压力指数（共5篇）
压力指数 篇1
0 引言
目前,我国各级政府、各个行业对于安全生产形势的横向和纵向对比,多利用生产安全事故死亡人数、十万人死亡率、重特大事故发生起数等指标独立进行[1,2],但由于各项指标对比结果存在非同向的可能性,无法综合反映区域或行业的客观安全生产形势,给安全生产决策带来不确定性。如:A行业同比重特大事故起数减少,但十万人死亡率升高;B行业同比重特大事故起数增多,但十万人死亡率降低,依据独立指标很难对A行业和B行业的安全生产形势及工作成效进行横向或者纵向比较与研判。
英国Maplecroft公司于2010年1月发布了全球176个国家职业健康与安全风险指数(HSRI)[3],从与工作相关的事故数及死亡人数、事故造成的损失工时数等8个方面来衡量综合一个国家的职业安全与健康风险程度。我国雍岐东等[4]开展了生产安全预警预报指标体系研究,从重大危险源、重大生产事故等5方面初步建立了生产安全现状预报指标体系;王长建[5]等开展了企业职业安全绩效指标研究;孙华山副局长牵头的中国安科院等单位组成的课题组[6]开展了区域生产安全宏观预警系统研究。目前,对行业安全生产综合形势的对比研究较少,本文结合我国现有事故统计指标,以工业行业为例,研究构建反映行业整体安全生产形势的综合指标—安全生产压力指数(Safety Pressure Index,SPI),以期为我国工业行业及各细分行业的安全生产绩效判定、安全生产决策和调控提供理论和技术支撑。
1 安全生产压力指数构建分析
从经济社会发展过程中社会管理角度考虑,行业的安全生产形势即为行业发展过程中实现风险受控目标所面临的压力大小,本文基于以下三方面考虑,采用“安全生产压力指数(SPI)”这一概念来综合表征行业整体安全生产形势。首先,“压力指数”从字面上看较为直观形象、易于理解;其次,“压力”既表明一种持续性,又表明一种困难性;再次,“指数”能够反映出一种数量化和相对性的概念,易于对比。
安全生产形势是一种主观感受,而SPI是一个量化值,要想使SPI最为逼近、贴切的反映安全生产形势,需要分析安全生产形势感受的影响因素。安全生产形势的感受主要受三方面因素影响:
(1)各行业事故的相对变化情况。按照系统论的观点,任何行业的生产经营活动与经济社会的整体发展形势有必然的联系[7],行业安全生产形势严峻程度也会表现出一定的相对性,因此,引入死亡人数占比指标,来反映某个行业事故的相对基准水平;用死亡人数占比指数(Death Number Index,DNI),反映各行业事故形势在整体社会行业中的相对变化情况。
(2)事故的严重程度。群死群伤事故的出现,易造成较为恶劣影响,对公众在安全生产形势的感受方面影响较大,也是安全监管工作防范重点,因此,引入事故严重度指数(Accident Severity Index, ASI)指标来反映行业事故严重程度变化情况。
(3)整体风险控制水平。行业整体风险水平的变化趋势是行业安全生产形势变化的主要表征指标,特别是十万人死亡率等指标更能从统计学上排除偶然因素的影响,更为客观的反映行业整体风险控制能力。因此,引入整体风险水平指数(Total Risk Index, TRI)指标来反映行业风险控制水平变化情况。
综上所述,考虑各行业生产安全事故的相对趋势、事故的严重程度以及行业风险控制水平,由DNI、ASI、TRI三项指标构成安全生产压力指数(SPI)的基础计算指标,共同反映行业年度安全生产压力的大小。
2 安全生产压力指数的模型构建
根据安全生产形势表征因素分析结果,构建SPI指数的概念模型如式(1)所示。
SPI=α·DNI+β·ASI+γ·TRI (1)
其中:DNI—死亡人数占比指数;
ASI—事故严重度指数;
TRI—整体风险水平指数;
α—死亡人数占比指数权重;
β—事故严重度指数(ASI)权重;
γ—整体风险水平指数(TRI)权重。
α+β+γ=1,取值见表1。
注:三类指数的取值可以根据需要调整。
本文所构建的SPI指数主要用于对行业年度安全生产压力的反映和纵向比较为主,因此,结合我国目前生产安全事故统计能力以及对群死群伤事故较为关注的现状,通过组织专家采用德尔菲打分法,确定各项指标权重取值如表1所示,从而建立适合于我国现阶段工业行业的SPI指数计算模型如式(2)所示。
SPI=0.2×DNI+0.5×ASI+0.3×TRI (2)
为了更为形象直观的反映行业安全生产压力大小,借鉴经济景气指数表现方式[8,9],以SPI等于100为控制中心,设置相应的红、橙、黄、蓝、绿灯号,建立如表2所示的SPI分级示意图。通过大于或小于100可知变化方向,通过比100大多少、小多少可知变化程度。SPI值越小,表明行业所面临的安全生产压力越小,但并不表明行业安全生产形势的绝对变好;只有当SPI小于100时,才表明行业安全生产形势的变好。
注:分级限值的取值可以根据需要进行调整。
2.1 死亡人数占比指数(DNI)
行业死亡人数占比指数(DNI)的计算模型如式(3)所示。
undefined (3)
其中:DNR—本年度该行业生产安全事故死亡人数占比;
DNR-1—上年度该行业生产安全事故死亡人数占比。
