長江三角洲城市群工業污染時空演化及其驅動因素

郭 政,陳 爽,董 平,陸玉麒

?

長江三角洲城市群工業污染時空演化及其驅動因素

郭 政1,2,陳 爽1*,董 平1,2,陸玉麒2,3

(1.中國科學院南京地理與湖泊研究所,江蘇 南京 210008；2.南京師范大學,虛擬地理環境教育部重點實驗室,江蘇 南京 210023；3.江蘇省地理信息資源開發與利用協同創新中心,江蘇 南京 210023)

基于2003~2015年長江三角洲(以下簡稱長三角)城市群26個城市工業廢水和工業SO2排放數據,采用標準差橢圓、地理集中指數、工業環境績效指數、空間形態差異指數等方法從宏觀和微觀視角對長三角城市群工業污染時空演化進行分析,同時采用對數平均迪氏分解(LMDI)模型對其工業污染排放主要驅動因素進行分解.研究發現:2003~2015年工業廢水和工業SO2排放量分別下降了16.97%和28.79%,但占全國比重仍然較高,尤其是工業廢水對生態環境脅迫較大.2種工業污染空間形態均呈現出北(偏西)-南(偏東)的空間分布形態,而2種工業污染重心移動軌跡并不一致,工業廢水重心總體上朝向東(偏南)方向遷移了12.85km,而工業SO2重心總體上朝向西(偏北)方向遷移了26.89km.此外,2種工業污染主要集中分布于長江沿岸城市且污染集中度指數由高到低大致呈半圈層狀向周圍遞減.工業發展與工業污染空間形態演變具有一致性,工業廢水重心和工業SO2重心與工業發展重心距離均在逐漸縮小,而2種工業污染-環境績效空間分布格局并不完全一致.驅動因素方面,環境規制引起的技術改善效應是工業污染排放量減少的主要原因,而由環境規制引起的產業結構效應對工業污染排放量的影響則取決于區域發展政策,經濟發展效應是工業污染排放量增加的主要原因,人口規模效應對工業污染排放量的影響較小.

長三角城市群；工業污染；時空演化；標準差橢圓；LMDI；驅動因素

工業污染是指在工業生產過程中產生的物質或能量進入環境當中,造成相當范圍的土壤、水體、大氣、噪聲等污染狀況,從而對人體健康和生活環境構成危害的一種現象.隨著經濟全球化和區域經濟一體化的發展,產業轉移成為推動各要素在全球范圍內廣泛流動和優化配置的主要動力.產業轉移特別是傳統制造業的轉移會帶來工業污染排放空間格局變化等環境響應.進入21世紀.依靠大量消耗能源資源的傳統經濟增長方式已導致能源資源枯竭、生態環境破壞等問題,經濟與環境協調發展成為生態文明建設的主要目標.因此,工業污染時空演化成為國內外學者研究的熱點.國外學者對工業污染相關研究起源于20世紀80年代.如Grossman和Krueger 通過對42個國家的經濟與環境發展關系研究發現:在經濟發展初期階段,工業污染會隨著經濟增長速度加快而日益惡化,當經濟發展到一定程度時,工業污染達到最大而后下降,即工業污染與環境之間呈現“倒U型”關系[1].隨后Panayotou利用30個國家的數據對庫茲涅茲曲線理論進行了應用與論證,并首次將其命名為“環境庫茲涅茨曲線”[2]. Beekermanh和Bhagawati主張環境經濟協調發展理論,認為促進經濟發展是保護環境的有效手段[3-4]. Chemiwchan從經濟結構演變與環境變化關系的理論視角出發,探究工業化進程中經濟結構演變對環境變化的影響[5].國內學者對工業污染的研究主要集中在3個方面:一是工業污染空間分布差異的研究,如從省域尺度和市域尺度對工業污染地域分布差異進行研究[6-7];二是工業污染測度方法的研究,如利用探索性空間分析和計量模型等方法檢驗我國285個地市工業集聚對工業污染的影響[8-9];三是工業污染影響因素的研究,如丁煥峰等[10]基于庫茲涅茨曲線的面板數據對我國區域工業污染的影響因素進行了分析.總體來看,當前學者對工業污染時空演化研究尚存一些薄弱之處:較少學者從空間形態視角對工業污染時空演化進行研究;多從微觀視角研究工業發展與工業污染之間的相關關系,缺乏宏觀視角與微觀視角相結合的研究;研究范圍多集中于全國尺度或東北老工業基地地區,而對長三角城市群工業污染時空演化的專門研究相對較少.

長三角城市群作為我國經濟最發達的地區之一,改革開放以來成為全球產業轉移承接的重心,具有明顯的短時限內人地關系高強度作用特征.隨著各城市產業結構變換,該地區工業污染排放格局也必然發生相應的變化.因此,本文以長三角城市群為研究區,探討其工業發展和工業污染之間的時空演變規律,并對其驅動因素進行分析.以期在生態文明建設背景下,為長三角城市群工業污染治理提供有益借鑒.

1 研究區概況、研究方法及數據來源

1.1 研究區概況

長三角城市群是“一帶一路”與長江經濟帶的重要交匯點,包括上海,江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮江、泰州,浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州,安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等26個城市,區域面積21.17萬km2,截止2015年,該城市群總人口12907.46萬,占全國總人口的9.39%,GDP總量達135512億元,占全國的21.31%.在區域經濟一體化和生態文明建設背景下,長三角城市群不僅是我國重要的經濟增長極,還是國家生態環境規劃管理的先行者和示范者.當前,在全球產業轉移浪潮中,長三角城市群傳統制造業等第二產業比重依然較高.2015年長三角城市群工業廢水和工業SO2排放量分別占全國排放量的20.09%和9.4%,對生態環境脅迫依然突出,產業結構優化升級與工業污染防治仍然任重道遠.

