删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国环境污染源的区域差异及其社会经济影响因素——基于339个地级行政单元截面数据的实证分析

本站小编 Free考研考试/2021-12-29

周侃, 樊杰
中国科学院地理科学与资源研究所中国科学院区域可持续发展分析与模拟重点实验室,北京 100101

Regional disparity of environmental pollution source and its socio-economic influencing factors: Based on the cross-section data of 339 cities at prefecture level or above in China

ZHOUKan, FANJie
Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
通讯作者:通讯作者：樊杰(1961-), 男, 陕西西安人, 研究员, 博导, 主要从事区域可持续发展问题研究。E-mail: fanj@igsnrr.ac.cn
收稿日期:2016-01-7
修回日期:2016-07-6
网络出版日期:2016-11-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:

国家自然科学基金项目(41501139)

中国科学院科技服务网络计划(STS计划)项目(KEJ-EW-ZY-004)

作者简介:
-->作者简介：周侃(1986-), 男, 云南丽江人, 博士, 助理研究员, 主要从事资源环境承载能力与区域可持续发展研究。E-mail: zhoukan2008@126.com

展开

摘要
基于2012年环境污染物排放和社会经济截面数据,选取化学需氧量、二氧化硫及污染源结构指标,定量研究中国339个地级行政单元环境污染源的空间分异和集聚效应,解析环境污染源及排放空间格局的影响因素,并提出污染防控措施与综合治理建议。结果表明：① 环境污染源结构区域差异显著,水环境污染源以农业源主导型、城镇生活源主导型、城镇生活和农业源复合型为主,三者比重分别为35.40%、33.92%和25.66%,农业源主导型排放强度最高,主要分布于华北和东北地区;大气环境污染源以工业源绝对主导型为主,其比重为74.63%,分布于除青藏高原区的广大区域。② 农业源主导使水污染物集聚式排放加剧,工业源主导则促进了大气污染物集聚式排放,特别在环渤海及其经济腹地区域,污染源结构强化了污染物排放的空间集聚效应。③ 人口规模、城镇化水平和经济增长速度是污染物排放的主要驱动因素,其中以人口规模影响最为显著;经济发展水平在区域模型中呈现不同的影响效应,对工业源主导型区域的大气污染物排放呈正向影响,而对城镇生活源主导型区域的水体污染物排放具有抑制作用;工业化程度对工业源绝对主导型区域的大气污染物排放正向影响显著。

关键词：环境污染;污染源;区域差异;集聚效应;影响因素;中国
Abstract
Based on the cross-section data of pollutant discharge and socio-economic development in 2012, by using the indicators of total discharge of COD and SO₂and various sources, the spatial differentiation and agglomeration effects of pollutant discharge are measured quantitatively in 339 cities at prefecture level or above in China. Meanwhile, the socio-economic drivers of environmental pollution are estimated through the econometric model, and some suggestions are put forward to reduce and control pollutant discharge. The results show that: (1) The regional differences of the structure of pollutant source are of great significance in China. Specifically, the types of water pollutant sources are mainly included in the region dominated by agricultural source, the region dominated by urban domestic source, and in the region jointly dominated by agricultural and urban domestic source, with the proportions of these regions being 35.40%, 33.92% and 25.66%, respectively. Among them, the discharge intensity of water pollutant is the highest in the region dominated by agricultural source, which are mainly located in North and Northeast China. Meanwhile, the types of air pollutant sources in China are mostly involved in the region absolutely dominated by industrial source, which accounts for 74.63% and is distributed in the vast area of China in addition to the Qinghai-Tibet Plateau. (2) Single and bivariate LISA cluster maps of total discharge and various sources indicate that the agricultural source makes contribution to the spatial agglomeration of high intensity discharge of water pollutants, while the industrial source leads to the concentrated discharge of air pollutants. Especially, in the Bohai Rim region and its economic hinterland, the structure of pollutant sources strengthens the agglomeration effects of pollutant discharge intensity. (3) By means of OLS estimation for nationwide regression model, it is demonstrated that population size, urbanization rate and economic growth are the main driving factors of environmental pollution, and population size is the key factor in China. Moreover, in terms of regression models of regional types, the economic development level makes different contributions to pollutant discharge in various regions, which shows a positive effect on the air pollutant discharge in the region dominated by industrial source, while shows a negative effect on the water pollutant discharge in the region dominated by urban domestic source. In addition, the degree of industrialization has positive influence on the air pollutant discharge in the region absolutely dominated by industrial source.