undefined (4)
其中:DN—本年度该行业生产安全事故死亡人数;
DN总—本年度该行业上一级行业生产安全事故总死亡人数;对于工业行业中的细分行业,上一级行业为工业行业;对于工业行业,上一级行业为工矿商贸行业。
2.2 事故严重度指数(ASI)
行业事故严重度指数(ASI)的计算模型如式(5)所示。
undefined (5)
其中:AS—本年度该行业生产安全事故严重度;
AS-1—上年度该行业生产安全事故严重度。
针对我国目前有限的政府行政资源和统计体系现状,较大事故(一次死亡3-9人)的统计值比总体死亡事故的统计值更加准确可靠。因此,建立生产安全事故严重度计算模型如式(6)所示。
undefined (6)
其中:SDN—本年度该行业较大生产安全事故死亡人数,对于没有较大事故发生的行业或年份,以总体死亡事故死亡人数代替;
SAN—本年度该行业较大生产安全事故起数,对于没有较大事故发生的行业或年份,以总体死亡事故起数代替。
2.3 整体风险水平指数(TRI)
行业整体风险水平指数(TRI)的计算模型如式(7)所示。
undefined (7)
其中:TRn—本年度的整体风险值,根据我国目前统计指标设置,暂时以十万从业人员死亡率代替,在统计指标和制度更加完善后,可以用百万工时伤亡率等指标代替,下同;
TRn-1—上一年度的整体风险值,以上年度十万从业人员死亡率代替。
3 安全生产压力指数的应用
3.1 安全生产形势的表征
根据现有统计指标及其数据,对工业行业及其11个重点行业(见表3)的基础数据进行测算。在本文测算过程中,相关数据的统计口径为:工业行业包括《国民经济行业分类》(GB/T4754)中的采矿业、制造业、电力燃气和水的生产及供应业,其他行业的统计界定范围见表3,有关详细的分行业数据测算将另文讨论。
由于我国工业行业中11个重点行业满足SPI计算的较为完整的事故统计数据只能够追溯到2006年,因此,以上年度为基期,按照建立的SPI计算模型,测算2007-2009年11个重点行业SPI值,并绘制其灯号图,如表3所示。从表中可以看出,11个重点行业安全生产形势的表征与公众和专家的定性感受判断基本一致。
3.2 安全生产形势的预警
在假定的经济社会发展情景下,通过对死亡人数、较大事故起数及死亡人数、十万人死亡率等的预测[10,11],利用本文所建立的SPI计算模型,可以计算后续年度的各行业的SPI。若SPI大于105 ,则表明安全生产压力较大,需针对经济社会活动采取更为有利的措施促进安全生产形势好转,若SPI小于95,则表明安全生产压力较小,可以适当的提高经济社会发展目标;从而实现基于安全生产的经济社会发展情景预警,从而为安全生产宏观指导管理、相关产业调整政策的制定等提供参考。
针对2000年前我国工矿商贸行业的细分统计数据缺失的现状,假定1978-2000年我国工业行业DNI为100,测算工业行业1978-2000年的SPI值,如图1所示。在2010年年初笔者采用研究建立的预测模型,对2010年和2011年的基础数据进行预测,并计算了相应年度的SPI值,结果如图1所示。从图中可以看出,1978-2011年我国工业行业整体安全生产形势经历了先上升后下降的趋势,并有一定的波动。2010年SPI会有所上升,但仍位于适中水平,即已有的措施保障了工业行业安全生产总体可控;2011年在采取一系列干预措施后,安全生产压力将降至较小水平,从安全生产角度考虑,可以适度提高经济社会发展目标。
4 结论及建议
本文以死亡人数占比指数(DNI)、事故严重度指数(ASI)和整体风险水平指数(TRI)为基础指标,构建了安全生产压力指数(SPI)计算模型,并实例计算了11个重点行业2007-2009年的SPI值。在假定的经济社会发展情景下,依据单项事故指标预测结果,对工业行业2010年和2011年的SPI值进行了测算;根据测算结果,提出了从安全生产角度考虑,可以适度提高经济社会发展目标的建议。
在研究过程中,笔者发现我国现有的事故统计指标设计、统计数据精细程度、事故预测模型等难以满足计算要求,影响了SPI指数表征安全生产形势的准确度,给决策支撑工作带来一定的困难。因此,对事故基础信息统计及后续研究工作提出如下建议。
(1)强化事故基础数据采集工作。目前我国工业行业特别是非矿山行业细分行业的事故基础数据完整性较差[12],事故基础数据采集的深度和频度还无法满足安全生产宏观指导管理的要求。从发达国家的历史经验和事故预防的角度考虑,应加大对非死亡事故的统计工作力度。同时,为提高监测预警等的时效性,应提高事故数据的统计频度,如将目前的年度统计变为季度统计或月度统计等。
(2)加强相关事故趋势测算模型研究,提高SPI指数在预警方面的应用。SPI测算必须基于大量相对和绝对事故指标,如事故死亡人数、十万人死亡率等的预测。目前,虽然有关学者[10,11]在事故预测指标设置、模型构建、精确度提升等方面开展了大量研究,但仍然存在较大的差距。因此,应在充分考虑生产安全事故的发生规律所具有的社会属性基础上,研究构建更为合理、可行性的事故预测指标体系和模型,为SPI的应用提供支撑。