1.2 研究方法

1.2.1 標準差橢圓 標準差橢圓通過以中心、方位角、長半軸、短半軸為基本參數的空間分布橢圓來定量描述研究對象的空間分布態勢與演化特征[11-12].由橢圓中心作為起點,對要素的坐標和坐標的標準差進行計算,從而定義橢圓的軸,利用該橢圓可以查看要素分布是否屬于狹長型,據此判斷是否具有特定的分布方向,在Eris公司研發的ArcGIS10.2軟件平臺實現.橢圓中心計算公式如下:

式中:SDE,SDE表示橢圓的重心坐標,(x,y)表示城市坐標,w表示城市的工業污染排放量權重;

式中:(,)分別表示沿長軸和短軸的標準差,分別為橢圓長半軸和短半軸的值.

1.2.2 地理集中度指數 地理集中度指數表示某一要素在地理空間上的集中程度,它不僅可以衡量某一區域內不同要素在地理空間上的分布情況,也可反映某一區域在同級區域或更高層次區域中的地位和作用[13].為衡量不同要素的地理空間集中程度,引入地理集中度指數,通過測算長三角城市群各城市工業總產值、工業廢水和工業SO2排放量單位面積空間集聚程度,來衡量其工業及工業污染的地理空間集中程度,具體公式如下:

式中:I和P分別表示某時間斷面城市工業發展地理空間集中指數和工業污染地理空間集中指數,其值越大表示要素集中程度越高,反之,集中程度越低.GDP表示城市工業總產值;POL表示城市工業廢水或工業SO2排放量;AREA表示城市面積,km2,為長三角城市群城市數量.

1.2.3 空間形態差異指數 為了解研究期內工業和工業污染空間形態不一致程度,本文采用空間差異指數測算長三角城市群工業與工業廢水和工業SO2標準差橢圓空間形態差異[14],具體公式如下:

式中:SDI×w和SDI×s分別表示工業與工業廢水和工業SO2空間形態差異指;SDE、SDE及SDE分別表示工業、工業廢水及工業SO2標準差橢圓;Area表示工業與工業廢水或工業SO2標準差橢圓相交或合并的面積.

1.2.4 工業環境績效 工業環境績效是用來衡量某一企業、行業或地區創造單位價值時對環境產生的影響大小.本文基于前人關于工業環境績效研究有關成果[15-18],同時考慮到我國已經跨越污染強度倒U型曲線高峰,并正處于向污染排放倒U型曲線高峰過度的階段[19-21].從工業集聚及工業污染角度構建工業環境績效指數,具體公式如下:

式中:P和I含義同上,E表示工業環境績效指數,范圍在[0~+￥];若0<E<1,表示區域內工業集聚程度大于工業污染集聚程度,環境績效水平較高.若E>1,則表示工業污染集聚程度大于工業集聚程度,環境績效水平較低.

1.2.5 對數平均迪氏(LMDI)分解模型構建 LMDI分解模型是由Ang等于1998年在分解法(IDA)的基礎上提出來的一種模型,該模型在因素分解過程中具有不產生殘差的優勢,自誕生起便廣泛運用于能源、環境等研究領域[22-23].本文運用LMDI分解模型研究環境規制效應、經濟發展效應及人口規模效應對工業廢水和工業SO22種工業污染的貢獻程度,鑒于環境規制內涵和前人研究成果[24-25],環境規制因素對工業污染演化效應用技術發展效應和產業結構效應來表示,具體公式如下:

基于LMDI-I型的強度分解公式,獲得各因素對工業廢水或工業SO2排放強度的貢獻度,具體公式如下:

式中:W0表示基期年城市的工業廢水或工業SO2排放量;Dtec,i表示城市技術改善效應對工業廢水或工業SO2排放的貢獻程度;Dstr,i表示城市產業結構效應對工業廢水或工業SO2排放的貢獻程度;Deco,i表示城市經濟發展效應對工業廢水或工業SO2排放的貢獻程度;Dpop,i表示城市人口規模效應對工業廢水或工業SO2排放的貢獻程度.若值為正,則表示該指標的增加對工業廢水或工業SO2排放具有增加作用,若值為負,則表示該指標的增加對工業廢水或工業SO2排放具有抑制作用.

1.3 數據來源

本文以長三角城市群26個城市為研究區,為較為全面的考察城市群工業污染時空演化規律,同時兼顧數據的可靠性和可獲取性,選取2003~2015年長三角城市群26個城市工業總產值表征工業發展狀況、工業廢水排放量和工業SO2排放量表征工業污染狀況.文中所需基礎數據來源于相應年份的中國城市統計年鑒(2003~2015)[26],上海市統計年鑒(2003~2015)[27],江蘇省統計年鑒(2003~2015)[28],浙江省統計年鑒(2003~2015)[29],安徽省統計年鑒(2003~2015)[30].

