基于DEA—ESDA模型的煤炭資源利用效率研究

■ 李成宇

（山東科技大學經(jīng)濟管理學院，青島 266590）

0 引言

煤炭資源作為中國最重要的基礎能源，在能源結構中的占比高達60%以上，遠超世界平均水平，這種現(xiàn)狀決定了煤炭資源利用效率會對能源利用效率產(chǎn)生重要影響。因此，科學評判煤炭資源利用效率，使其能為能源、環(huán)境政策的制定提供參考和決策依據(jù)，為中國綠色可持續(xù)發(fā)展提供助力，顯得尤為重要。目前，把煤炭資源作為一類要素，與石油、天然氣等資源放在一起，進行綜合性能源效率問題的研究較多，例如史丹、魏楚、胡宗義、黃德春等人的研究[1-5]。而單獨針對煤炭資源利用效率問題的研究還比較少，前期主要集中在理論建議方面，例如錢婷婷、王妍、于貴芳等[6-8]的研究；最近則主要集中在實證方面，主要是利用數(shù)據(jù)包絡分析（DEA）、空間計量等方法來對煤炭資源利用效率問題進行實證分析，例如武春友、車亮亮、樊靜麗、姚俊等[9-13]的研究。但這些研究都較少關注煤炭資源利用效率的空間演化特征，尤其是同時利用DEA方法與空間統(tǒng)計方法來研究煤炭資源利用效率問題。因此，本文通過構建省際煤炭資源利用效率測度指標體系，將三階段DEA模型和Malmquist指數(shù)模型有效結合，從靜態(tài)、動態(tài)兩個角度出發(fā)，對2006-2015年我國30個?。▍^(qū)、市）煤炭資源利用效率進行測度（因西藏自治區(qū)數(shù)據(jù)可獲得性差，所以不在本次研究范圍內(nèi)），以此為基礎利用空間統(tǒng)計中的全局Moran's I指數(shù)和熱點分析Gi*指數(shù)，對2006—2015年30?。▍^(qū)、市）煤炭資源利用效率的空間演化規(guī)律進行分析，以期對煤炭資源利用效率做出更為準確的判斷，為中國煤炭資源實現(xiàn)綠色可持續(xù)發(fā)展提供參考借鑒。

1 研究方法及數(shù)據(jù)說明

1.1 研究方法

1.1.1 DEA模型

Charnes等人于1978年提出CCR模型，該模型僅能測算規(guī)模報酬不變下的效率[14]；隨后Banker等人提出了規(guī)模報酬可變情況的BCC模型，該模型考慮到規(guī)模報酬可變的實際情況[15]。DEA模型又分為投入型和產(chǎn)出型。投入型是指以產(chǎn)出要素不變?yōu)榍疤?，減少投入以提高效率；產(chǎn)出型是以投入要素不變?yōu)榍疤幔黾赢a(chǎn)出以提高效率。本研究采用投入導向型DEA—BCC模型，具體模型為：

其中θ是被考察單元的效率值，且滿足0≤θ≤1，當θ等于1時表示該被考察單元位于效率前沿面上，是有效的；當θ小于1時表示該被考察單元不處于效率前沿面上，是無效的。

1.1.2 SFA模型

針對傳統(tǒng)DEA模型的不足，Timmer提出了一種能考慮外部環(huán)境因素對相對效率造成影響的分析模型，即隨機前沿模型（SFA）[16]。

設第i個DMU單元的第n個投入值為Xni，松弛變量為Sni，則Sni=Xni-Xnλ>0。根據(jù)Batese、Coelli的研究[17]，構建SFA的回歸模型：

其中，Sni表示第i個決策單元第n個投入的松弛變量；Zi、βn分別表示為環(huán)境變量及環(huán)境變量系數(shù)；Vni+Uni表示混合誤差項，假設Vni-N（0，表示隨機誤差項；假設Uni-N表示管理無效率，同時，Vni與Uni是獨立不相關的。當趨于1時，管理因素為主導，趨于0時，則隨機誤差項為主導。

1.1.3 Malmquist指數(shù)

Malmquist指數(shù)由瑞典經(jīng)濟學家Sten Malmquist于1953年提出，1982年Caves等人又將該指數(shù)運用到生產(chǎn)效率變化的測算中[18]，1994年Fare等人將Malmquist指數(shù)與DEA理論相結合，構建起以t和t+1期為參照的Malmquist生產(chǎn)率指數(shù)，使Malmquist指數(shù)得到廣泛應用[19]，具體公式為下：