Keywords：environmental pollution;pollutant source;regional disparity;agglomeration effect;influencing factors;China

-->0
PDF (4817KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
周侃, 樊杰. 中国环境污染源的区域差异及其社会经济影响因素——基于339个地级行政单元截面数据的实证分析[J]. , 2016, 71(11): 1911-1925 https://doi.org/10.11821/dlxb201611004
ZHOU Kan, FAN Jie. Regional disparity of environmental pollution source and its socio-economic influencing factors: Based on the cross-section data of 339 cities at prefecture level or above in China[J]. 地理学报, 2016, 71(11): 1911-1925 https://doi.org/10.11821/dlxb201611004

1 引言

改革开放以来,中国经济保持了长时期的高速和超高速增长,但与此同时,环境污染物加速排放,区域环境问题不断凸显,环境污染甚至已威胁到国民的身体健康与生命安全,污染物减排已成为关系到国家生态文明建设和现代化进程的当务之急^[1-3]。2015年,《生态文明体制改革总体方案》提出,将建立健全环境治理体系等污染物减排的制度安排,国家“十三五”规划纲要指出,要加大环境综合治理力度,实行最严格的环境保护制度,强化排污者主体责任,确保主要污染物排放总量大幅减少,到2020年实现环境质量总体改善。削减各类污染源排放强度是环境污染防治的根本途径,而掌握污染源结构及其排放格局是有效控制环境污染、保障环境安全的重要前提。
近年来,国内外****围绕环境污染格局及其影响因素,在国家和地区层面取得了丰富的研究成果。在国家层面,自人均收入水平与环境污染程度的倒“U”形曲线关系研究以来^[4],研究重点从污染物排放与经济发展关系不断拓展^[5-9],还包括了对污染物排放驱动因素^[10-12]、工业化过程的污染物排放响应^[13-16]、污染物排放的空间格局与溢出效应^[17-19]等方面的研究;在地区层面,运用STIRPAT模型、VAR模型、脱钩指数模型、Kuznets曲线模型以及LMDI指数法等方法,对湖南^[20]、江西^[21]、广东^[22]、江苏^[23-24]等区域,在省级尺度进行了污染物排放强度的影响机制分析。已有研究表明了中国经济增长与环境污染处于同步上升阶段,环境质量并未随经济增长而改善^[7-8],二者耦合可将各省份划分为低污染—高发展、中污染—中高发展、中污染—中发展、高污染—中发展四种类型^[9];定量测度了人口数量、工业化程度、富裕程度、末端治理措施、能源消费、外资进入等因素对排放强度的驱动作用^[10-15];还证实了国家间、省域间环境污染存在空间溢出效应^[17-18],并发现污染排放与人口、经济活动同向集聚导致环境污染加剧^[19]。总体来看,不同空间尺度、不同区域类型、不同发展阶段的污染物排放影响机制都呈现出差异性,但已有研究较少考虑环境污染源结构的空间差异,并以此为前提解析区域影响因素的作用程度,另外,对污染源及污染物排放格局的空间关联和溢出效应研究欠缺,且通常在国家或省级尺度开展研究,空间分析单元偏大,难以全面反映污染物排放的地域性特征及影响。藉此,本文基于2012年环境污染物排放和社会经济截面数据,选取化学需氧量、二氧化硫及污染源结构指标,在全国339个地级及以上行政单元（简称为地级单元）进行污染物排放源的聚类分析和空间关联分析,刻画污染源与污染物排放的空间分异和集聚效应,并构建总体模型和类型区影响因素计量模型,定量解析环境污染源及排放格局的形成机制,为明确全国污染联防联控重点区域,并进一步制定区域环境污染防控举措提供精细化的决策建议。