2 研究結果與分析

2.1 長三角城市群工業污染排放整體態勢

以2003年工業廢水和工業SO2排放量為基準, 計算出2003~2015年長三角城市群2種工業污染排放量變化情況.從圖1a可以看出,2種工業污染排放量總體呈現出下降趨勢,但存在明顯差異.其中,工業廢水排放量變化較為緩和,而工業SO2排放量變化較為劇烈.研究期內,工業廢水排放量在2003~2005年呈現增長態勢并于2005年達到峰值,而后呈現出波動下降態勢并于2015年達到最低值.2015年工業廢水排放量較2003年下降了16.97%,相較于2005年下降了27.75%.與工業廢水排放量相比,長三角城市群工業SO2排放量變化相對較大,2003~2005年工業SO2排放量呈現增加態勢并于2005年達到峰值后開始大幅下降,2009~2010年經歷短暫的上升后又呈現出下降態勢并于2015年降至最低,2015年SO2排放量較于2003年下降了28.79%,但相較于2005年下降了43.09%.與此同時,為了從宏觀視角考察長三角城市群工業污染排放量變化,分別計算2003~ 2015年該城市群2種工業污染排放量所占全國比重,如圖1b所示.可以看出長三角城市群工業廢水排放量占全國比重明顯高于工業SO2排放量占全國比重.同時,工業廢水和工業SO2污染排放量占全國比重分別從22.71%和12.18%下降至20.09%和9.4%,雖然所占比重有所下降但占全國排放量比重仍然較高.這主要是因為長三角城市群作為我國規模最大的綜合性工業基地,擁有上海、南京、杭州三大工業中心,導致其工業污染排放量在全國占有較大比重,但伴隨工業結構轉型升級、技術水平和效益的提高以及人們環保意識的增強,其總體排放水平呈現出波動下降態勢.

2.2 長三角城市群工業污染時空演化分析

2.2.1 工業污染空間形態演變 利用ArcGIS10.2軟件對長三角城市群2003~2015年工業廢水和工業SO2標準差橢圓和重心移動軌跡進行可視化表達[31-32].

由圖2可知,2種工業污染標準差橢圓均呈現北(偏西)南(偏東)方向,同時其重心均主要分布在蘇州市南部地區.此外,2種工業污染移動軌跡均較復雜且存在明顯差異.由圖2a可以看出,2003~2015年工業廢水重心向東(偏南)方向移動了12.85km.其中,2003~ 2007年重心向南(偏東)移動8.79km, 2007~2011年重心向東(偏北)移動13.53km,2011~ 2015年重心向西(偏北)移動2.59km.與工業廢水重心移動軌跡相比,2003~2015年工業SO2重心整體由東向西(偏北)移動了26.89km,移動軌跡幅度相對較大.其中, 2003~2007年重心向西(偏北)方向移動5.48km, 2007~2011年重心向西(偏北)移動13.44km, 2011~ 2015年重心向西(偏南)移動9.56km,如圖2b所示.

從2003~2015年長三角城市群工業污染標準差橢圓方位角、形狀指數及面積變化3個方面進一步分析工業污染空間形態演化,如圖3所示.從工業污染標準差橢圓方位角變化來看,2種工業污染標準差橢圓方位角變化都較和緩,但變化趨勢存在明顯不同.研究期內,工業廢水方位角經歷了先增大-再減小-再增大-再減小的變化過程,大致呈現M型變化趨勢.工業廢水方位角由2015年的141.89°下降至2003年的139.99°.而工業SO2方位角總體上經歷了先減小后增加的變化過程,大致呈現V型變化趨勢.2015年工業SO2方位角為125.9°,弱于工業廢水偏轉性,如圖3a所示.從工業污染標準差橢圓形狀指數變化來看,可以發現工業廢水形狀指數在2013年達到最小值后開始增加,大致經歷了先減小后增加的變化過程.而工業SO2形狀指數總體呈現出波動增加趨勢,從2003年的0.72上升至2015年的0.74,增幅較小,如圖3b所示.與工業廢水相比,工業SO2標準差橢圓空間分布形狀更加扁平.研究期內,2種工業污染主要沿著長軸方向分布,但工業廢水趨向于短軸分布,而工業SO2更加趨向于長軸方向分布.從工業污染標準差橢圓面積變化來看,工業廢水與工業SO2污染面積變化趨勢也存在較為明顯的差異.其中工業廢水面積2013年之前呈現出緩慢增加態勢,而后開始下降.而工業SO2污染面積除在2010年呈現出劇烈下降,其他年份均呈現出緩慢增加態勢,如圖3c所示.總體來看,工業SO2污染分布范圍明顯高于工業廢水污染分布范圍,且差距呈現出擴大態勢.

2.2.2 工業污染內部格局演變 為厘清2003~2015年長三角城市群工業污染時空格局變化,首先根據公式(5)計算出長三角城市群各城市的工業污染地理集中度,然后利用ArcGIS10.2軟件數據可視化功能中自然斷點法將不同年份各城市地理集中度劃分為5個等級(高、較高、中、低、較低),如圖4所示.

從工業廢水地理集中程度來看:①2003年高污染聚集類型城市包括上海、蘇州、無錫、南京4市,到了2015年只有上海和蘇州屬于該類型.其中,南京、無錫工業廢水排放量呈現出波動減少態勢,其2015年排放量較2003年分別下降了52.46%和30.23%.②較高污染聚集類型城市數量變化并不明顯,由2003年的4個增至2015年的5個,大致呈線狀分布于高污染聚類型城市的西側和南側,包括西側的南京-常州-無錫一線及南部的嘉興-紹興一線.③中等污染聚集類型城市數量沒有發生變化,但在空間分布上明顯向城市群南部轉移且呈團狀環繞于高污染聚集和較高污染聚集類型城市周圍,主要包括中部長江沿線的銅陵、馬鞍山、鎮江、南通及南部地區的湖州、杭州、寧波、舟山.④低聚集類型城市數量也未發生變化,主要分布于長三角城市群西側的蕪湖市、北側的鹽城、揚州、泰州及東南側的金華和臺州.⑤較低污染聚集類型城市數量由2003年的4個上升至2015年的5個,合肥市進入該行列,總體呈團狀分布于城市群的西側.