若M(xt,yt,xt+1,yt+1)>1，說明從t到t+1期全要素生產(chǎn)率水平提高；反之，若M(xt,yt,xt+1,yt+1)<1，說明從t到t+1期全要素生產(chǎn)率水平降低。

1.1.4 探索性空間數(shù)據(jù)分析(ESDA)

探索性空間數(shù)據(jù)分析方法主要借助Moran's I指數(shù)、Gi*指數(shù)等方法對空間數(shù)據(jù)進行全局空間自相關和局部空間自相關分析，從而發(fā)現(xiàn)數(shù)據(jù)在空間分布上存在的規(guī)律[20]。本文采用全局Moran's I指數(shù)和熱點分析Gi*指數(shù)來分析煤炭資源利用效率的空間特征。具體公式為：

式（4）中，n表示研究個數(shù)；Zi表示i區(qū)域觀測值，Zj表示j區(qū)域觀測值；Wij表示空間權重矩陣（空間相鄰為1，不相鄰為0）；S2表示觀測值方差；表示觀測值平均值。如果Moran's I值為正，表示空間集聚；如果Moran's I值為負，則表明空間分異。

式（5）中Wij表示空間權重矩陣。如果Gi*顯著為正，表明i周邊的值相對較高，屬于熱點區(qū)；如果Gi*顯著為負，則表明i周邊的值相對較低，屬于冷點區(qū)。

1.2 數(shù)據(jù)說明

1.2.1 投入產(chǎn)出指標

本文在參考已有文獻的基礎上[21-23]，選取以下投入產(chǎn)出指標：以資本存量、勞動力存量、煤炭消費量為投入指標，以各省GDP為產(chǎn)出指標。資本存量數(shù)據(jù)無法直接獲取，根據(jù)張軍等[24]的研究，通過“永續(xù)盤存法”來估算得出；勞動力存量通過（當年年末就業(yè)人數(shù)+上年年末就業(yè)人數(shù)）/2計算得出；煤炭消費量通過《中國能源統(tǒng)計年鑒》直接獲取；GDP則以2006年為基期，通過GDP平滑指數(shù)計算得出?？紤]到數(shù)據(jù)的可獲取性，除西藏自治區(qū)外，我國臺灣省、香港特別行政區(qū)、澳門特別行政區(qū)也不在本次研究范圍內(nèi)。

1.2.2 環(huán)境變量

本文綜合相關文獻并考慮數(shù)據(jù)獲取性，選取地區(qū)經(jīng)濟發(fā)展水平、技術進步及產(chǎn)業(yè)結構作為環(huán)境變量。其中，地區(qū)經(jīng)濟發(fā)展水平以人均GDP來衡量；技術進步用研發(fā)支出來衡量；產(chǎn)業(yè)結構用第二產(chǎn)業(yè)增加值與GDP的比值來衡量。

1.2.3 數(shù)據(jù)來源

本文數(shù)據(jù)均來自《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》，并結合各省（區(qū)、市）的統(tǒng)計年鑒、統(tǒng)計公報和新聞報道等資料進行修正。