2 数据来源与研究方法

2.1 研究方法

2.2.1 聚类分析通过层次聚类方法（Hierarchical Cluster）解析环境污染源结构的区域差异。采用欧氏距离平方（Squared Euclidean Distance）测度各类污染物排放源的样本距离,即两样本（x, y）之间的距离是各样本每个变量值之差的平方和,计算公式如下：

\begin{matrix} EUCLID (x, y) = \overset{n}{\sum_{i = 1}} (x_{i} - y_{i})^{2} \end{matrix}

（1）
以离差平方和法（Ward's Method）度量样本数据与小类、小类与小类间亲疏程度,该法根据方差分析的原理,若分类比较合理,则同类样本之间的离差平方和较小,类与类之间的离差平方和较大^[25]。
2.2.2 空间自相关分析采用空间自相关分析方法,研究环境污染源及污染物排放的空间集聚效应。空间自相关（spatial autocorrelation）是指空间单元属性在空间位置上的相互依赖关系,是空间集聚程度的一种度量方式^[26],依据分析空间范围的大小,可分为全局空间自相关和局部空间自相关。
全局空间自相关是对属性值在整个区域空间特征的描述,用以衡量区域整体上的空间关联程度,常用Moran's I指数来度量,可用如下公式表示^[27]：

\begin{matrix} I = \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{ij} \times (Y_{i} - \overset{?}{Y}) \times (Y_{j} - \overset{?}{Y})}{S^{2} \times \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{ij}}, S^{2} = \frac{1}{n} \overset{n}{\sum_{i = 1}} (Y_{i} {- \overset{?}{Y})}^{2} \end{matrix}

（2）
式中：S²为污染物排放量的方差值;n为样本数（n = 339）;Y_i和Y_j分别为i区域和j区域单元的污染物排放量;W_ij为空间权重矩阵的相应要素。Moran's I的取值范围为[-1, 1],大于0表示存在空间正相关,小于0为负相关,等于0则表明不具有相关性,呈随机分布状态。对其分析结果,采用Z值显著性检验,在0.05的显著性水平下,当Z值大于1.96时,表明具有显著的正相关性;当Z值小于-1.96时,表明具有显著的负相关性^[28]。
局部空间自相关揭示空间参考单元与其邻近的空间单元属性特征值之间的相似性或差异性,运用Local Moran's I来衡量局部空间自相关性,其公式如下式所示^[29-30]：

\begin{matrix} I_{i} = Z_{i} \times \overset{n}{\sum_{j = 1}} W_{ij} \times Z_{j} \\ Z_{i} = (Y_{i} - \overset{?}{Y}) / \frac{1}{n} \overset{n}{\sum_{i = 1}} {(Y_{i} - \overset{?}{Y})}^{2}, Z_{j} = (Y_{j} - \overset{?}{Y}) / \frac{1}{n} \overset{n}{\sum_{j = 1}} {(Y_{j} - \overset{?}{Y})}^{2} \end{matrix}

（3）
式中：Z_i、Z_j分别为观测属性值的标准化形式;其余变量含义与公式（2）相同。I_i作为空间单元之间污染物排放的空间异质性指标,大于0表示局部空间单元相似值趋于空间聚集,小于0表示趋于分散分布。
为进一步刻画污染物排放强度与污染源结构之间的空间相关性,在Moran's I指数的基础上拓展了双变量全局和局部自相关分析,其定义如下式所示^[31]：

\begin{matrix} I_{lm}^{p} = Z_{l}^{p} \times \overset{n}{\sum_{q = 1}} W_{pq} \times Z_{m}^{q} \\ Z_{l}^{p} = \frac{(X_{l}^{p} - \overset{ˉ}{X_{l}})}{σ_{l}}, Z_{m}^{q} = \frac{(X_{m}^{q} - \overset{ˉ}{X_{m}})}{σ_{m}} \end{matrix}