從工業SO2地理集中程度來看:①高污染聚集類型城市數量有所增加.2003年高污染聚集類型城市僅包括上海,2015年南京、無錫、蘇州、嘉興進入該類型城市.②較高污染聚集類型城市數量沒有發生變化,2003年和2015年都有5個城市,主要分布在長三角城市群長江沿岸的銅陵、馬鞍山、鎮江及東南沿海的寧波和舟山.③中等污染聚集類型城市數量也未發生變化,2003年和2015年屬于該類型城市的數量均為7個,主要環繞于高污染聚集和較高污染聚集類型城市周圍呈團狀分布.④低污染聚集類型城市數量由2003年的5個減少至2015年的4個,在空間上主要分布在長三角城市群的西側和東南側,包括合肥、杭州、金華和臺州4市.⑤較低污染聚集類型城市數量發生了比較明顯的變化,由2003年的8個下降至2015年的5個,主要分布在長三角城市群西北側和西南側,包括鹽城、滁州、安慶、池州和宣城5市.

總體來看,長三角城市群2種工業污染高值區主要集中分布于上海-蘇州-無錫-常州一帶,并以此為核心大致呈半圈層狀由高到低向周圍遞減.隨著長三角城市群內陸城市工業的發展,工業污染呈現出向內陸轉移的傾向,但工業仍主要集中于上海-蘇州-無錫-常州等沿江城市且重工業居多,從而導致工業廢水和工業SO2高值區分布較為集中.

圖4 2003、2015年長三角城市群工業廢水及工業SO2地理集中度 Fig.4 Geographical concentration of industrial wastewater and industrial SO2 in the Yangtze Delta urban agglomerations in 2003 and 2015

2.3 長三角城市群工業污染與工業發展演變對比分析

2.3.1 基于標準差橢圓的空間形態對比 利用ArcGIS10.2軟件繪制出2003年和2015年長三角城市群工業與工業污染標準差橢圓,如圖5所示.可以看出,工業發展與2種工業污染的標準差橢圓空間形態在空間分布上具有一致性,均呈現出北(偏西)南(偏東)的空間分布形態.

圖5 2003、2015年長三角城市群工業與工業污染標準差橢圓對比 Fig.5 Comparison of Industrial and Industrial Pollution Standards in the Yangtze Delta urban agglomerations in 2003 and 2015

研究期內,工業發展重心分別位于蘇州市境內和蘇州與無錫交界處.隨著時間的推移,工業廢水重心和工業SO2重心與工業發展重心距離逐漸縮小,分別由40.38和18.7km降至21.7和17.42km.從重心移動軌跡來看,工業SO2重心跟隨工業重心朝向西(偏北)方向移動,而工業廢水與工業重心移動軌跡并不一致,呈現出朝向東(偏南)方向移動.

為進一步研究長三角城市群工業與工業污染空間形態差異大小,利用式(6)、(7)計算出工業標準差橢圓與2種工業污染標準差橢圓的空間差異指數,如表1所示.可以發現,研究期內長三角城市群工業與工業廢水空間差異指數呈現出波動下降態勢,而與工業SO2的空間差異指數雖有波動但相對穩定.此外,2010年以前長三角城市群工業與工業廢水空間形態差異遠大于與工業SO2的空間形態差異.其中,工業與工業廢水空間形態差異主要體現在短軸方向,而與工業SO2空間形態差異主要體現在長軸方向.總體來看,長三角城市群工業與2種工業污染空間形態存在差異,但總體變化分布形態較為一致.

2.3.2 基于工業污染集中度-環境績效的分析 利用式(8)計算出長三角城市群各市環境績效指數,并結合各市工業污染地理集中度進行分析(將高、較高污染聚集及低、較低污染聚集類型合并),以便分析長三角城市群工業污染-環境績效空間分布格局,如圖6所示.

表1 2003~2015年長三角城市群工業與工業污染空間形態差異指數 Table 1 Spatial form difference index of industrial and industrial pollution in Yangtze River Delta urban agglomerations from 2003 to 2015

從工業廢水污染-環境績效空間格局變化來看:①高污染高績效、低污染高績效2種類型城市數量有所增加.其中,2015年高污染高績效類型城市數量較2003年增加了1個,包括上海、無錫、常州三市.而2015年低污染高績效城市數量較2003年增加了2個,包括金華、合肥、蕪湖、揚州、泰州4市,在空間上也由原來的局部聚集轉變為局部聚集總體分散的分布格局.②高污染低績效、低污染低績效類型城市數量均有所下降.其中,高污染低績效類型城市數量較2003年減少了2個,包括南京、蘇州、嘉興、紹興4市,低污染低績效類型城市數量較2003年減少了1個,但空間分布格局發生了較大變化,由原來的團狀聚集于長三角城市群西側轉變為離散分布于城市群邊緣.③中污染高績效、中污染低績效類型城市數量沒有發生變化,但空間分布格局發生了較為明顯變化.其中,中污染高績效類型城市分布區向東南方向遷移,而中污染低績效類型城市分布區則向西南方向移動.