2 中國省際煤炭資源利用效率測算

2.1 靜態(tài)測算

第一階段運用DEAP2.2測算30?。▍^(qū)、市）2006—2015年的綜合效率均值、技術效率均值、規(guī)模效率均值，具體如表1所示。

從表1可知，在沒有考慮外部環(huán)境和隨機因素影響下，中國30?。▍^(qū)、市）的綜合效率均值僅為0.720，純技術效率均值和規(guī)模效率均值分別為0.794和0.915。其中有4個省市綜合效率值為1，處于前沿面上，分別是福建、湖南、北京和上海，其他26個?。▍^(qū)、市）均有不同程度的無效率狀態(tài)，需要在純技術效率和規(guī)模效率方面進行改進。從區(qū)域來看，中國東、中、西部地區(qū)的綜合效率存在較大的差異性，其中東部地區(qū)綜合效率最高，中部地區(qū)次之，西部地區(qū)最低；純技術效率則是東部地區(qū)最高為0.904，西部地區(qū)與中部地區(qū)基本一致，分別為0.760和0.720；規(guī)模效率東、中、西部地區(qū)都處于較高水平，中部地區(qū)最高0.966，東部地區(qū)次之0.953，西部地區(qū)則能達到0.839。通過第一階段DEA測算，可以看出，中國當前的煤炭資源利用效率總體還處于較低的水平上，呈現(xiàn)東部（高）—中部（一般）—西部（低）的區(qū)域分布格局。但該階段傳統(tǒng)DEA—BCC模型無法區(qū)分不同因素對效率值的影響，只能單純將其歸結為管理無效，忽視了環(huán)境因素及隨機誤差，無法準確反映30?。▍^(qū)、市）真實的效率值，所以需利用SFA模型來剔除環(huán)境和隨機誤差因素的影響（表2）。

表1 第一階段30省（區(qū)、市）煤炭資源利用綜合效率、純技術效率、規(guī)模效率均值(2006—2015年)

表2 第二階段SFA回歸結果

從表2中可以看出，模型設置合理，單邊誤差項的擬然比檢驗值T值均大于Mixedyχ2分布的臨界值，拒絕原假設。其中γ值趨近于1，表明在混合誤差項中管理無效率對投入松弛變量的影響大，隨機因素的投入松弛變量影響小。人均GDP、研發(fā)支出、第二產(chǎn)業(yè)占GDP比重對資本存量和勞動力存量通過顯著性水平檢驗，人均GDP和第二產(chǎn)業(yè)占GDP比重對煤炭消費量通過顯著性水平檢驗，表明環(huán)境因素對投入冗余存在顯著影響，需要利用公式（4）來剔除外部環(huán)境變量及隨機因素，使30省（區(qū)、市）處于相同的外部環(huán)境，以便提高第三階段效率測算的準確性。

根據(jù)第二階段結果對原始投入變量進行調整，得到更為客觀的煤炭資源利用效率，如表3所示。通過對比表1和表3，很多?。▍^(qū)、市）的綜合效率、純技術效率、規(guī)模效率都發(fā)生變動，表明對投入變量的調整是必要的，調整后的結果更準確。在剔除環(huán)境因素和隨機誤差因素以后，只有廣東省達到了效率前沿面。全國的綜合效率均值從0.719下降到0.678，規(guī)模效率均值從0.915下降到0.827，而純技術效率均值從0.793上升到0.813。

從各?。▍^(qū)、市）來看，綜合效率提高的省（區(qū)、市）有14個，純技術效率提高的?。▍^(qū)、市）有18個，而規(guī)模效率提高的僅有4個省，分別是山東、江蘇、河南、廣東。其中，廣東省純技術效率達前沿面，因為規(guī)模效率的提高（從0.994到1），導致綜合效率達到前沿面。河南、山東、江蘇三省綜合效率的提高是由純技術效率和規(guī)模效率共同作用所引起的。吉林、湖北、陜西、四川、山西、河北、內(nèi)蒙古、遼寧、浙江、安徽10個省區(qū)則是因為純技術效率提升而促使綜合效率提升，說明這些省區(qū)之前因為外部環(huán)境和運氣的影響，真實水平并沒有被反映出來。綜合效率降低的?。▍^(qū)、市）有16個，純技術效率提高的?。▍^(qū)、市）有9個，而規(guī)模效率下降的?。▍^(qū)、市）高達26個。其中黑龍江、寧夏、福建、湖南、貴州、廣西、海南、北京、天津9省（區(qū)、市）綜合效率的下降，是由純技術效率和規(guī)模效率下降共同作用引起的，上海、江西、重慶、云南、甘肅、青海、新疆7?。▍^(qū)、市）綜合效率的下降則是因為規(guī)模效率下降引起的，說明這些省（區(qū)、市）第一階段因為面臨環(huán)境因素或運氣較好所以被高估。而大多數(shù)?。▍^(qū)、市）規(guī)模效率出現(xiàn)下降，表明第一階段規(guī)模效率被過高估計，造成煤炭資源利用效率低下的原因并不只是以純技術效率（0.813）為主，規(guī)模不經(jīng)濟（0.827）其實也是導致煤炭資源利用效率低下的原因。