(3)借鉴本文构建行业SPI的思路,可以考虑构建区域SPI模型,以指导区域安全生产调控工作。但要注意,由于事故发生具有概率性、相关模型对有关数据样本量有所要求,因此,区域安全生产压力指数的构建应充分考虑数据量或覆盖面等因素,避免因区域范围过小而导致误差甚至错误出现,进而对决策工作形成误导。
(4)开发安全生产压力指数系统,提高SPI指数应用的信息化水平。本文所构建的安全生产压力指数,计算过程较为复杂,特别是应用于预警过程时,会涉及到更多的测算模型,因此,应尽快在现有研究基础上开发安全生产压力指数系统,提高SPI应用信息化水平。在区域SPI模型构建后,可以将安全生产压力指数与地理信息系统等相结合,进行区域安全生产压力指数预警,提高各区域安全生产指导管理工作的前瞻性。
摘要：针对单一事故指标在反映行业或区域安全生产形势方面存在的不足,提出采用“安全生产压力指数”这一指标来综合表征我国各行业整体安全生产形势。以工业行业为例,结合我国现有事故统计指标,综合考虑各行业生产安全事故的相对趋势、事故的严重程度以及行业风险控制水平对安全生产形势的影响,构建了以死亡人数占比指数(DNI)、事故严重度指数(ASI)和整体风险水平指数(TRI)为基础指标的安全生产压力指数(SPI)计算模型。通过对工业行业及其11个重点行业事故基础数据的采集整理,分别测算了工业行业1978-2011年度以及11个重点行业2007-2009年度的SPI指数,分析了SPI指数在安全生产形势表征和安全生产形势预警方面的作用,提出了深化和完善SPI指数应用的建议。
关键词：安全生产,压力指数,工业行业
参考文献
[1]刘铁民,任智刚.安全生产“十二五”规划若干统计指标考量[J].中国安全生产科学技术,2011,7(5):5-9 LIU Tie-min,REN Zhi-gang.Research on several indica-tors in the twelfth five-year program for work safety[J].Journal of Safety Science and Technology,2011,7(5):5-9
[2]国家安全生产监督管理总局.中国安全生产年鉴[M].北京:煤炭工业出版社,2009
[3]Emerging economies revealed as health and safety hot spots by Maplecroft ranking[EB/OL].http://maplec-roft.com/about/news/global_health_hot_spots_jan_10.html
[4]雍岐东,刘居东,高军.生产安全预警预报指标体系研究[J].中国安全科学学报,2008,18(10):57-61 YONG Qi-dong,LIU Ju-dong,GAO Jun,et al.Study on the forecasting and early warning index system for work safety[J].China Safety Science Journal,2008,18(10):57-61
[5]王长建,傅贵.职业安全绩效指标研究[J].中国安全科学学报,2008,18(3):79-82 WANG Chang-jian,FU Gui.Study on safety performance indexes[J].China Safety Science Journal,2008,18(3):79-82
[6]区域生产安全风险宏观预警系统研究课题组.区域生产安全风险宏观预警系统研究报告[R].2011.11
[7]刘铁民.中国安全生产若干科学问题[M].北京:科学出版社,2009.9
[8]张晓峒.应用数量经济学[M].北京:机械工业出版社,2009.3
[9]中国经济景气监测中心.经济动向-预警指数[EB/OL].http://www.cemac.org.cn/Eyjzs.html
[10]王显政.安全生产与经济社会发展报告[M].北京:煤炭工业出版社,2006
[11]刘铁民.中国安全生产大趋势已进入拐点[J].中国安全生产科学技术,2009,5(3):5-12 Liu Tie-min.The general trend of work safety in China have entered the turning point[J].Journal of Safety Sci-ence and Technology,2009,5(3):5-12
[12]国家安全生产监督管理总局统计司.2010年全国生产安全事故统计分析报告[R],2011.3
压力指数 篇2
综合压力畸变指数的计算软件设计及验证
设计了专用软件计算稳态压力畸变指数,同时利用该软件绘制了气动界面总压图谱,并利用某风洞试验数据验证了该软件的`准确性;设计了数字滤波器对动态压力数据进行处理,研究了滤波器截止频率、数据取样时间对动态压力畸变指数的影响.应用所设计的稳态压力绘图和畸变计算软件及动态压力数据处理方法,对某型飞机飞行时发动机进口气动界面的综合压力畸变指数进行了计算.