（4）
式中：

\begin{matrix} X_{l}^{p} \end{matrix}

是空间单元p对应属性l的值;

\begin{matrix} X_{m}^{q} \end{matrix}

是空间单元q对应属性m的值;

\begin{matrix} \overset{ˉ}{X_{l}} \end{matrix}

和

\begin{matrix} \overset{ˉ}{X_{m}} \end{matrix}

分别是属性l和m的平均值;σ_l、σ_m分别是属性l和m的方差;W_pq为空间单元p、q之间的空间连接矩阵。
2.2.3 影响因素回归模型设定本文借鉴Ehrlich等^[32]、Dietz等^[33]、郭卫华等^[22]****的计量经济模型设定经验,兼顾地级单元数据可获得性,选取化学需氧量和二氧化硫作为水、气环境的代表性污染物,分别以二者的排放量为被解释变量,采用反映人口规模、城镇化水平、经济发展水平、经济增长速度、产业结构的指标作为解释变量,分析主要污染物排放量与社会经济因素的基本关系与作用程度,并采用对数形式降低异方差和非平稳性。最终设定的影响因素回归模型如下：

\begin{matrix} ln QP D_{i} = α + β_{i} lnT P_{i} + γ_{i} lnU R_{i} + δ_{i} lnPGD P_{i} + ζ_{i} \ln GRGD P_{i} + η_{i} lnI S_{i} + ε_{i} \end{matrix}

（5）
式中：QPD_i代表化学需氧量或二氧化硫排放总量,反映各地级单元的污染物排放强度;TP_i代表年末常住人口规模,反映各地级单元的人口规模;UR_i代表城镇化率,反映各地级单元的城镇化水平;PGDP_i代表人均GDP,反映各地级单元的经济发展水平;GRGDP_i代表GDP增长率,反映各地级单元的经济增长速度;IS_i则代表第二产业增加值占GDP的比重,反映各地级单元的工业化程度;ε_i为误差项。

2.2 数据来源与数据处理

从地级单元尺度构建2012年全国主要污染物排放及社会经济的截面数据库。其中,地级单元共339个,包括4个直辖市（北京、天津、上海、重庆）和其他335个地级市（地区）或自治州、盟以及省直辖单位（由于数据缺失,未包括台湾省、香港和澳门特别行政区）。行政区划边界数据等从国家基础地理信息系统网站获取。环境污染物排放和社会经济数据主要来自《中国区域经济统计年鉴》、《中国城市统计年鉴》、《中国环境统计年鉴》以及《中国环境年鉴》等,对其中统计数据不完整的空间单元,进一步获取所在省份及地级单元统计年鉴补齐。在影响因素分析数据集中,地级单元的环境污染物排放量、人口规模、人均GDP、GDP增长率以及第二产业比重指标均采用2012年数据。由于2012年地级单元的城镇化率指标缺失,并考虑到城镇化率的短期变动相对较小^[34],采用2010年第六次全国人口普查中,地级单元城镇人口占总人口的比重代替反映2012年的城镇化水平。

3 结果分析

3.1 环境污染源的空间分异特征

运用层次聚类方法,分别对地级单元的化学需氧量和二氧化硫排放源结构进行聚类分析,刻画环境污染源结构的空间分异特征。通过SPSS软件生成的树状聚类图和多元统计分析发现,利用Ward聚类法划分4种类型较为合理,不同类型的环境污染源结构统计和聚类图谱如图1所示。

显示原图|下载原图ZIP|生成PPT
图1中国环境污染源结构的聚类图谱
-->Fig. 1Cluster maps of the structure of water and air pollutant sources in China
-->