表3 第三階段30?。▍^(qū)、市）煤炭資源利用綜合效率、純技術效率、規(guī)模效率均值（2006—2015年）

從區(qū)域來看，東部地區(qū)效率最高，各效率均值均高于全國及中西部地區(qū)均值；中部地區(qū)次之，僅規(guī)模效率均值略高于全國均值；西部地區(qū)最低，各效率均值均低于中部地區(qū)均值，總體呈現(xiàn)出東>中>西的分布格局。東部地區(qū)憑借優(yōu)越的地理位置，雄厚的經(jīng)濟、科技、教育實力，使其產(chǎn)業(yè)結構趨于合理，煤炭資源利用正逐步向資源集約、環(huán)境友好轉變。中部地區(qū)因規(guī)模效率上的優(yōu)勢，在綜合效率上高于西部地區(qū)，但可以看出，西部大開發(fā)戰(zhàn)略實施以來，西部地區(qū)在技術、管理、人才、生態(tài)等方面已有了長足的進步，其純技術效率（0.755）已基本追上中部地區(qū)（0.785），中部地區(qū)對西部地區(qū)的技術優(yōu)勢已基本殆盡，現(xiàn)存的規(guī)模優(yōu)勢，也只是因為中部地區(qū)大多數(shù)省市煤炭資源豐富，煤炭產(chǎn)業(yè)在當?shù)貙儆谥еa(chǎn)業(yè)，再加上開發(fā)歷史早，在總體規(guī)模上仍領先西部地區(qū)。西部地區(qū)開發(fā)歷史晚，基礎設施不完善，雖擁有豐富的煤炭資源，但大都沒有形成規(guī)模。隨著國家對西部開發(fā)重視程度的增加，西部地區(qū)已獲得了越來越多的技術、人才、管理支持，再加上綠色可持續(xù)發(fā)展戰(zhàn)略的實施，國家在發(fā)展西部時，必將會考慮中東部地區(qū)發(fā)展時的經(jīng)驗教訓，在經(jīng)濟發(fā)展的同時兼顧綠色發(fā)展，使得西部地區(qū)的煤炭資源利用效率得到提升。

2.2 動態(tài)測算

為進一步對煤炭資源利用效率的動態(tài)變化進行研究，本文引入Malmquist指數(shù)模型，分析全要素生產(chǎn)率的變動影響因素。參考盧曦等[25]的研究，將三階段得到的投入產(chǎn)生數(shù)據(jù)帶入Malmquist模型進行測算，獲得更為科學準確的結果，具體測算結果如表4和圖1所示。

從表4可以看出，2006—2015年中國煤炭資源利用效率的Malmquist指數(shù)大于1，但僅為1.012，呈現(xiàn)弱增長的趨勢。綜合效率、技術進步效率、規(guī)模效率均大于1，分別為1.004、1.008、1.004，純技術效率僅為1。從各省（區(qū)、市）來看，全國共有18個?。▍^(qū)、市）的Malmquist指數(shù)大于1，其中，江蘇、內(nèi)蒙古、重慶的增長率最快，分別為9.1%、5.9%、5.3%。11個省（區(qū)、市）Malmquist指數(shù)小于1，其中，山西、黑龍江、河南出現(xiàn)較大幅度的下降，下降幅度分別為-5.8%、-5.5%、-5.1%，而山東省的Malmquist指數(shù)則正好為1。此外，從表4還可以發(fā)現(xiàn)，各省（區(qū)、市）Malmquist指數(shù)的影響因素有所差異，有23個?。▍^(qū)、市）的主要影響因素為技術進步效率，5個?。▍^(qū)、市）以純技術效率影響為主，而主要受規(guī)模效率影響的省（區(qū)、市）僅有江西、青海兩個省。

表4 30?。▍^(qū)、市）煤炭資源TFP指數(shù)及分解（2006—2015年）

圖1 Malmquist生產(chǎn)率指數(shù)均值及其分解指標（2006—2015年）

由圖1可看出，2006—2015年，技術進步效率和全要素生產(chǎn)率的變化較為劇烈、起伏比較大，從2006年開始，經(jīng)過6年的波動于2013年達到峰值，2014年大幅度下落至最低點，2015年又開始回升，但是兩者變化趨勢基本一致。再次說明Malmquist指數(shù)變化的影響因素是技術進步效率為主要影響因素、技術效率為次要影響因素。

