1.3.2 生态效率国内外研究现状
由于目前国内外学者对于生态效率的研究众多，因此对当前的生态效率国际研究现状使用文献计量分析。
1.3.2.1 生态效率的国外文献计量分析
学者对于生态效率的研究，自1991年开始受到学者的关注，以Web of Science的核心合集为数据库，主题词为ecological efficiency或者ecology efficiency进行检索，检索1900年至2019年的文章量，发现最早有关于生态效率的文献是1957年，但在随后的几十年中，每年的文献均不超过10篇，在1991年，关于生态效率的文献开始突然增多。1991年到2018年的发文量，如图1-1所示。
从图1-1中可以看出，生态效率的研究论文数量呈现逐年上升的趋势，尤其是近几年的研究论文数量非常多，这也说明生态效率的研究是学者们当前关注的热点问题。
图1-1 基于WS核心合集的生态效率各年发文量
从文献的类型来看，研究论文有12704篇，综述有977篇，会议论文有544篇，对于生态效率的研究，还是以研究论文为主。
表1-3 发文量的研究机构排行
表1-3呈现的是研究机构的发文量排行，从研究机构来看，中国社会科学院和中国社会科学院大学，中国科学院高级研究院的研究成果比较多，美国的各研究机构，诸如美国国家科学研究中心，加州大学系统等，对于生态效率的研究也十分深入。
表1-4 出版物来源发文排名
表1-4是关于生态效率的发文量排名在前十的出版物来源，可以看出，Journal of Cleaner Production，Journal of Industrial Ecology和Plos One的发文量均超过了200篇，是生态效率发文量比较多的期刊。
信息可视化的目的是使人们通过图示信息来获得更深刻的见解［31］。为了更好地呈现生态效率的研究现状，本书以Web of Science核心合集为数据来源，选取2015年到2019年的1990篇文献，并将数据下载方式设定为“全记录包含所引用的参考文献以及摘要”，下载格式设定为“纯文本”，借助Citespace 5.3 R4软件进行文献共被引分析，通过以作者、关键词等为条件进行聚类分析。分析CiteSpace绘制的文献共被引图谱中的聚类和关键节点，可以直观把握关系研究领域的前沿及知识基础。时间切片为1年，节点类型选择“被引文献”，连线强度选Jaccard，抽取“Top 20”，按“Pathfinder”算法和“Pruning the slice network”策略精简图谱。绘制出由116个节点和149条连线，密度为0.0223的共被引网络文献，结果Largest CC为49%，Nodes Labeled为5%，Q为0.9124，说明整体聚类效果良好。
（1）关键词聚类分析
对关键词聚类分析后，从表1-5中可以看出，关键词按照被引次数排序如下：生态（441，0），效率（154，0.06），产业生态（140，0.05），演化（115，0.04），多样性（111，0.08），系统（107，0.03），增长（103，0.08），气候改变（100，0.08），模型（92，0.05），管理（81，0.11）。从频次来看，以上的十个关键词具有较好的引用频次，但是从中介中心性上来看，管理的中介中心性较好，说明这些关键词虽然出现的频率高，但中介中心性差，起到的中介作用小。
表1-5 被引文献关键词聚类频次排名
续表
从表1-6中可以看出按照中介中心性排名，关键词的排序为：碳（39，0.16），指标（36，0.15），生物多样性（74，0.12），管理（81，0.11），社区（71，0.1），行为（65，0.1），氮（56，0.1），食物（41，0.1），选择（24，0.1），特性（17，0.1），磷（9，0.1）。当中介中心性大于0.1时，则说明该关键词起到了较好的中介作用。以上11个关键词的词频虽然不高，但中介中心性均大于等于0.1，说明上述11个关键词具有较好的中介中心性。
表1-6 被引文献关键词聚类中介中心性排名
续表