圖6 2003、2015年長三角城市群工業污染-環境績效空間分布 Fig.6 Spatial distribution patterns of industrial pollutions-environmental performance types in the Yangtze River Delta urban agglomerations in 2003 and 2015

從工業SO2污染-環境績效空間格局變化來看:①高污染高績效、高污染低績效及中污染高績效類型城市數量均有所增加.其中,2015年高污染高績效類型和高污染低績效類型城市數量較2003年均增加了2個,中污染高績效類型城市數量增加尤為明顯,較2003年的1個增加至2015年的4個.此外,在空間分布格局上,高污染高績效和中污染中績效類型城市呈團狀分布于城市群的東北側,而高污染低績效類型城市主要呈離散狀分布于城市群沿江和沿海地區.②2015年中污染低績效、低污染低績效類型城市數量較2003年均減少了3個.從空間分布看,中污染低績效和低污染低績效類型城市分布區收縮最為明顯,主要呈現出離散分布狀態.③低污染高績效類型城市數量未發生明顯變化,在空間分布上同樣呈現出離散分布狀態.

總體來看,長三角城市群2種工業污染-環境績效空間分布并不完全一致.這主要是由于工業發展帶來的經濟增長與工業污染之間存在著雙向作用.一方面,工業經濟增長通過技術效應、規模效應及結構效應減少污染物的排放,從而提高環境績效.另一方面,生態環境、資源稟賦質量的降低導致環境績效的下降,從而產生區域工業污染-環境績效分布格局的空間差異.

2.4 工業污染時空格局演變驅動因素分析

利用LMDI分解模型對2003~2015年長三角城市群2種工業污染排放的影響因素進行分解,獲得技術改善效應、產業結構效應、經濟發展效應以及人口規模效應對工業污染排放量的貢獻度[33-35],以識別不同因素對該城市群工業污染排放的影響,如圖7所示.

可以發現,長三角城市群工業廢水和工業SO2排放驅動因素變化情況具有共同特征,也存在一定差異:2003~2015年2種工業污染的技術改善效應貢獻量均為負,說明工業技術和污染物治理技術的不斷提高對工業污染物排放具有顯著的抑制作用.2種工業污染產業結構效應貢獻量呈現出正負變化的態勢.其中,工業廢水產業結構效應貢獻量在2003~ 2006年,2009~2011年、2014~2015年為正值,其他年份均負值.而工業SO2產業結構效應貢獻量在2003~ 2005年、2008~2011年、2012~2013年、2014~2015年為正值,其他年份均為負值,說明區域產業結構調整對工業污染排放量變化具有重要影響.區域產業結構受區域發展政策的影響和制約,若著重發展重工業,則會增加工業污染排放量,導致技術改善效應呈現出正貢獻量,若進行產業結構升級,大力發展第三產業等高新技術產業,則會大幅減少工業污染排放量,使技術改善效應呈現出負貢獻量. 2003~2015年工業廢水與工業SO2經濟發展效應貢獻量均為正,2種工業污染經濟發展效應貢獻量始終為正值并且居于主導地位,說明經濟發展效應貢獻量是長三角城市群工業污染排放的主要來源.2種工業污染人口規模效應貢獻量均較穩定且均為正值,對長三角城市群工業污染排放貢獻量較小.此外,2種工業污染排放量在2005年以后總體處于負增長狀態.這主要是因為“十一五”規劃后長江經濟帶戰略的提出,國家高度重視長江經濟帶的可持續發展,大力推進工業技術和產業結構升級,同時出臺了一系列生態環境保護政策,促進了長三角城市群工業污染排放量的減少[36].

為進一步探究長三角城市群各城市工業污染排放驅動力,運用LMDI分解模型計算2003~2015年該城市群26個城市不同因素對工業廢水和工業SO2排放的貢獻度,如圖8所示.可以發現,技術改善效應方面,長三角城市群各城市2種工業污染的排放量均隨著工業技術和污染治理技術的提升而得到一定程度的抑制.從圖8可以看出,2種工業污染技術改善效應均呈現出負貢獻量且有些城市技術改善效應甚至超過了經濟發展效應對工業污染的貢獻量.如上海、杭州、南京、常州、無錫、蕪湖等經濟發達城市技術改善效應對工業污染排放量具有顯著的抑制作用,其中,上海和杭州2015年工業廢水與工業SO2排放量較2003年分別下降了23%、50%和65%、43%.因此,工業技術和污染物處理技術提升產生的技術改善效應可大幅減少工業污染排放量,是解決經濟發展過程中城市工業污染的重要途徑.產業結構效應是影響區域工業污染排放的重要因素,產業結構的不同與變化導致各城市工業污染排放存在顯著的空間差異.其中,上海、杭州、南京、蘇州、無錫、常州等沿海沿江大城市產業結構調整,大力發展第三產業和高新技術產業,產業結構效應處于負貢獻量,使得這些城市的工業污染排放量顯著下降.而作為產業轉移承接地區,諸如合肥、蕪湖、宣城、南通、臺州等城市工業污染排放量隨著工業總產值的增加而增加,產業結構效應呈現出正貢獻量.經濟發展效應方面,長三角城市群各城市2種工業污染排放量均隨著經濟規模的擴大而增加,但具有明顯的地域差異.具體來看,上海、南京、蘇州、無錫、杭州等城市經濟發展效應對工業污染排放量的貢獻較大,而合肥、蕪湖、銅陵、池州、舟山、連云港、鹽城等經濟相對較弱城市經濟發展效應貢獻量較弱.人口規模效應對2種工業污染的影響均不顯著,但總體來看對工業廢水排放量的影響要大于對工業SO2排放量的影響.具體來看,僅有上海、南京、杭州、蘇州等大城市的人口規模增大對工業廢水增加呈現出一定的增加作用,且主要體現在廠區內人口產生的生活廢水與工業廢水合并排放而導致人口規模對工業廢水排放具有一定的影響.而與工業廢水相比,人口規模增大對工業SO2排放量的影響相較于其總排放量而言相對較小.

