碳中和目標下水環(huán)境污染與生態(tài)經濟的關系研究
——以江蘇省為例

陳佳輝

（河海大學公共管理學院，南京 211100）

經濟發(fā)展與環(huán)境保護向來是一組互生的矛盾關系，隨著人類對自然資源的開發(fā)利用，環(huán)境承載力逐漸達到臨界值，其中尤以氣候變化最為嚴峻。為此，2020 年中國在聯(lián)合國第七十五屆大會上宣布將采取更有力的舉措，力爭于2030 年前二氧化碳排放達到峰值，爭取2060 年前實現(xiàn)碳中和。這為中國未來低碳轉型促進經濟高質量發(fā)展、生態(tài)文明建設指明了方向、明確了目標［1］。而促使社會經濟體系按照預期的排放路徑實現(xiàn)碳中和目標，以碳循環(huán)與水循環(huán)尤為重要［2］，兩者作為地球重要的循環(huán)過程，不可避免地相互作用而又互相重疊，實現(xiàn)碳中和需要高效水循環(huán)系統(tǒng)的輔助和支撐，同時，對水環(huán)境的保護和治理，也有利于生態(tài)經濟的長效發(fā)展。因此，進一步分析水環(huán)境污染與生態(tài)經濟發(fā)展的關系，既可以更有針對性地促進雙方的正向互動，也能更好地推動碳中和目標的實現(xiàn)。

1 水環(huán)境污染與生態(tài)經濟的相關性

水環(huán)境污染是環(huán)境污染的重要表現(xiàn)之一，表現(xiàn)為各種有害的化學物質造成水的使用價值的降低或損失。自中共十八大以來，中國經濟結構開始優(yōu)化升級，經濟的快速增長也帶來污染物的增加，諸如未經無害化處理的工業(yè)污水排放至當?shù)厮w，農業(yè)生產所需的化肥、農藥等對周邊水系的影響，大量人口聚集的城市每天會產生大量的生活污水等，這些污水的排放勢必對水環(huán)境造成不可逆轉的影響。長此以往，水環(huán)境態(tài)勢逐漸惡化，又反過來制約生態(tài)經濟的可持續(xù)發(fā)展，導致城鎮(zhèn)居民缺乏必要的干凈飲用水、工廠無法獲取所需的生產用水、農業(yè)灌溉用水不足等。因此，需要選取水環(huán)境污染的主要源頭，就其與生態(tài)經濟的關系進行探析，并最終獲取具有顯著相關性的污染類別，研究其與生態(tài)經濟之間的相互作用關系，以期尋找兩者之間的平衡。

1.1 研究區(qū)域概況

選取江蘇省作為此次研究對象，進行水環(huán)境污染與生態(tài)經濟的相關性分析。江蘇省位于東部沿海地區(qū)，地跨長江、淮河南北，境內地勢平坦，湖泊眾多，氣候宜人。作為經濟大省，該區(qū)域的水環(huán)境污染與生態(tài)經濟的關系具有鮮明的典型性和借鑒意義。整理該省2012—2021 年10 年的經濟數(shù)據(jù)，如表1所示。

表1 2012—2021 年江蘇省經濟發(fā)展狀況統(tǒng)計數(shù)據(jù)

1.2 指標選取

選取具有代表性的區(qū)域人均生產總值作為研究的因變量，并根據(jù)歷年《統(tǒng)計年鑒》公布的水環(huán)境污染指標，選取工業(yè)廢水排放量、城鎮(zhèn)生活污水排放量、工業(yè)源COD 排放量、農業(yè)源COD 排放量、城鎮(zhèn)生活源COD 排放量、工業(yè)源氨氮排放量、農業(yè)源氨氮排放量和城鎮(zhèn)生活源氨氮排放量作為自變量，其水環(huán)境污染指標數(shù)據(jù)統(tǒng)計見表2。使用python 3.7 軟件繪制8 個自變量之間的熱圖，數(shù)值表示相關系數(shù)，如圖1 所示。