表1-7是突发引用最强的前七个关键词。突发引用（Citation Bursts）是指在某一个时间段被大量地引用，可较好地反映某一时期的研究关注点。按照突发引用强度排序如下：生物技术（4.223），森林（3.9732），农业（3.7307），土地使用（3.7115），资源效率（3.4742），循环经济（2.6359），食物网（2.4295）。从起止年份来看，在2015年到2016年间，突发引用的关键词为农业；在2016到2017年间里，资源效率、生物技术、森林、食物网更受关注；在2017年到2019年间，土地使用和循环经济是当前的研究热点问题。
表1-7 突发引用最强的前7个关键词
对关键词按照时间线（Time line View）进行聚类分析，聚类显示的十字中心越大，代表该关键词的中心性越强。从图1-2中可以看出，按照时间顺序来看，Industrial ecology（产业生态）一直备受学者关注。此外，Climate change（气候改变），Predation（捕食）和Soil ecology（土壤生态学）也是十分重要的关键词。
图1-2 基于时间顺序的关键词聚类分析
（2）作者共被引分析
表1-8 高被引作者排名
续表
(https://www.daowen.com)
注：表中引用频次不代表真实被引频次，仅代表被分析的文献中总计被引频次。
从表1-8中可以看出，R CT学者的文献引用频次最高，为36次，从引用频次来看顺序为：R CT（36，0.06），CAPORASO JG（34，0.15），R CT（30，0.02），R CT（23，0.12），BATES D（22，0.15），EDGAR RC（22，0.15），R CT（20，0.02），R CT（17，0），REICH PB（17，0.16），SCHLOSSPD（16，0.01）。
表1-9 高中介中心性作者排名
从表1-9中可以看出，中介中心性大于等于0.1的共有八个，按照顺序依次为：REICH PB（0.16，17），EDGAR RC（0.15，22），BATES D（0.15，22），CAPORASO JG（0.15，34），CAPORASO JG（0.13，5），R CT（0.12，23），HAAS BJ（0.12，6），STEVENSON DM（0.1，4）。虽然这八篇文献的作者引用频次并不是最高的，但中介中心性高，说明具有较好的中介中心性。
图1-3呈现的是高被引作者的聚类分析结果，节点上的光圈越大，代表该作者的中介中心性越高，也就是说越重要，不同颜色的线代表着各个作者发表的文献之间的关联。由于设置了一定的阈值，并未将所有的有关联的作者一一呈现，仅呈现出一些比较重要的作者。
图1-3 高被引作者聚类分析结果
（3）突发被引文献分析
表1-10 突发被引的10篇文献信息
表1-10是突发引用的前10篇文献的相关信息，从起止时间来看，2015年到2016年，突发引用的文献第一作者有：Ptacnik R（2008），Cardinale B J（2012），Edgar R C（2010），Forrester D I（2014），Caporaso JG（2012）；2016年到2017年突发引用文献的第一作者为Chave J（2009），Schloss P D（2009）；2017年到2019年突发引用文献的第一作者为Shipley B（2016），Geng Y（2012）和Lieder M（2016）。从突发引用的强度来看，强度的顺序为：Schloss P D（4.7728），Edgar R C（2.3153），Ptacnik R（2.3043），Chave J（2.075），Lieder M（2.0606），Geng Y（2.0606），Shipley B（2.0606），Forrester DI（1.9737），Caporaso JG（1.9023），Cardinale BJ（1.8663）。
目前的关于生态效率的国外研究中，主要关注以下几个方面，如表1-11所示：
表1-11 生态效率国外研究现状
续表
（1）基于生命周期的生态效率评估