3.1.1 水环境污染源空间分异以化学需氧量考察水环境污染源结构的空间分异,图1a显示了4种聚类的工业源、农业源、城镇生活源和集中式治理设施源比重。其中,类型1中,城镇和集镇居民在日常生活及各种活动中排放的污染物平均比重达61.26%,而工业污染源、农业污染源的平均比重仅占17.48%和20.19%,故属于城镇生活源主导型;在类型2中,畜禽养殖业、水产养殖业和种植业产生的污染物排放比重平均为61.64%,属于农业源主导型;类型3区域中城镇生活和农业领域均为主要化学需氧量来源,二者排放量的平均比重分别为43.05%和46.2%,属于城镇生活和农业源复合型;类型4区域中工业企业排放的化学需氧量所占比重最高（56.66%）,故属于工业源主导型。由于污水处理厂、垃圾处理厂等集中式治理设施源排放比重较低,未对聚类结果产生显著影响。总体来看,城镇生活源主导型、农业源主导型、城镇生活和农业源复合型三类所占比重分别为33.92%、35.40%和25.66%,工业源主导型的比重仅为5.01%,表明目前造成中国水体污染的主要原因是农业与城镇生活领域的高强度排放。
基于聚类分析与类型划分结果,绘制化学需氧量排放源的类型区分布图（图2）。中国水体污染源结构的南北分异格局十分显著,华北、东北等北方地区以农业源主导型为主,华中地区以城镇生活和农业源复合型为主,而在青藏高原区、西南地区以及南方沿海地区多属城镇生活源主导型。具体来看,农业源主导型地级单元的化学需氧量排放量为8.79万t,其排放强度为各类型区最高,分布于山东、河北、内蒙古、辽宁、河南、吉林和黑龙江等地区,可见北方地区不仅水资源量有限,且由于农业源的水体污染物过度排放,使缺水问题与水环境污染叠加,进一步加剧了区域水资源短缺状况。在四川、湖南、江西、安徽、京津、江苏北部、广东北部等地区,城镇生活源和农业源水体污染相交织,二源复合型的地级单元人口平均约500万人。工业源主导型少量分布于西北部地广人稀、工业比重较高的新疆、内蒙古、青海等西北地区,其人口平均不足200万人,排放强度相当于农业源主导型的50%。对于城镇生活源主导型区域,即青藏高原、云南、广西、贵州等欠发达地区和长三角、珠三角、福建等发达地区,降低城镇生活水体污染物的排放强度是水环境治理重点。

显示原图|下载原图ZIP|生成PPT
图2中国化学需氧量排放源的类型区分布
-->Fig. 2Distribution of types of COD discharge source in China
-->

3.1.2 大气环境污染源空间分异对二氧化硫的工业源、城镇生活源和集中式治理设施源排放的比重进行聚类分析（图1b）。类型1和类型2均以工业源排放为主,但类型2地级单元的工业源所占比重均值达92.98%,工业源排放居绝对主导地位,故将类型1和类型2分别划定为工业源主导型、工业源绝对主导型两类;类型3区域中工业和城镇生活领域均为主要排放来源,二者在类型3的平均比重分别为57.63%和42.35%,故属于工业和城镇生活源复合型;在类型4中,城镇和集镇居民排放的污染物平均比重达95.29%,故属于城镇生活源主导型。在4类区域中,工业源主导和绝对主导型合计比重为88.5%,工业和城镇生活源复合型、城镇生活源主导型的比重仅为8.8%和2.7%,反映了工业排放对中国大气环境污染的突出影响。
大气环境污染源结构的空间分异如图3所示,工业源绝对主导型分布于除青藏高原区的广大区域,其地级单元的二氧化硫排放量约7万t,分别是工业和城镇生活源复合型、城镇生活源主导型排放量的2.08倍和71.25倍,其2012年工业增加值所占比重为52.16%,分别高出后两者13.6%和18.91%,人均GDP（4.6万元）均在其他类型区的两倍以上,初步表明了区域内经济发展的高水平与大气环境污染物的高胁迫密切相关。工业和城镇生活源复合型零散分布于省份之间的交界地带,包括甘肃中部与南部、新疆西北边境、贵州东部等区域,地级单元人口平均324.5万人。城镇生活源主导型则集中分布于西藏大部分地区以及青海南部,二氧化硫排放量不足0.01万t,地级单元人口平均仅为46.3万人。可见,缓解全国大气污染物环境胁迫的关键在于深化产业结构调整,改变煤炭为主的能源消费结构,同时,注重提升工业生产中的工艺水平和末端处理能力,降低单位工业产出的大气污染物排放强度。