表2 2012—2021 年江蘇省水環(huán)境污染指標數(shù)據(jù)

由于直接選取8 個指標探析其與生態(tài)經濟的關系，會造成變量過多，不利于分析結果的合理性，且由圖1 可知，原始數(shù)據(jù)的相關系數(shù)普遍大于0.5，即各個變量之間存在較強的相關性，因此適合采用主成分分析法，提取出對生態(tài)經濟具有較大影響的典型指標。使用SPSS 25.0 軟件，將原始的指標數(shù)據(jù)進行標準化處理（Z-score），得到各個指標的標準化數(shù)據(jù)，經過處理，獲取主成分矩陣求解結果和主成分載荷陣［3］，如表3、表4 所示。

圖1 不同自變量之間的熱圖

由表3 可知，提取出的前兩個主成分可以解釋全部方差的95.778%，即這兩個主成分能夠代表原8個指標數(shù)值95.778%的相關性。結合表4 數(shù)據(jù)對主成分量進行加權求和，得出主成分綜合分值，并根據(jù)綜合分值大小進行降序排列，得到表5。

表3 矩陣求解主成分結果

表4 主成分載荷陣

由表5 可知，農業(yè)源氨氮排放量和工業(yè)源COD排放量具有最明顯的表現(xiàn)，因此，選擇農業(yè)源氨氮排放量和工業(yè)源COD 排放量作為最能代表水環(huán)境污染的指標，進一步探討其與生態(tài)經濟的關系。

表5 環(huán)境污染指標

2 水環(huán)境污染與生態(tài)經濟之間計量模型的構建

環(huán)境庫茲涅茨曲線（Environmental Kuznets curve，EKC）是分析區(qū)域經濟發(fā)展與環(huán)境之間關系的重要工具［4］，其揭示了經濟發(fā)展與環(huán)境質量的關系：地區(qū)經濟發(fā)展初期，環(huán)境狀況較為良好，隨著生產力水平的不斷提高，環(huán)境質量隨經濟發(fā)展而逐漸惡化；當經濟增長到達某一特定的“轉折點”，環(huán)境質量就隨經濟發(fā)展而逐漸改善［5］。

EKC 的本質是研究經濟增長對環(huán)境質量的影響，然而，由于受到現(xiàn)實環(huán)境的復雜性和各種不可預測因素的作用，經濟-環(huán)境之間不是單一模式的影響關系。因而環(huán)境庫茲涅茨曲線并不單一地表現(xiàn)為倒U 型關系，其曲線形態(tài)也有可能變化為正U 型、正N 型、倒 N 型等形態(tài)［6］。

2.1 研究方法

線性回歸是通過對觀察到的數(shù)據(jù)擬合一個線性方程來模擬兩種或兩種以上變量之間關系的統(tǒng)計分析方法。一般而言，影響因變量y的因素往往不止一個，其受到n個影響因素，即自變量x1，x2，…，xn和不可預測的隨機因素ε的影響，因此可列出經典線性回歸數(shù)學模型如下。

式（1）為因變量y對自變量x1，x2，…，xn的線性回歸方程，其中，βn（n=0，1，…，m）是偏回歸系數(shù)，εi（i=0，1，…，p）是互不相關的隨機變量。