作 者：作者单位：刊 名：航空发动机英文刊名：AEROENGINE年，卷(期)：35(5)分类号：V2关键词：畸变指数 稳态压力 动态压力 气动界面 图谱 数字滤波器 截止频率 取样时间
压力指数 篇3
收稿日期：2007-09-19
作者简介：沈悦(1961-)，女，陕西人，经济学博士，西安交通大学博士生导师;
闵亮(1981-)，女，湖北人，西安交通大学经济与金融学院博士研究生，浙江财经学院会计学院助教。
摘要：本文采用了极值理论对亚洲和拉美国家的货币危机期进行了重新界定和识别。通过极值理论和传统识别方法的对比，发现极值理论对于阈值的选取更具科学性，同时其识别出的危机期无论在判别数量上还是捕捉危机的能力方面都得到了明显的提高。
关键词：货币危机;外汇市场压力指数;极值理论
中图分类号：F830．92 文献标识码：A文章编号：1006-1428(2007)12-0069-04
一､货币危机识别的文献综述
对于货币危机界定和识别的最简单的方法就是将名义汇率的巨大变动直接界定为危机，其中最有代表性的就是Frankel &&Rose(1996)，他们将汇率贬值超过25%界定为货币危机。但这种界定方法存在两个比较严重的问题：1､对于高通货膨胀率国家在正常情况下货币都会贬值10%以上，所以对于这些国家，名义汇率贬值25%不能算作很大的波动，所以也不能界定为危机。针对该问题的改进方法就是用通货膨胀率对名义汇率进行调整，将名义汇率折算成为真实汇率。Goldfajn && Valdes(1998)就将货币危机界定为真实汇率的波动超过1．96个标准差。2､Frankel && Rose等人也发现单一的汇率变动不能完全识别货币危机。对于预警系统，货币危机是个更为广泛的概念：某些时候投机成功，那么该国货币将会大幅贬值;但是更多时候政府采用得当的措施来阻止投机者。如果政府成功地阻止投机者，则该国的货币汇率变动不大，但是国际储备大量损失，国内利率上升甚至恢复资本管制。这样用复合指标——外汇市场压力指数(EMP)来衡量国际外汇市场的投机压力，并将较大外汇市场压力界定为货币危机就更为合理。外汇市场压力指数最初由Girton && Roper(1977)提出，他们用国际储备的收益或损失和汇率的平均变动两个指标，复合成外汇市场压力指数，并以加拿大为例进行检验。Eichengreen，Rose && Wyposz(1996)对Girton && Roper的外汇市场压力指数进行了改进，加入了第三个指标——利率变化。一般来说，利率可以影响资本流动和调解投机活动，他们对整个危机期间相关利率变动进行捕捉，证明了利率能够为货币投机压力提供有用信息。以真实汇率变动､外汇储备变动和利率变动组成的外汇市场压力指数来界定和识别危机的方法被Eichengreen，Rose和Wyplosz(1995);Sachs，Tomell和Velasco(1996);Kaminsky，Lizondo和Reinhart(1998)等采用，并成为应用广泛的货币危机识别方法。
在货币危机预警模型中，如果外汇市场压力指标超出某个阈值，则界定为货币危机发生;不超过则界定为平稳期。Frankel & Rose (1996)认为，当汇率贬值超过25%以上界定为货币危机。Kaminsky，Lizondo & Reinhart(1998)则认为，外汇市场压力指数的波动超过三个标准差应确认为危机。Eichengreen(1995)，Bussiere(2002)则将两个标准差作为识别货币危机的临界值。Roy & Tudela(2000)在预警模型中认为，当外汇市场压力指数下跌大于5%且至少是上期跌幅两倍时危机发生。Alberb & Tenengauzer(1998)则在修改的EMP基础上，利用非线性SETHAR模型给出了具有国家特异性的临界值，并以此识别危机。
综上所述，外汇市场压力指标通过前人的不断完善，已经形成了由汇率变动､外汇储备变动和利率变动三个指标组成的合成指标，通过以往数据的实证检验，其较其他方式能更有效地提前识别货币危机。上述文献都是基于外汇市场压力指数近似服从正态分布前提假设，大量实证研究表明，金融时间序列的实际分布并简单的正态分布，而是“尖峰厚尾”分布，而作为测量汇率风险，界定货币危机的重要金融指标——外汇市场压力指数的时间序列到底是近似服从正态分布，还是实际分布呈现出其他分布特征。该指标的实际分布特征将直接影响我们对货币危机的界定与识别，下面就对外汇市场压力指数的统计分布特征做检验。