3 中國省際煤炭資源利用效率空間格局演變

3.1 總體演化特征

利用GeoDa1.6軟件，計算2006—2015年中國省際煤炭資源利用效率值全局Moran's I指數(shù)，來分析其總體格局演化特征。通過計算，2006—2015年省際煤炭資源利用效率的全局Moran's I指數(shù)均通過顯著性檢驗（表5），且整體較為顯著，表明中國省際煤炭資源利用效率呈正向空間自相關性，集聚模式顯著。2006—2015年中國省際煤炭資源利用效率全局Moran's I值由0.2067提升到0.2873，增長趨勢明顯，表明自2006年以來，中國省際煤炭資源利用效率的空間相關性有所增強，集聚態(tài)勢有所凸顯。

表5 Moran's I檢驗（2006—2015年）

3.2 局部演化特征

在總體格局演化特征的基礎上，本文進一步對中國省際煤炭資源利用效率局部空間集聚格局演化特征進行研究。利用ArcGIS 10.0中的空間統(tǒng)計模塊計算出2006、2010、2015年三種效率的局域Gi*指數(shù)，采用自然斷點法將Gi*值分為熱點區(qū)、次熱點區(qū)、次冷點區(qū)和冷點區(qū)，并通過表6、表7、表8進行說明。

從表6可以看出，綜合效率總體空間格局變化不大。熱點區(qū)集中在東部沿海地區(qū)，2006年熱點區(qū)散落分布在黑龍江、廣東、湖南、上海、福建；2010年熱點區(qū)域范圍有所擴大，在原先5省市的基礎上，加入江蘇、浙江和安徽，2015年趨于集中，除黑龍江成為次熱點區(qū)域以外，熱點區(qū)域保持不變，且新增天津市。2006年次熱點區(qū)均主要分布于東部及中部地區(qū)，2010年則有向西部地區(qū)、東北部地區(qū)轉移的趨勢，涵蓋的省（區(qū)、市）個數(shù)有所減少，2015年次熱點區(qū)域正式轉移到東北地區(qū)及西南地區(qū)。2006年次冷點區(qū)域主要集中的西部地區(qū)，其他地區(qū)零星分散，2010年逐步向中部地區(qū)推移，2015年主要集中在西南地區(qū)以及中部地區(qū)，且涵蓋省（區(qū)、市）有所增加。冷點區(qū)域變化不大，2006年集中在青海、甘肅、寧夏、重慶、貴州、江西及海南，2010年冷點區(qū)域縮小至青海、甘肅、寧夏、貴州、海南五省區(qū)，2015年則只剩下海南、青海、甘肅、寧夏四省區(qū)。

表6 綜合效率冷熱點區(qū)域分布

表7 純技術效率冷熱點區(qū)域分布

表8 規(guī)模效率冷熱點區(qū)域分布

從表7可以看出，純技術效率總體空間變化較大。2006年熱點區(qū)呈零星分布狀態(tài)，2010年有所改善，由零星分布向東部沿海地區(qū)推移，2015年除青海、寧夏、湖南以外，其他?。▍^(qū)、市）均分布在東部沿海地區(qū)。次熱點區(qū)域2006年主要集中在中部及東部沿海地區(qū)，2010年逐漸向東北、西南兩個方向轉移，2015年主要集中在東北及西南地區(qū)。次冷點區(qū)域基本保持不變，2006年主要集中在西南地區(qū)，2010年時范圍由5個省（區(qū)、市）擴大到7個，涉及到新疆、吉林、河北等地，2015年主要分布在中部及西南的部分地區(qū)。冷點區(qū)變化較大，呈現(xiàn)減少趨勢，2006年全國各地區(qū)均有分布，涉及8個?。▍^(qū)、市），2010年減少至6個，分布范圍集中在中部及西南地區(qū)，2015年只剩下甘肅、河南、云南、海南四省。