根據(jù)本研究所選取的樣本數(shù)據(jù)，則式（1）可變?yōu)槿缦路匠獭?/p>

對于給定的t組樣本數(shù)據(jù)，可計算其條件均值，具體表現(xiàn)如下。

由微積分的原理可知，當Q對的一階偏導數(shù)為 0 時，Q最小，即：

由式（5）可得：

和分別為線性回歸模型Yt=b1+b2xt+εt（t=1，…，u）的參數(shù)b1和b2的普通最小二乘法估計量［7］。

根據(jù)SPSS 軟件多種曲線回歸模擬分析的結果，比較P、R2和F3 項參數(shù)，從而建立工業(yè)廢水排放量與人均GDP 之間以及城鎮(zhèn)生活污水排放量與人均GDP 之間的最優(yōu)模型［8］。其中，P為顯著性水平，當P＜0.05 時，則表示存在顯著差異，即回歸方程通過顯著性檢驗；R2是衡量估計的模型對觀測值擬合優(yōu)度的高低，當R2＞0.6 時，則表示回歸曲線擬合優(yōu)度較高，回歸方程可用于預測，總之，R2越接近1，則擬合優(yōu)度越高，越接近0，則擬合優(yōu)度越低；F用來檢驗總體回歸方程的有效性，F(xiàn)越大，差異越明顯。

2.2 農業(yè)源氨氮排放量與生態(tài)經濟之間的關系模型

根據(jù)上述研究方法構建計量模型，并結合表2的數(shù)據(jù)，使用SPSS 軟件進行農業(yè)源氨氮排放量與生態(tài)經濟之間關系的線性（Linear）、二次（Quadratic）以及三次（Cubic）的回歸曲線模擬。其模擬結果如表6所示。首先，查看P，3 個回歸曲線的P均小于0.05，所以3 個回歸曲線均通過顯著性檢驗；其次，查看R2，比較線性、二次和三次回歸曲線的R2可知，0.518＜0.6＜0.719＜0.732，即三次回歸曲線擬合優(yōu)度高于線性和二次回歸曲線，且高于0.6；最后，查看F，比較線性、二次和三次回歸曲線的F可知，8.582＜8.934＜9.562，三次回歸曲線的差異性最明顯；因此，綜合考慮發(fā)現(xiàn)，農業(yè)源氨氮排放量與生態(tài)經濟之間的關系以三次回歸曲線擬合更優(yōu)，為了更直觀地查看回歸曲線，借助SPSS軟件繪制兩者之間的三次回歸曲線。

農業(yè)源氨氮排放量與生態(tài)經濟之間的環(huán)境庫茲涅茨曲線如圖2 所示，結合表6 中的相關數(shù)據(jù)，可以得出農業(yè)源氨氮排放量與生態(tài)經濟之間的EKC 模型擬合方程為y=19.929-33.55x2+6.155×10-12x3，可以看出其并未呈N 型或倒N 型趨勢，而是更接近正U型環(huán)境庫茲涅茨曲線，這與傳統(tǒng)的倒U 型環(huán)境庫茲涅茨曲線恰好相反。根據(jù)EKC 擬合方程和圖2 可知，該曲線的極值點存在于人均GDP 的115 168 元與123 607 元之間，即2012—2018 年農業(yè)源氨氮排放量與生態(tài)經濟之間成反比，生態(tài)經濟的增長緩和了農業(yè)源氨氮排放量；2019—2021 年農業(yè)源氨氮排放量與生態(tài)經濟之間成正比，生態(tài)經濟的持續(xù)發(fā)展加劇了農業(yè)源氨氮量的排放。

圖2 農業(yè)源氨氮排放量與生態(tài)經濟的三次回歸曲線

表6 農業(yè)源氨氮排放量與生態(tài)經濟之間的關系模型

2.3 工業(yè)源COD 排放量與生態(tài)經濟之間的關系模型

參照農業(yè)源氨氮排放量與生態(tài)經濟之間關系的模型設定方法，將相關數(shù)據(jù)導入SPSS，進行工業(yè)源COD 排放與生態(tài)經濟之間關系的線性、二次以及三次回歸曲線模擬。其模擬結果如表7 所示。首先，查看P，3 個回歸曲線的P均為0.000，小于0.05，所以3 個回歸曲線均通過顯著性檢驗；其次，查看R2，比較線性、二次和三次回歸曲線的R2可知，0.85＜0.932＜0.944＜0.946，線性、二次和三次回歸曲線的R2均大于0.85，表明這3 個回歸曲線擬合優(yōu)度均較高，且三次回歸曲線擬合優(yōu)度高于二次和線性回歸曲線；最后，查看F，比較線性、二次和三次回歸曲線的F可知，59.522＜61.785＜110.479，表明線性回歸曲線的差異性最明顯，三次回歸曲線次之，二次回歸曲線最差；因此，綜合考慮，工業(yè)源COD 排放與生態(tài)經濟之間的關系與線性回歸曲線更為擬合。為了更直觀地查看回歸曲線，借助SPSS 軟件繪制兩者之間的線性回歸曲線。