二､ 外汇市场压力指数是否近似服从正态分布
1．样本选取和数据来源。
本文选取了和中国同属于转型国家的亚洲和拉丁美洲的17个国家和地区为样本，样本的时间跨度从1993年1月到2005年12月共13年度的158个月度指标，少数国家由于数据不全，仅选取了有效的时间序列。选取的指标包括汇率､外汇储备和利率。其中汇率是将本币对美元的名义汇率通过消费价格指数调整为真实汇率，外汇储备为扣除了黄金的外汇储备，利率则是货币市场利率，但是由于中国等少数亚洲国家货币市场利率开放的时间比较晚，本文用一年期存款利率作为了替代指标。所有的数据来源于世界银行www．worldbank．org，国际货币基金组织www．imf．org的官方网站，部分中国数据来源于中国国家统计局www．stats．gov．cn。
2．EMP分布的描述统计及正态分布检验。
本文引用了KLR对EMP的赋权方法，计算出了包括中国大陆在内的8个亚洲国家和7个拉美国家从1993年2月到2005年12月每个月度的外汇市场压力指数(数据的采集是从1993年1月到2005年12月，由于计算各个指标的变动，所以外汇市场压力指数从1993年2月开始计算)。所使用的软件为Eviews5．1，分别对各国所计算出来的EMP进行了正态分布的检验。
从表1对各国的外汇市场压力指数分布的描述统计量及正态分布检验可以得到：(1)除了墨西哥以外，EMP的分布呈现出明显的右偏特点，即偏度为负数，说明数据的分布具有较长的左尾;(2)所有EMP的峰度都远远大于0，说明EMP的分布要比标准正态分布峰高，综合考虑偏度和峰度，表示EMP在不同的国家和地区都表现出了明显的尖峰厚尾的特点;(3)所有的Jarque-Bera统计量都显著的拒绝了变量为正态分布的原假设。以上统计数据表明，EMP的分布均表现出来较强的非正态尖峰厚尾的统计特性。从EMP的分布来看，前述以正态分布为前提的危机界定方法其界定可能是不准确的。
压力指数 篇4
1 研究区概况
云南地处我国西南部,位于北纬21°9′-29°15′,东经97°31′-106°12′之间,是典型的喀斯特高原山区省份,全省土地面积84%为山地;气候以亚热带山地和高原季风气候为主,干、湿季节分明,四季特征不明显,有明显的垂直分带现象;全省降水以降雨为主,但降水在时间上和空间上分布不均匀,旱涝灾害频繁[4],多年来,粮食生产形势一直比较严峻。随着人口增长和城市化进程加快,确保粮食产能安全成为头等大事。因此,有必要选择适合的计量模型对未来粮食产能安全态势进行预测和评估,从而为解决云南粮食产能安全问题提供科学依据。
2 数据来源与研究方法
云南省多年粮食产量数据、人口数据、粮食播种面积数据、总播种面积数据和耕地面积数据均来源于云南统计年
鉴[5]。获取以上基础数据后,建立历年粮食产能安全基础数据库。由于粮食产量受到诸多因子的影响,既有人口、社会、政策、经济方面的,又有区域自然、生态方面的,具有一定的不可知性即灰色性,因此选用灰色系统GM(1,1)模型进行建模计算[6]。通过建国以来粮食生产动态变化与耕地压力指数动态变化,分析当前云南粮食产能安全状况,并在此基础上通过灰色系统GM(1,1)模型对未来粮食供需发展进行预测,从而对云南省未来粮食产能安全态势进行评估。
2.1 GM(1,1)模型简介
GM(1,1)模型按关系式(式中t为时间,i为第i年的数据)对原始数据X(0)(i)进行相应的一次累加,生成灰化数据X(1)(t),建立GM(1,1)白化形式的微分方程:d X(1)/dt+a X(1)=u,式中a,u为待估参数。用最小二乘法求解式中参数向量a和u,令X(1)(1)=X(0)(0),求解微分方程得到时间响应函数方程:X(1)(t)=[X(0)(1)-u/a]e-at+u/a,再反求得到原始数列的预测值:预测模型的检验采用后验差检验法,即用方差比C及小误差概率p来确定模型的精度等级。当P>0.95和C<0.35时,模型精度好,为一级;当P>0.8和C<0.5时,模型合格,精度为二级;当P>0.7和C<0.65时,模型勉强合格,精度为三级;当P≤0.7和C≥0.65时,模型不合格,精度为四级。