Saling等（2002）［32］基于生命周期评估法，提出了一种新的工业产品生态效率的测算方法。Kim等（2005）［33］运用生命周期评估法测算了在不同轮种制度下，利用玉米、大豆、小麦生产生物燃料的生态效率。Bribian等（2011）［34］运用生命周期评估法测算了不同建筑材料的生态效率。
（2）基于生态足迹的生态效率评估
生态足迹指一个人或经济体生存所需要或者能够容纳人类所排放废物的、具有生物生产力的地域面积，是衡量人类行为对生态环境影响程度的重要指标［35］。Peng等（2019）［36］基于生态足迹理论研究生态足迹和生态承载力的动态演变。通过分析了江苏省南京市、南通市和淮安市这三个城市的生态足迹，结果表明，江苏省人均生态承载力有所提高。但是，由于公共土地利用规划不善，耕地的生态赤字普遍较大。Akif Destek等（2019）［37］通过调查11个新兴工业化国家在1977年至2013年期间的经济增长，能源消耗，金融发展和生态足迹之间的关系，检验了环境库兹涅茨曲线假说的有效性。结果表明，经济增长与生态足迹之间存在倒U形关系。根据因果关系检验结果，得出经济增长与生态足迹之间存在双向因果关系。Yang等（2019）［38］利用基尼系数，经济贡献系数（ECC）和能源生态支持系数（EESC）构建了能源生态足迹（EEF）公平性评估模型。结果表明，沿SREB（中国部分）的9个省的EEF不断增加，并且在西北省中的增长速度比西南省要快。但是，EBC几乎没有变化，能源生态压力的差异逐渐增大。SREB（中国区）的经济贡献和能源生态支持基尼系数均低于“0.4警告线”，这表明EEF分配的省比较公平。
（3）测算农业生态效率
Pelletier等（2008）［39］比较分析了油菜籽、玉米、大豆和小麦传统耕作与有机耕作的生态效率差异，测算了农产品的生态效率。Basset-Mens等（2009）［40］运用生命周期评估法测算了新西兰奶牛场的生态效率，Gómez-Limón等（2012）［41］测算了292个橄榄油农场的生态效率。
1.3.2.2 生态效率的国内研究现状
生态效率的国内研究主要集中于生态效率评价指标体系、生态效率评估、工业生态效率测算三个方面，如表1-12所示。
（1）生态效率评价指标体系
戴志敏等（2016）［42］以环境污染、能源消耗为投入指标，工业经济发展为产出指标，构建华东地区工业生态效率投入产出指标体系。侯孟阳和姚顺波（2018）［43］使用投入产出法，以非期望产出（碳排放）和资源投入为投入，农业总产值为产出，构建中国区域的区域农业生态效率评价指标体系，采用超效率SBM模型测算省际农业生态效率。陈祖海和匡若兰（2019）［44］使用投入产出法，以环境污染和资源消耗为投入指标，区域GDP为产出指标，利用数据包络分析（Data Envelopment Analysis，DEA）中DEA-BCC模型求解民族地区生态效率。周敏等（2019）［45］运用固定效应模型从财政分权、经济竞争的内生经济增长和制度层面探究中国区域能源生态效率的影响机制，结果发现财政分权显著改善了能源生态效率，而地方政府间经济竞争降低了能源生态效率。
（2）基于生命周期的生态效率评估
吕彬和杨建新等（2010）［46］以计算机电源为例，测算了2种不同电子废物回收处理体系的生态效率。赵薇等（2016）［47］比较分析了焚烧发电、卫生填埋-填埋气发电与堆肥+卫生填埋3种生活垃圾资源化利用模式的生态效率。王一超等（2018）［48］分析了玉米、蔬菜和桃的生态效率。
（3）基于生态足迹法的生态效率评估
刘建兴等（2005）［49］用单位生态足迹所创造的国内生产总值作为生态效率指标，测算了我国不同行业的生态效率；顾晓薇等（2005）［50］以东北大学和沈阳大学为例，用单位生态足迹培养的在校生数量作为生态效率指标，测算了大学校园的生态效率。
（4）区域生态效率测算
张妍等（2007）［51］基于能值分析法构建了城市物质代谢的生态效率指数。张炳等（2009）［52］以物质流分析为基础测算生态效率，基于物质流分析法衡量环境影响，以国内生产总值衡量经济产出，据此计算区域的生态效率。芮俊伟等（2013）［53］运用生态足迹法测算了昆山高新区生态工业园的生态效率。
表1-12 生态效率国内研究现状
说明：只取典型文献，正文所列未全部纳入表中。