显示原图|下载原图ZIP|生成PPT
图3中国二氧化硫排放源的类型区分布
-->Fig. 3Distribution of types of SO₂ discharge source in China
-->

3.2 环境污染源的空间关联效应

采用GeoDa空间分析工具建立空间权重矩阵,通过单变量和双变量空间自相关的Moran's I指数测算全局空间关联特征。地级单元化学需氧量和二氧化硫排放总量的Moran's I指数均为正,并通过显著性水平检验（表1）。在水环境方面,化学需氧量排放总量Moran's I指数为0.2575,而工业源、农业源和城镇生活源比重的Moran's I指数依次为0.3194、0.5717和0.5102;在大气环境方面,二氧化硫排放总量及各类排放源比重的Moran's I指数介于0.3~0.5之间。单变量空间自相关分析表明,全国环境污染物排放存在明显空间正相关,污染物排放总量高值簇和低值簇集聚现象显著。
Tab. 1
表1
表1环境污染物排放的单变量与双变量空间自相关估计
Tab. 1Moran's I of single and bivariate spatial correlation

指标项		化学需氧量					二氧化硫
指标项		排放总量		工业源	农业源	城镇生活源	排放总量	工业源	城镇生活源
单变量	Moran's I	0.2575	0.3194	0.5717	0.5102		0.3077	0.4178	0.4181
单变量	P值	0.0010	0.0010	0.0010	0.0010		0.0010	0.0010	0.0010
双变量	Moran's I	—	-0.1771	0.3245	-0.2287		—	0.1273	-0.1271
双变量	P值	—	0.0010	0.0010	0.0010		—	0.0020	0. 0010

注：由于集中式治理设施源排放量在污染物排放总量中的比重较低,故未对其进行Moran's I估计。

新窗口打开
以排放总量为中心变量、不同污染源比重为周围变量,进一步计算全局双变量Moran's I指数。在水环境方面,3类污染源与化学需氧量排放总量的双变量空间自相关均通过显著性检验,其中,工业源、城镇生活源比重与化学需氧量排放总量的双变量Moran's I分别为-0.1771、-0.2287,农业源比重与排放总量的双变量Moran's I达到0.3245,显示了工业源、城镇生活源与化学需氧量排放呈显著空间负相关,农业源与其呈显著空间正相关。表明工业源或城镇生活源排放比重越高的区域,区域水污染物排放强度趋于下降,而农业源排放比重越高,水污染物区域性高强度排放格局越突出,说明农业源排放是导致区域水污染物集聚式排放的主导因素。在大气环境方面,工业源、城镇生活源与二氧化硫排放总量之间的相关性较强,其双变量Moran's I分别为0.1273、 -0.1271,工业源比重与二氧化硫排放量存在空间上的集聚性,即工业源比重越高的区域,同时也是二氧化硫排放强度越大的区域;而城镇生活源比重与二氧化硫排放量存在空间分散性,即城镇生活源比重越高,通常排放强度较小的地市集聚。
在z检验的基础上（P = 0.05）,绘制污染物排放总量及其与各类排放源比重的双变量局部空间自相关LISA集聚图,用于表征区域污染源结构与其邻域排放总量均值之间属于高—高（High-high）、低—低（Low-low）的空间正相关,或者低—高（Low-high）、高—低（High-low）的空间负相关,或者无显著的空间相关性（即空间随机模式）。
3.2.1 水环境污染源空间关联单变量LISA集聚图显示（图4a）,中国化学需氧量排放的空间集聚效应十分显著。其中,高—高集聚区共计39个地级单元,占全国国土面积的10.14%,其化学需氧量排放量达到全国总量的26.49%,连片分布于京津冀、山东半岛、东北地区以及江苏北部,表现出区域水体污染物排放量大、空间集聚性强,与周边地区的环境污染状况紧密联系,辐射和共轭作用十分突出。低—低聚集区主要分布在中国西部的西藏、甘肃、青海、云南、川西、甘南等青藏高原区及外缘区域,这些地区经济发展水平低且幅员广阔,与周边联系强度较弱,区域水体污染物排放量较小。进一步分析表明,高—高集聚区污染源结构以农业源主导型地级单元为主（84.62%）,而低—低集聚区中城镇生活源主导型、农业源主导型以及工业源主导型的比重依次为65.71%、17.14%和11.43%。

