境条件。同时，海域水质达标率（C10）和财产易损性（C19）的因子障碍度均处于上升趋势。就降低海域水质达标率的障碍度而言，建议通过加强海域水质监控，制定严厉的处罚措施等保障其海域水质长期处于一、二类水质标准范围内，促进其可持续发展；就降低财产易损性障碍度而言，建议在制定地区国土空间规划时，重点考虑海洋灾害的影响，通过建设科学、合理的防灾避险设施，提升海岛发展潜力。
-
（1）2010－2017年，海岛发展潜力评价结果显示长海县、洞头区、平潭综合实验区和南澳县呈现上升的趋势，长岛海洋生态文明综合试验区、嵊泗县和岱山区呈现下降的趋势。
（2）2010－2017年主要障碍因子识别结果为：人均岛屿陆地面积（C1）、与上级行政区人均年供水量差距（C2）、海域水质达标率（C10）、与上级行政区人均年供电量差距（C3）、财产易损性（C19）、桥隧连通性（C6）、新能源应用前景（C18）。
（3）长岛海洋生态文明综合试验区、岱山区和嵊泗县需要从提升海域水质达标率、扩宽新能源应用前景、增强防灾减灾能力三个方面着手，开展相关工作，切实提升海岛发展潜力。
资源环境视角下的海岛发展潜力评价——以七个海岛县（区）为例
Evaluate the development potential of islands from the perspective of resources and natural environment——Using seven island counties (districts) as examples
-
摘要: 在海洋强国战略下，海岛地区作为海洋开发的前沿阵地，其发展潜力与资源、环境的关系受到越来越多的关注。同时，准确评价海岛发展潜力有助于推动海岛深度发展。因此，本文建立海岛发展潜力评价指标体系，构建障碍因子计算与识别方法，以此识别阻碍海岛发展潜力提升的主要因素。本研究选取七个海岛为例，计算2010年至2017年的发展潜力以及各子系统的合计障碍度，识别主要障碍因子，并深入分析其障碍度变化趋势。结果显示：发展潜力出现下降的长岛、岱山和嵊泗需要特别注意海域水质达标率、新能源应用前景和海岛居民财产易损性这三个方面，需要着力改善海岛自然环境条件，制定有效政策措施，以期提升其发展潜力。Abstract: Under the China's maritime power strategy,the island area is the frontier of marine development,and the relationship between its development potential and the change of the natural environment has attracted more and more attention. Meanwhile,an accurate assessment of the development potential of islands will help promote the deep development of islands. Therefore, this paper establishes an evaluation index system for the development potential of islands. The paper constructs obstacle factor calculation and identification methods to determine the main factors hindering the improvement of the development potential of islands. This research selects seven examples to calculate the development potential and the total obstacle degree of each subsystem from 2010 to 2017. Identify the main obstacle factors and analyze the trend of the obstacle degree. The results show that Changdao, Daishan and Shengsi,which have declining development potential need to pay attention to improving the natural environmental conditions of the islands from three aspects. Such as improving the water quality compliance rate of the sea, improving the application prospects of new energy and reducing the vulnerability of island residents’ property. Efforts will be made to improve the natural environmental conditions of the islands and formulate effective policies and measures to enhance their development potential.
-
Key words:
- island development potential /
- TOPSIS /
- environment protection /
- obstacle degree
-
图 1 资源环境视角下海岛县（区）发展潜力评价结构
Figure 1. Evaluation structure of development potential of island counties (districts) from the perspective of resources and environment
图 4 主要障碍因子合计障碍度排序（三级指标因子）
Figure 4. The main obstacle factors total obstacle degree ranking (tertiary index factor)
表 1 海岛发展潜力评价指标体系
Table 1. Evaluation index system of island development potential
一级指标 二级指标 三级指标 方向 权重 资源供给（A1） 土地资源（B1） 人均岛屿陆地面积（C1） + 0.0521 水电资源（B2） 与上级行政区人均年供水量差距（C2） − 0.860 与上级行政区人均年供电量差距（C3） − 0.0703 旅游资源（B3） 旅游登岛人数（C4） + 0.0472 离岸距离（C5） − 0.0317 桥隧连通性（C6） + 0.0633 海陆资源（B4） 人均潮间带面积（C7） + 0.0388 岸线系数（C8） + 0.0319 人均农渔产量（C9） + 0.0271 自然环境（A2） 水环境（B5） 海域水质达标率（C10） + 0.0563 平均有效波高（C11） − 0.0217 生态环境（B6） 植被覆盖率（C12） + 0.0487 空气质量良好率（C13） + 0.0612 底栖、浮游生物多样性指数（C14） + 0.0627 赤潮发生次数（C15） − 0.0482 环保能力（B7） 生活垃圾无害化处理率（C16） + 0.0228 污水集中处理率（C17） + 0.0245 新能源应用前景（C18） + 0.0519 灾害影响（A3） 灾害损失（B8） 财产易损性（C19） − 0.0272 海气灾害（B9） 风暴潮次数（C20） − 0.0318 五级以上风况日比例（C21） − 0.0527 雾日比例（C22） − 0.0419 注：“+”为正向指标；“−”为负向指标 
下载: 导出CSV
-
[1] 国家海洋局. 2016年海岛统计调查公报[R]. 北京: 国家海洋局, 2017.