表8可以看出，規(guī)模效率總體空間格局變化不大，僅2010年發(fā)生較大變化，但2015年又變回到2006時的空間格局。熱點區(qū)2006年主要集中在東中部地區(qū)，涵蓋14個?。▍^(qū)、市），2010年范圍縮小至東部沿海個別?。▍^(qū)、市），僅涵蓋6個?。▍^(qū)、市），2015年則又基本回到2006年時的格局。次熱點區(qū)2006年主要分布在東北、中部地區(qū)，2010年范圍呈現(xiàn)分散狀態(tài)，涉及到多個地區(qū)的省（區(qū)、市），2015年在2006格局的基礎上，范圍有所擴大，涵蓋11個?。▍^(qū)、市）。次冷點區(qū)2006年僅分布在新疆、甘肅、貴州、重慶、江西五?。▍^(qū)、市），2010年范圍迅速擴大，分布在西部及東北地區(qū)，2015年又迅速縮小，只剩下新疆、甘肅、貴州三個省區(qū)。冷點區(qū)基本穩(wěn)定，2006年僅有青海、寧夏、海南三省區(qū)，2010年增加了江西，2015年則又恢復到青海、寧夏、海南三省區(qū)。

4 結論與建議

本文基于三階段DEA模型、Malmquist指數(shù)、ESDA方法，從靜態(tài)、動態(tài)、空間三個維度對煤炭資源利用效率進行了科學、合理的實證分析，得出如下結論：①中國整體的煤炭資源利用效率水平較低，綜合效率均值僅為0.678，純技術效率均值和規(guī)模效率均值只有0.813和0.827，僅有廣東省實現(xiàn)有效，其他?。▍^(qū)、市）均有不同程度無效率狀態(tài)，仍有提升空間。②2006—2015年中國煤炭資源利用效率的Malmquist指數(shù)僅為1.012，呈現(xiàn)弱增長的趨勢；Malmquist指數(shù)對技術進步變化依賴性更強，而對純技術效率和規(guī)模效率的依賴性弱。③中國省際煤炭資源利用效率總體呈現(xiàn)正向空間自相關性，高(低)相鄰省際單元相對集聚，呈現(xiàn)東部>中部>西部的空間分布格局；純技術效率總體空間格局變化較大，綜合效率和規(guī)模效率總體空間格局變化不大。

基于上述實證分析，結合實際煤炭資源利用現(xiàn)狀，本文給出以下建議：①東部地區(qū)要發(fā)揮其優(yōu)越的區(qū)位、政策、資金、教育優(yōu)勢，堅持以創(chuàng)新引領發(fā)展，通過引進來與走出去相結合，對外大力引進煤炭資源利用新技術、新工藝，對內(nèi)積極與高校、科研院所合作，提升其自主研發(fā)能力，做到引進和自主研發(fā)兩手抓、兩手硬。中部地區(qū)要發(fā)揮其資源、規(guī)模、交通等方面的優(yōu)勢，依托中部崛起戰(zhàn)略，優(yōu)化自身的能源供給結構，推動能源生產(chǎn)和消費革命，有序發(fā)展煤轉電、煤轉化，推進傳統(tǒng)煤炭產(chǎn)業(yè)向清潔、高效邁進。同時，要深化區(qū)域內(nèi)部合作，打破地方保護和各類隱形壁壘，加快構建統(tǒng)一大市場，深入推進基礎設施、運輸網(wǎng)絡等重點領域合作，加強在科技、人才等方面的對接，并在政府和市場的共同作用下優(yōu)化煤炭資源配置，提高煤炭資源的利用效率。西部地區(qū)則要利用好西部大開發(fā)戰(zhàn)略契機，加強基礎設施建設，擴大煤炭產(chǎn)業(yè)的規(guī)模，積極引進技術、人才、管理經(jīng)驗，在借鑒中東部地區(qū)煤炭產(chǎn)業(yè)經(jīng)驗教訓的基礎上，提高煤炭資源利用效率。②各?。▍^(qū)、市）在利用技術管理、規(guī)模效應等傳統(tǒng)手段來提高煤炭資源利用效率的同時，還可以利用煤炭資源資本化的方式來提高煤炭資源利用效率，通過轉讓煤炭資源使用權，使其能夠在煤炭產(chǎn)權市場上流通，從而籌集到更多的資金來進行投資，以此來提高煤炭資源的利用效率。③各?。▍^(qū)、市）在提高煤炭資源利用效率時，要充分考慮到生態(tài)環(huán)境問題，在保護生態(tài)環(huán)境的前提下，采取有效措施來提高煤炭資源利用效率，更好地促進中國煤炭資源的綠色可持續(xù)發(fā)展。