显示原图|下载原图ZIP|生成PPT
图4中国化学需氧量排放的单变量和双变量LISA集聚图
-->Fig. 4Single and bivariate LISA cluster maps of total and various COD discharge sources in China
-->

通过污染源比重与排放总量的双变量LISA集聚图反映污染物空间关联的驱动因素。除青藏高原区呈现低—低式局部空间正相关外,全国工业源与化学需氧量排放呈较强的空间异质性,突出表现为低—高式、高—低式空间负相关区域广布（图4b）,前者指低工业源比重、但水污染物排放强度较高的区域,其空间分布与排放总量的单变量高—高集聚区分布基本相同;后者指高工业源比重、但水污染物排放强度较低的区域,主要位于甘肃、宁夏、青海等西北地区,以及滇西北地区。农业源与化学需氧量排放之间主要呈高—高式和低—低式2类局部空间正相关（图4c）,其中,青藏高原区、川滇交界横断山区则呈现出农业源低比重与水污染物低强度排放;京津冀地区、东北三江平原区以及鲁西地区,呈农业源高比重与水污染物高强度排放,表明在农业源排放主导下,华北和东北地区水污染物排放强度的空间集聚态势加剧。城镇生活源与排放总量的双变量LISA集聚图表明（图4d）,二者在青藏高原区、横断山区以及贵州中部呈高—低式局部空间负相关,是城镇生活源比重较高但排放强度较低的区域,初步表明欠发达地区水污染物以城镇生活排放驱动为主,但由于总体排放强度较低,未形成对水环境的高胁迫态势;在华北和东北地区城镇生活源与之普遍呈现空间分散性,属于低—高式空间负相关,仅有北京市和伊春市属于高—高式集聚,表明城镇生活排放因素的主要驱动造成其水环境受高污染胁迫。
3.2.2 大气环境污染源空间关联二氧化硫排放总量的单变量LISA集聚图,排放总量显著高—高集聚区主要分布在环渤海及其经济腹地,以及云贵交界的曲靖、毕节、六盘水、黔西南等地市（图5a）。进一步统计显示,高—高集聚区共计46个地级单元,占全国国土面积的9.19%,其二氧化硫排放量占全国排放总量的32.11%。其中,覆盖面积最广的区域为京津冀、山东、山西以及内蒙古中部、陕西北部组成的环渤海区域。高—高集聚区地级单元的二氧化硫平均排放量14.27万t,是全国平均水平的2.33倍,其排放总量占全国排放量的28.09%。低—低集聚区分布在青藏高原东南部,广西东部贺州、梧州、玉林三市以及海南的海口和三亚两市,高—低集聚区邻近环渤海高—高聚集片区,包括延安、铜川、濮阳和衡水。此外,与二氧化硫排放源类型区的耦合分析显示,高—高集聚区以工业源绝对主导型为主（84.78%）,低—低集聚区内工业和城镇生活源复合型、以及城镇生活源主导型合计占66.67%。

显示原图|下载原图ZIP|生成PPT
图5中国二氧化硫排放的单变量和双变量LISA集聚图
-->Fig. 5Single and bivariate LISA cluster maps of total and various SO₂ discharge sources in China
-->