3 結論

3.1 研究期內兩種工業污染排放量整體呈現出下降趨勢,工業廢水排放量下降了16.97%,而工業SO2排放量變化更為劇烈,下降了28.79%.從工業廢水和工業SO2占全國排放量份額來看,兩種工業污染占比呈現出輕微下降趨勢,但占全國比重仍然較高,其中工業廢水排放量占全國總排放量的20%以上,對生態環境造成的脅迫尤為突出.

3.2 從空間形態來看,研究期內工業廢水與工業SO2空間標準差橢圓均呈現出北(偏西)-南(偏東)的空間分布形態,但兩種工業污染重心移動軌跡并不一致.研究期內工業廢水重心總體上朝向東(偏南)方向遷移了12.85km,而工業SO2重心總體上朝向西(偏北)方向遷移了26.89km.此外,兩種工業污染主要集中分布于長江沿岸城市且污染集中度由高到低大致呈半圈層狀向周圍遞減.

3.3 研究期內工業與工業污染空間形態演變存在一致性,工業廢水重心和工業SO2重心與工業發展重心距離逐漸縮小,分別由40.38和18.7km降至21.7和17.42km.工業與工業廢水空間差異指數呈現出波動下降態勢,而與工業SO2的空間差異指數雖有波動但總體保持相對穩定.此外,兩種工業污染-環境績效空間分布具有一定的相似性,但也存在顯著差異.

3.4 驅動因素方面,由環境規制作用產生的技術改善效應對工業廢水和工業SO2排放具有顯著的抑制作用,而由環境規制引起的產業結構效應對工業廢水和工業SO2排放的貢獻量主要受區域產業發展政策的影響.經濟發展效應是導致工業廢水和工業SO2排放量增加的主要因素,人口規模效應對工業廢水排放量的增加主要來源于廠區內生活廢水,對城市工業廢水排放量的貢獻量并不顯著,而人口規模效應對工業SO2排放量的貢獻量相較于工業SO2排放量比重極小,可以忽略其影響.

[1] Grossman G M, Krueger A B. Economic growth and the environment [J]. The Quarterly Journal of Economics, 1995,110(2):353-377.

[2] Panayotou T. Empirical tests and policy analysis of environment degradation at different stages of economic development. Working paper, Technology and Employment Program [R]. Genevar: Internation labor office, 1993.

[3] Beekerman. Economic growth and the environment: whose growth? Whose environment? [J]. World Development, 1992,(4):481-496.

[4] Bhagawati J. The high cost of free trade [J]. Scientific American, 1993:42-49.

[5] Chemiwchan J. Economic growth, industrialization, and the environment [J]. Resource Economics, 2003,24(1):27-48.

[6] 彭文斌,吳偉平,鄺嫦娥.中國工業污染空間分布格局研究[J]. 統計與決策, 2013,(20):115-117. Peng W B, Wu W P, Kuang C E. Study on spatial distribution pattern of industrial pollution in China [J]. Statistics and Decision, 2013,(20): 115-117.

[7] 曲福田,趙海霞,朱德明,等.江蘇省環境污染及影響因素區域差異比較研究[J]. 長江流域資源與環境, 2006,(1):86-92.Qu F T, Zhao H X. Zhu D M, et al. Regional difference in pollution and its cause in Jiangsu province [J]. Resources and Environment in the Yangtze Basin, 2006,(1):86-92.

[8] 胡志強,苗健銘,苗長虹.中國地市尺度工業污染的集聚特征與影響因素[J]. 地理研究, 2016,35(8):1470-1482.Hu Z Q, Miao J M, Miao C H. Agglomeration characteristics of industrial pollution and their influencing factors on the scale of cities in China [J]. Geographical Research, 2016,35(8):1470-1482.

[9] 胡志強,苗健銘,苗長虹.中國地市工業集聚與污染排放的空間特征及計量檢驗[J]. 地理科學, 2018,38(2):168-176.Hu Z Q, Miao J M, Miao C H. Spatial characteristics and econometric test of industrial agglomeration and pollutant emissions in China [J]. Scientia Geographica Sinica, 2018,38(2):168-176.

[10] 丁煥峰,李佩儀.中國區域污染影響因素:基于EKC曲線的面板數據分析[J]. 中國人口·資源與環境, 2010,20(10):117-122.Ding H F, Li P Y. Regional pollution and its affecting factors: A panel date analysis based on EKC in China [J]. China Population, Resources and Environment, 2010,20(10):117-122.

[11] 馬姣嬌,趙永琪,徐頌軍.中國工業污染重心與經濟重心轉移路徑對比分析 [J]. 城市與環境研究, 2016(2):80-94. Ma J J, Zhao Y Q, Xu S J. A comparative analysis on the movement of industrial pollution gravity center and economic gravity center in China [J]. Urban and Environmental Studies, 2016,(2):80-94.