这种方法对于规律性不很明显、影响因素多的数列进行预测具有明显的优势,它是通过时序数据累加生成的模块建立起来的,滤去原始序列中可能混入的随机量,从上下波动的时间序列中寻找某种隐含的规律性。同时一般系统理论只能建立差分模型,只能用于短期分析,而灰色系统理论的关联度收敛原理、生成数、灰导数、灰微分方程等观点建立起来的微分方程模型可以用于中长期的预测[7]。
2.2 最小人均耕地面积
最小人均耕地面积是指在一定区域范围内,一定粮食自给水平和耕地生产力条件下,为了满足人口正常生活的食物消费所需的耕地面积[8]。最小人均耕地面积是食物自给率、粮食消费水平、耕地生产力水平等因子的函数,如下式:
式中,Smin为最小人均耕地面积(hm2/人);β为食物自给率(%);Gr为人均食物需求量(kg/人);P为食物单产(kg/hm2);q为食物播种面积占总播种面积之比(%),k为复种指数(%),它是一年中各个季节的实际总播种面积除以耕地面积求得的。最小人均耕地面积给出了为保障一定区域食物安全而需保护的耕地数量底线[9]。
2.3 耕地压力指数
耕地压力指数是指最小人均耕地面积与实际人均耕地面积之比[8],如下式:
式中,K为耕地压力指数,Sa为实际人均耕地面积(hm2/人),Smin为最小人均耕地面积(hm2/人),是区域可耕地总面积与人口数量的函数。耕地压力指数可以衡量一个地区耕地资源的稀缺和冲突程度,给出了耕地保护的阈值,可作为耕地保护的调控指标,也是测度粮食安全程度的指标。以K=1为临界状态,K可分为以下3种耕地压力状况。
当K=1时,说明实际人均耕地面积等于最小人均耕地面积,此时必须防止耕地流失,在提高耕地物质投入水平和生产能力的情况下合理引导耕地的用途转移。
当K<1时,实际人均耕地面积大于最小人均耕地面积,表明耕地生产力的供给水平高于食物消费水平。在这种情况下,可以适度转换耕地用途以保证城市化、工业化对土地的需求,也可以大力调整农业种植结构,退耕还林还草以改善生态环境,甚至可以让耕地休闲,以保持耕地的综合生产能力。
当K>1时,实际拥有耕地面积已达不到人均所需耕地面积的要求,表明耕地承受巨大的压力,需防止出现粮食不安全问题[10,11]。
3 粮食产能安全与耕地压力指数的动态分析
3.1 粮食总产与人均粮食产量的动态分析
研究时段内(1949-2008年)云南粮食总产与人均粮食产量均有显著提高。粮食总产量由1949年的3.74×106t上升到2008年的1.52×107t,增长了3.06倍,平均每年增长5.1%。研究时段内,粮食总产持续增长,虽有减少的年份,但增长占绝对优势,总体呈波浪型上升趋势。粮食总产增长过程可以大致分为三个阶段,1952-1975年是增长期,粮食产量稳步增加;1976-1986年是波动期,粮食总产忽高忽低,波动性较大;1987年以来,粮食总产增长速度减缓(图1)。
人均粮食产量的变化过程大致可以分为两个阶段。以1988年为界,1988年以前,人均粮食产量存在较大的波动,并且与粮食产量的变化不一致;1988年以后,人均粮食产量稳步提高,同时与粮食总产量变化一致(图1)。这表明,1988年以来,云南省人口增长得到有效控制,人均粮食产量与粮食总产量得到同步发展。
3.2 最小人均耕地面积与耕地压力指数的动态变化
根据相关研究,粮食自给率达到90%,即可认为是达到了可接受的粮食安全水平[12]。因此,本文在计算最小人均耕地面积与耕地压力指数时,取食物自给率为90%,并设定人均食物需求量为400 kg[13],计算出2000年以来最小人均耕地面积Smin与耕地压力指数K的变化。计算结果(图2)表明,Smin呈波动变化,但总体有下降趋势。截止2008年最小人均耕地面积Smin为0.0992hm2/人,超出我国近期耕地资源安全底线0.056 hm2/人[14]。耕地压力指数K也呈现波动变化,变幅在1.03-1.11之间。这表明,2000年以来云南耕地压力处在紧张状态[8],耕地承受巨大的压力,应防止耕地流失和非法占用土地,努力提高耕地生产力水平,减轻耕地压力。
4 粮食产能安全与耕地压力指数趋势预测
全国人均粮食消费有3种标准:人均300kg-350kg属维持温饱;人均350kg-600kg属消费改善;人均600 kg以上属于满足享受[15]。本文划分标准时,结合全国总体情况和云南实际,设定人均粮食消费350 kg为温饱型,人均粮食消费400 kg为小康型,人均粮食450 kg为富裕型。根据相关研究,粮食自给率达到90%,即可认为是达到了可接受的粮食安全水平[13]。因此,本文设定云南食物自给率为90%,分别按温饱型(350kg/人)、小康型(400kg/人)和富裕型(450kg/人)的粮食消费水平进行GM(1,1)建模计算,并预测未来25年最小人均耕地面积与耕地压力指数,从而对未来云南粮食产能安全态势进行评估。