工業(yè)源COD 排放量與生態(tài)經濟之間的環(huán)境庫茲涅茨曲線如圖3 所示，結合表7 中的相關數(shù)據(jù)，可以得出工業(yè)源COD 排放與生態(tài)經濟之間的EKC 模型擬合方程為y=41.954-x，并不存在EKC 特征，而是呈單調遞減的線性負相關關系。根據(jù)EKC 擬合方程和圖 3 可知，2012—2021 年工業(yè)源 COD 排放量與生態(tài)經濟之間呈負相關，即生態(tài)經濟的持續(xù)增長，減緩了工業(yè)源COD 的排放。

表7 工業(yè)源COD 排放量與生態(tài)經濟之間的關系模型

圖3 工業(yè)源COD 排放量與生態(tài)經濟的線性回歸曲線

3 小結與建議

收集整理江蘇省2012—2021 年10 年間的水環(huán)境污染和生態(tài)經濟發(fā)展數(shù)據(jù)，以人均GDP 作為衡量生態(tài)經濟的典型指標，通過主成分分析法選取具有顯著相關性的水環(huán)境污染指標，即農業(yè)源氨氮排放量和工業(yè)源COD 排放量，進而使用EKC 曲線構建水環(huán)境污染與生態(tài)經濟發(fā)展相關性的計量模型，分析其與生態(tài)經濟之間的作用關系：農業(yè)源氨氮排放量、工業(yè)源COD 排放量與生態(tài)經濟之間均呈非典型的EKC 曲線形態(tài)。其中，農業(yè)源氨氮排放量與生態(tài)經濟在2018 年以前呈負相關關系，2018 年以后呈正相關關系；工業(yè)源COD 排放量與生態(tài)經濟始終呈負相關。也就是說，隨著生態(tài)經濟的持續(xù)發(fā)展，工業(yè)源COD 排放量逐年減少，說明中國工業(yè)產業(yè)的結構優(yōu)化取得了良好的成效；農業(yè)源氨氮排放量卻在2018年經歷拐點，并隨著生態(tài)經濟的持續(xù)發(fā)展，逐年上升，說明現(xiàn)階段農業(yè)種植過程中過度使用化肥，且沒有做好農業(yè)源廢水的處理工作。

為此，首先需要對各項水污染源頭采取控制措施：各工業(yè)企業(yè)對工業(yè)源廢水污染的控制要始終堅持可持續(xù)發(fā)展的原則，不斷進行生產結構優(yōu)化，改進生產工藝，推行清潔產品，提高工業(yè)廢水的二次利用率，實現(xiàn)一水多用，從源頭上遏制廢水產生；對農業(yè)生產產生的面源污染，應采用雙效汽提+蒸餾技術，將廢水的氨氮以濃氨水或氨氣的形式回收，同時可以將濃氨水或氨氣納入到生產環(huán)節(jié)，作為生產原料回用［9］，既削減了農業(yè)源氨氮的產生量，又資源化氨氮廢水，一舉多得。水環(huán)境污染與生態(tài)經濟之間既互相制約，又相互促進。因此，在生態(tài)經濟的可持續(xù)發(fā)展過程中，要秉持生態(tài)文明價值理念，使GDP 增加成為自然自我修復、恢復秩序的熵減過程，形成負熵GDP，使生態(tài)文明建設成為經濟發(fā)展的驅動力和引擎［10］，實現(xiàn)水環(huán)境治理與生態(tài)經濟發(fā)展的和諧共生。