[12] 李國平,羅心然.京津冀地區人口與經濟協調發展關系研究[J]. 地理科學進展, 2017,36(1):25-33. Li G P, Luo X R. Coordinated development between population and economy in the Beijing-Tianjin-Hebei region [J]. Progress in Geography, 2017,36(1):25-33.

[13] 王懷成,張連馬,蔣曉威.泛長三角產業發展與環境污染的空間關聯性研究[J]. 中國人口·資源與環境, 2014,24(S1):55-59. Wang H C, Zhang L M, Jiang X W. Study on evolution of industrial and pollution gravity centers and its spatial correlation in Pan Yangtze River Delta [J]. China Population, Resources and Environment [J]. 2014,24(S1):55-59.

[14] 趙 璐,趙作權.中國經濟的空間差異識別[J]. 廣東社會科學, 2014,(4):25-32.Zhao lu, Zhao Zuoquan. Identification of spatial differences in China’s Economy [J]. Guangdong Social Science, 2014,(4):25-32.

[15] 董戰峰,張 欣,郝春旭.2014年全球環境績效指數(EPI)分析與思考[J]. 環境保護, 2015,43(2):55-59. Dong Z F, Zhang X, Hao C. Analysis and thoughts on 2014 environmental performance index [J]. Environmental Protection, 2015, 43(2):55-59.

[16] 張子龍,逯承鵬,陳興鵬,等.中國城市環境績效及其影響因素分析:基于超效率DEA模型和面板回歸分析[J]. 干旱區資源與環境, 2015,29(6):1-7. Zhang Z L, Lu C P, Peng B. Urban environmental performance and its driving factors in china: Based on the super-efficiency DEA and Panel regressive analysis [J]. Journal of Arid Land Resources and Environment, 2015,29(6):1-7.

[17] 薛靜靜,沈 鐳,彭保發等.區域能源消費與經濟和環境績效—基于14個能源輸出和輸入大省的實證研究[J]. 地理學報, 2014, 69(10):1414-1424. Xue J J, Shen L, Peng B F, et al. The economic and environmental performance of regional energy consumption: An empirical study on 14major energy output and input provinces in China [J]. Acta Geographica Sinica., 2014,69(10):1414-1424.

[18] 賴玢潔,田金平,劉 巍,等.中國生態工業園區發展的環境績效指數構建方法[J]. 生態學報, 2014,34(22):6745-6755. Lai F J, Tian J P, Liu W, et al. Environmental performance index for eco-industrial park development in China [J]. Acta Ecological Sinica, 2014,34(22):6745-6755.

[19] 范純增,顧海英,姜 虹.長江流域工業環境績效評價研究 [J]. 生態經濟, 2015,31(3):31-35+111. Fan C Z, Gu H Y, Jiang H. Research on industrial environmental performance evaluation in Yangtze River Basin [J]. Ecological Economy, 2015,31(3):31-35+111.

[20] 樊勝岳,高桃麗.中國工業污染變動態勢及其EKC實證分析—基于生態閾值視角 [J]. 生態經濟, 2017,33(9):110-115. Fan S Y, Gao T L. Change status of industrial pollution of China and its EKC empirical analysis based on ecological threshold perspective [J]. Ecological Economy, 2017,33(9):110-115.

[21] 陳劭鋒,劉 揚,鄒秀萍,等.1949年以來中國環境與發展關系的演變[J]. 中國人口.資源與環境, 2010,20(2):43-48. Chen X F, Liu Y, Zou X P, et al. Evolutionary stage of relationship between environmental and economic development in China since 1949 [J]. China Population, Resources and Environment [J], 2010, 20(2):43-48.

[22] Ang B W, Zhang F Q, Choi K H. Factoring changes in energy and environment entail indicators through decomposition [J]. Energy, 1998,23(6):489-495.

[23] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費碳排放測度及影響因素[J]. 中國環境科學, 2018,38(8):3170-3179.Ma X J, Dong B Y, Yu Y B, et al. Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors [J]. China Environmental Science, 2018,38(08):3170- 3179.

[24] 張成松.環境規制與污染密集型產業空間演變[D]. 蚌埠:安徽財經大學, 2017.Zhang C S. Environmental regulation and pollution-intensive industries spatial evolution-based on the empirical study of the data of the interprovincial panel [D] Anhui university of finance and economics, 2017.

[25] 王 騰,嚴 良,何建華,等.環境規制影響全要素能源效率的實證研究——基于波特假說的分解驗證[J]. 中國環境科學, 2017,37(4): 1571-1578.ang T, Yan L He J H, et al. An empirical study on the effect of environment regulation on total factor energy efficiency- decomposition verification based on potter hypothesis [J]. China Environmental Science, 2017,37(4):1571-1578.

[26] 國家統計局.中國城市統計年鑒[M]. 北京:中國統計出版社, 2003-2015.National bureau of statistics. China city statistical yearbook [M]. Beijing: China statistics press, 2003-2015.

[27] 上海市統計局.上海市統計年鑒[M]. 北京:中國統計出版社, 2003-2015. Shanghai Bureau of Statistics. Shanghai statistical yearbook [M]. Beijing: China statistics press, 2003-2015.

[28] 江蘇省統計局.江蘇省統計年鑒[M]. 北京:中國統計出版社, 2003-2015. Jiangsu Bureau of Statistics. Jiangsu statistical yearbook [M]. Beijing: China statistics press, 2003-2015.