4.1 人口、耕地、粮食总产、粮食播种面积和总播种面积的预测
根据1949-2008年人口、耕地、粮食总产、粮食播种面积和总播种面积数据建立GM(1,1)模型,并进行精度检验(预测模型与精度检验如表1所示),经精度检验,方差比C与小误差概率P均在一级和二级,模拟精度良好,故可用此模型进行预测。在上述模型的基础上,按灰色动态预测依次递补,预测未来25年云南人口、耕地、粮食总产、粮食播种面积和总播种面积数据,并在此基础上计算未来最小人均耕地面积与耕地压力指数。
4.2 最小人均耕地面积与耕地压力指数预测
取粮食自给率为90%,根据以上人口、耕地、粮食总产、粮食播种面积和总播种面积的预测结果,分别按温饱型(350kg/人)、小康型(400kg/人)和富裕型(450kg/人)的粮食消费水平计算得出最小人均耕地面积与耕地压力指数的预测结果(图3、图4)。预测结果显示:未来25年,无论按温饱型(350kg/人)、小康型(400kg/人)和富裕型(450kg/人)粮食消费水平计算,最小人均耕地面积和耕地压力指数都呈下降趋势;最小人均耕地面积降低速度大于实际人均耕地面积降低速度,从而使耕地压力指数有降低趋势。这说明,此期间耕地生产水平高于食物消费水平,粮食安全形势比较乐观。在这种情况下,可以保持耕地生产能力,培肥地力,以保持耕地综合生产能力。也可以适度调整农业内部种植结构,还可以适当将农业用地向非农业用地转化,以满足工业化、城市化对土地的需求。
4.3 粮食产能安全预测
由图4可知,云南耕地压力指数K在温饱型和小康型粮食消费水平下小于1;而在富裕型粮食消费水平下大于1。这表明,未来云南耕地提供的粮食能满足全省居民温饱型和小康型的粮食消费需求,但提供富裕型粮食消费的压力较大。因此,在未来20多年内,如果人口失控或粮食大幅减产,则全省粮食生产要实现富裕型消费水平的目标将有较大困难,实现的可能性也很小。
5 结论
(1)2000年以来,云南耕地面积呈减少趋势,耕地面积减少的主要原因是住宅建设、公路建设占用土地,其次是农业产业结构调整占用大量土地,如退耕还林还草。随着人口的增加与耕地面积的减少,人均耕地面积有继续降低的趋势。
(2)2000年以来,云南最小人均耕地面积Smin呈波动变化但总体有下降趋势,耕地压力指数K也呈波动变化,变幅在1.03-1.11之间。这表明,2000年以来云南耕地压力处在紧张状态,耕地承受巨大的压力,应防止耕地流失和非法占用土地,努力提高耕地生产力水平,减轻耕地压力。
(3)由预测结果可知,未来25年,无论按温饱型(350kg/人)、小康型(400kg/人)和富裕型(450kg/人)粮食消费水平计算,最小人均耕地面积和耕地压力指数都呈下降趋势;这说明今后一段时间云南耕地面积可以保障粮食生产安全,但这并不是说耕地压力指数一直呈降低趋势。随着城市化、工业化发展,城市用地的不断扩张,非农业用地和保证粮食生产安全用地将会维持在一个相对平衡的状态。
压力指数 篇5
二季度, 化工产业景气度呈现小幅回升, 产业总体呈现平稳运行态势。化工产业多项经济运行指标实现稳定增长, 其中, 化学工业产品出口额和从业人员数两项指标同比增速有较大提高。当前, 化工产业应加大结构调整力度, 在提升传统产业的同时抓住新兴产业发展的机遇, 推动产业整体升级。
报告要点解读之一
行业保持持续增长景气呈现企稳态势
【报告要点】中经化工产业景气指数报告显示, 二季度我国化工产业整体表现正常, 经济运行平稳, 景气度呈现小幅回升。
专家解读:今年上半年, 我国化工行业总体呈现出增长快、步伐稳、效益好的良好开局。
上半年, 行业规模以上企业工业总产值同比增长36%, 其中一季度同比增长36.2%, 二季度同比增长35.1%, 增速持续稳定在高位水平。行业规模以上企业累计实现利润近1900亿元, 同比增长55.5%, 创出历史同期最高水平, 其中一季度实现886.6亿元, 同比增长71.5%, 二季度实现1012.5亿元, 同比增长43.8%, 同比增速虽出现回落, 但快于同期产值增长, 且环比保持稳步上升趋势。