[2] 王明舜. 中国海岛经济发展模式及其实现途径研究[D]. 青岛: 中国海洋大学, 2009.
[3] 彭 超. 我国海岛可持续发展初探[D]. 青岛: 中国海洋大学, 2005.
[4] 吴平生, 彭补拙, 窦贻俭. 初论海岸带的边缘效应[J]. 海洋开发与管理, 1992, 9(2): 8-11.
[5] 李 泽. 中国海岛县旅游资源开发潜力评价及海岛旅游资源整合[D]. 大连: 辽宁师范大学, 2012.
[6] 席小慧, 赵东洋, 刘 明, 等. 基于综合评价模型的辽宁海岛开发潜力研究[J]. 海洋湖沼通报, 2018 (1): 46-51.
[7] 赵东洋, 雷利元, 席小慧, 等. 基于PPC-AHP-DM法的辽宁省整治修复海岛开发潜力评价研究[J]. 海洋环境科学, 2017, 36(4): 531-536.
[8] 单 科, 王锐浩, 黄鹏飞, 等. 基于模糊综合评价法的海岛深层地下淡水开发潜力评价[J]. 海洋通报, 2014, 33(6): 624-629. doi: 10.11840/j.issn.1001-6392.2014.06.003
[9] BALAGUER J, CANTAVELLA M. Estimating the environmental Kuznets curve for Spain by considering fuel oil prices (1874-2011)[J]. Ecological Indicators, 2016, 60: 853-859. doi: 10.1016/j.ecolind.2015.08.006 [10] BEN JEBLI M, BEN YOUSSEF S, OZTURK I. Testing environmental Kuznets curve hypothesis: The role of renewable and non-renewable energy consumption and trade in OECD countries[J]. Ecological Indicators, 2016, 60: 824-831. doi: 10.1016/j.ecolind.2015.08.031 [11] ARBULÚ I, LOZANO J, REY-MAQUIEIRA J. Tourism and solid waste generation in Europe: a panel data assessment of the environmental Kuznets curve[J]. Waste Management, 2015, 46: 628-636. doi: 10.1016/j.wasman.2015.04.014 [12] BÖLÜK G, MERT M. The renewable energy, growth and environmental Kuznets Curve in Turkey: an ARDL approach[J]. Renewable and Sustainable Energy Reviews, 2015, 52: 587-595. doi: 10.1016/j.rser.2015.07.138 [13] KONDYLI J. Measurement and evaluation of sustainable development: a composite indicator for the islands of the North Aegean region, Greece[J]. Environmental Impact Assessment Review, 2010, 30(6): 347-356. doi: 10.1016/j.eiar.2009.08.006 [14] BOULOS J. Sustainable development of coastal cities-proposal of a modelling framework to achieve sustainable city-port connectivity[J]. Procedia-Social and Behavioral Sciences, 2016, 216: 974-985. doi: 10.1016/j.sbspro.2015.12.094 [15] GEENIER R, YOUNG M D, MCDONALD A D, et al. Incentive instruments for the sustainable use of marine resources[J]. Ocean & Coastal Management, 2000, 43(1): 29-50. [16] OKOLI C, PAWLOWSKI S D. The Delphi method as a research tool: an example, design considerations and applications[J]. Information & Management, 2004, 42(1): 15-29. [17] SAATY T L. How to make a decision: the analytic hierarchy process[J]. European Journal of Operational Research, 1990, 48(1): 9-26. doi: 10.1016/0377-2217(90)90057-I [18] CHENG C, ZHOU Y H, YUE K W, et al. Study of SEA Indicators system of urban green electricity power based on fuzzy AHP and DPSIR model[J]. Energy Procedia, 2011, 12: 155-162. doi: 10.1016/j.egypro.2011.10.022 [19] 孙 伟. 层次分析法应用研究[J]. 市场研究, 2008 (12): 35-39. doi: 10.3969/j.issn.1672-4216.2008.12.011
[20] 陈梅英, 郑荣宝, 吴大放. 基于TOPSIS与PSR结合的城市土地集约利用水平综合评价——以广州市花都区为例[J]. 热带地理, 2010, 30(3): 227-231, 254. doi: 10.3969/j.issn.1001-5221.2010.03.003
[21] 尹 鹏, 刘曙光, 段佩利. 海岛型旅游目的地脆弱性及其障碍因子分析——以舟山市为例[J]. 经济地理, 2017, 37(10): 234-240.
-
点击查看大图
图(5)表(1)
计量
- 文章访问数: 666
- HTML全文浏览量: 335
- PDF下载量: 17