[29] 浙江省統計局.浙江省統計年鑒[M]. 北京:中國統計出版社, 2003-2015. Zhejiang Bureau of Statistics. Zhejiang statistical yearbook [M]. Beijing: China statistics press, 2003-2015.

[30] 安徽省統計局.安徽省統計年鑒[M]. 北京:中國統計出版社, 2003-2015. Anhui Bureau of Statistics. Anhui statistical yearbook [M]. Beijing: China statistics press, 2003-2015.

[31] 程 鈺,徐成龍,劉 雷,等.1991~2011年山東省工業經濟增長的大氣污染效應及其時空格局—以SO2和粉塵為例[J]. 地理科學進展, 2013,32(11):1703-1711.Chen Y, Xu C L, Liu L, et al. Effect of industrial growth on atmospheric pollution and its spatio-temporal pattern in Shandong Province during 1991~2011: Taking SO2and dust emissions as example [J]. Progress in Geography, 2013,32(11):1703-1711.

[32] 莊 欣,黃曉鋒,陳多宏,等.基于日變化特征的珠江三角洲大氣污染空間分布研究[J]. 中國環境科學, 2017,37(6):2001-2006.Zhuang X, Huang X F, Chen D H, et al. Studies on spatial distribution of air pollution in Pearl River Delta based on diurnal variation characteristics [J]. China Environmental Science, 2017,37(6):2001- 2006.

[33] 袁 荷,仇方道,朱傳耿,等.江蘇省工業環境效率時空格局及影響因素[J]. 地理與地理信息科學, 2017,33(5):112-118. Yuan H, Chou F D, Zhu C G, et al. Spatial-temporal changes and influencing factors of industrial environmental efficiency in Jiangsu province [J]. Geography and Geo-Information Science, 2017,33(5): 112-118.

[34] 陳昆侖,郭宇琪,劉小瓊,等.長江經濟帶工業廢水排放的時空格局演化及驅動因素[J]. 地理科學, 2017,37(11):1668-1677. Chen K L, Guo Y Q, Liu X Q, et al. Spatial-temporal pattern and driving factors of industrial wastewater discharge in the Yangtze River economic zone [J]. Scientia Geographica Sinica, 2017,37(11):1668- 1677.

[35] 田時中,趙鵬大.西北六省工業污染動態綜合評價及影響因素分析[J]. 干旱區資源與環境, 2017,31(7):1-7.Tian S Z, Zhao D P. Dynamic comprehensive evaluation and analysis on influencing factors of industrial pollution in six northwest provinces [J]. Journal of Arid Land Resources and Environment, 2017,31(7):1-7.

[36] 蔣姝睿,王 玥,王 萌,等.區域視角下中國工業行業與工業污染關系[J]. 中國環境科學, 2017,37(11):4380-4387.Jiang S R, Wang Y, Wang M, et al. Industrial sectors and pollution in China based on the regional perspective [J]. China Environmental Science, 2017,31(7):1-7.

Spatio-temporal evolution of industrial pollution in the Yangtze River Delta urban agglomeration and its driving factors.

GUO Zheng1,2, CHEN Shuang1*, DONG Ping1,2, LU Yu-qi2,3

(1.Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China；2.Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Nanjing 210008, China；3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing, 210008, China)., 2019,39(3)：1323~1335

Based on data of industrial wastewater discharge and industrial SO2emission of the 26 cities in the Yangtze River Delta (YRD) urban agglomeration from 2003 to 2015, the spatial and temporal evolution of industrial pollution was analyzed from the macro and micro perspectives by using the methods of standard deviation ellipse, geographic concentration index, industrial environmental performance index and spatial shape difference index. At the same time, the logarithmic mean decomposition (LMDI) model was used to decompose the main driving factors of industrial pollution discharge. The study found that: from 2003 to 2015, industrial wastewater and industrial SO2emissions decreased by 16.97% and 28.79%, respectively, but their proportions are still relatively high in China, especially for the stress of industrial wastewater on ecological environment. The both spatial patterns of industrial pollution show the spatial distribution pattern of north (west)-south (east), however the two types of industrial pollution have different movement trajectories of the center of gravity. The center of gravity of industrial wastewater moved 12.85km to the east (south) direction, while the center of gravity of industrial SO2migrated to the west (north) direction by 26.89km. In addition, the two types of industrial pollution are mainly concentrated in the cities along the Yangtze River and the pollution concentration index decreases to the surrounding areas with the shape of semi-circle layer. The evolution form of industrial development is consistent with that of industrial pollution, both the distances of the industrial development center of gravity between the industrial wastewater center of gravity and the industrial SO2center of gravity are gradually reduced, and the spatial distribution patterns of two industrial pollution-environmental performances are not completely consistent. In terms of driving factors, the technological improvement effect caused by environmental regulation is the main reason for the reduction of industrial pollution emissions, while the influence of industrial structure caused by environmental regulation on industrial pollution emissions depends on regional development policies. The economic development effect is the main reason for the increase of industrial pollution emission, and population scale effect has little influence on industrial pollution emission.

Yangtze River Delta urban agglomeration；industrial pollution；space-time evolution；standard deviation ellipse；LMDI；driving factors

X32

A

1000-6923(2019)03-1323-13

郭 政(1993-),男,安徽蚌埠人,中國科學院大學博士研究生,從事城市可持續發展研究.

2018-08-20

國家自然科學基金資助項目(41771140,41430635)

* 責任作者, 教授, schens@niglas.ac.cn