结合中经化工产业景气指数报告来看, 2011年前两个季度中经化工产业景气指数分别为100.8点和101.4点, 尽管景气水平与去年同期相比出现一定回落, 但行业景气总体仍保持在超过100点的较高位水平运行, 特别是在一季度出现较为明显的回落后, 二季度行业景气快速趋稳。景气走势表明, 上半年在国际经济复苏仍很不稳固、地区不稳定因素增多及国内通胀压力、货币政策不断收紧的宏观背景下, 化工行业仍继续保持了较为强劲的增长动力。
上半年, 内需是推动化工行业增长的主要动力。尽管汽车产销增速的明显放缓对合成树脂、合成橡胶等材料类化工产品需求带来一定影响, 但平板玻璃、管材、铝材、保温材料、电缆等建材需求增长仍比较强劲, 这就推动了纯碱、烧碱、PVC、聚氨酯、涂料等化工产品的持续旺销。
今年上半年, 国内消费保持了16.8%的平稳较快增长水平, 其中, 家电、塑料制品、纸制品、日用化妆品、纺织服装等轻工产品产销增长快速, 这也拉动了化工行业中的塑料原料、化纤、电子化学品、专用化学品等需求保持稳定增长。上半年, 农业生产增长稳定, 农产品及食品价格持续上涨, 这也在一定程度上刺激了化肥、农药、饲料添加剂等农用化工品的消费增长。
除内需外, 今年以来化工行业外需增长良好, 成为行业景气的重要推动因素。前5月, 化工行业出口同比增长37%, 快于全国出口平均水平13个百分点, 快于行业进口16个百分点, 贸易逆差同比下降6.9%。主要原因是国际经济总体保持复苏势头, 对化工产品需求稳步上升, 国内化工行业市场竞争力的逐步提升所致。从出口结构来看, 有机化工品、合成材料等高附加值产品出口明显加快;合成树脂在出口中的比重突破5%, 达5.25%;无机化工品等传统产品出口增速放缓, 比重下降。
报告要点解读之二
成本及能源约束趋紧化解压力要打持久仗
【报告要点】进一步剔除随机因素后, 化工产业生产合成指数为98.2点, 低于未剔除随机因素的生产合成指数0.9点, 且走势与未剔除随机因素的生产合成指数走向继续保持一致, 进一步说明二季度成本压力加大对化工企业的生产产生了一定的抑制作用。
专家解读:今年以来, 尽管化工行业景气总体保持良好运行态势, 但同时也面临着成本快速上升以及资源能源约束的压力。成本方面, 原料燃料成本压力不断加大, 受多种复杂因素的影响, 上半年, 国际原油价格出现一轮较大幅度的上涨, 目前仍保持在100美元/桶的高位震荡, 由此带动石脑油、燃料油、烯烃、基础化工原料等价格明显上升。同时, 国内煤炭价格继续高位攀升, 硫磷萤石等化学矿、工业盐等价格都出现较快上涨, 电力价格在15个省份也出现上调, 这些因素都使相关化工企业生产经营的成本有所提高。
在资源能源约束方面, 上半年, 国内电力供需形势总体偏紧, 特别是二季度南方持续干旱, 水电相对减少, 一些地区的限电措施也使得化工企业停产、限产增多。受电煤需求快速拉动影响, 上半年国内煤炭供应总体也略显偏紧。
下半年来看, 成本压力和资源能源约束形势仍比较严峻, 将继续对行业景气运行带来较大影响, 行业应积极做好长期应对的准备。下半年, 国内货币政策不会出现大的转向, 市场流动性仍将趋紧, 企业仍将面临资金成本压力。此外, 上半年企业人工成本也在不断上升, 这也成为不少企业成本增加的主要原因。
从油价方面来看, 国际经济复苏不确定性依然存在, 从国际能源署公布的数据看, 下半年国际原油供需总体略有偏紧, 基本面支持油价高位运行。下半年, 据电力行业联合会预测, 我国电力供需形势总体仍比较严峻。
报告要点解读之三
投资结构有所改善健康发展仍需努力
【报告要点】经初步季节调整, 二季度化工产业固定资产投资总额为2192.6亿元, 同比上升32.4%, 同比增速比上季度减缓1.9个百分点。化工产业固定资产投资总额同比增速延续了自2008年以来震荡下行的态势, 增势持续削弱。
专家解读:经过国家产业政策引导和行业自律等多种措施的实施, 今年以来, 化工行业总体投资增速有所放缓, 投资结构有所改善, 低水平重复建设有所遏制, 投资项目逐渐向大型化、专业化和高端化发展。上半年全行业固定资产投资同比增长25.3%, 增速基本与全国固定资产投资增长水平相当, 新开工项目同比下降8.5%, 施工项目同比下降1.3%。行业投资中, 产能过剩的氮肥、无机碱、无机盐等行业投资增幅低于平均值, 市场短缺的专用化学品、合成材料等高端石化产品投资增幅高于平均值, 行业投资总体呈现出高端化的趋势, 符合国家调结构、转方式的发展方向。