由工业源与排放总量之间的LISA集聚图可见（图5b）,高—高式集聚在天津与冀北、山西与冀中南、鲁西北与鲁西南、蒙中与宁北、以及云贵交界区形成了5个组团,此类地区在工业源主导驱动下,二氧化硫高强度排放的空间集聚性突出;低—低集聚区位于青藏高原区,表现出工业源排放低比重且大气污染物低强度排放格局;低—高集聚则主要位于5个高—高集聚组团的外围,表明工业源并非造成这类地区二氧化硫高强度排放集聚的主要因素;高—低集聚区位于低—低集聚区外围,以及南方地区的粤西、贵南与赣东等区域,这类地区虽然工业排放比重高,但空间溢出效应较弱,周围地区的二氧化硫排放强度相对较低。在城镇生活源与排放总量的双变量空间关联方面,其空间正相关区域与工业源的双变量空间负相关区域基本一致,而空间负相关区域与工业源的空间正相关区域空间吻合（图5c）,其中,高—高集聚区主要包括内蒙古乌兰察布至云南文山一线、以及北京和泰安,此类地区生活源比重与二氧化硫排放强度空间正相关性显著,生活源排放主导形成了大气污染物高强度排放的集聚效应。

3.3 环境污染格局社会经济影响因素

3.3.1 总体模型按照设定的影响因素回归模型,运用普通最小二乘法（OLS）进行回归参数估计（表2）。在全国化学需氧量和二氧化硫排放的总体模型中,方差分析的F值分别为225.846、72.629,其相伴随的概率值（P值）均为0.000,小于0.01的显著性水平,D.W值分别为1.6、1.445,调整后R²分别为0.771、0.525,说明了模型方程通过了显著性分析、不存在异方差性,且拟合程度较高。总体模型估计显示,人口规模、城镇化水平和经济增长速度是中国环境污染排放的主要驱动因素,三者对地级单元的化学需氧量和二氧化硫排放均具有显著的正向影响,对二氧化硫排放具有正向影响的因素还包括产业结构因素。
Tab. 2
表2
表2总体模型估计与检验结果
Tab. 2Estimation and test results of overall model

变量	化学需氧量排放			二氧化硫排放
变量	β		Sig.	β	Sig.
lnTP	0.848^***	0.000		0.524^***	0.000
lnUR	0.157^***	0.001		0.202^***	0.003
lnPGDP	0.005	0.914		0.080	0.277
lnGRGDP	0.052^***	0.065		0.114^***	0.006
lnIS	0.021	0.485		0.289^***	0.000
P值	0.000			0.000
F值	225.846			72.629
调整后R²	0.771			0.525
D.W值	1.600			1.445

注：***、**和*：分别表示显著性水平为0.01、0.05和0.1。

新窗口打开
总体模型的估计系数还反映了污染物排放的影响程度。具体来看,在水环境方面,当年年末人口规模、城镇化率、GDP增长率每增加1个百分点,将依次引起化学需氧量排放量0.848%、0.157%和0.052%的增长。可见,对化学需氧量排放影响最突出的因素为常住人口规模,城镇化水平次之,尽管经济增长速度的提升也会造成化学需氧量排放增长,但引起水体污染的敏感度较低,经济增长速度指标每提高1个百分点,化学需氧量的排放量仅相应地增长0.052个百分点。在大气环境方面,当年年末人口规模、城镇化率、GDP增长率、第二产业比重每增加1个百分点,将引起二氧化硫排放量0.524%、0.202%、0.114%和0.289%的相应增长。其中,人口规模对二氧化硫排放影响较大,产业结构的影响次之,而城镇化水平以及经济增长速度的提高也会在一定程度上促进二氧化硫排放量增长。不难看出,中国人口分布是污染物排放格局的控制性因素,人口集中分布显著提高了排放集中度,进而导致水体和大气污染物的区域性高强度排放。此外,总体模型中人均GDP与主要污染物排放量无显著相关性,表明区域经济发展水平未对污染物排放量带来直接影响。
3.3.2 水环境污染格局的类型区模型为考察社会经济影响因素在不同水体污染源类型区的差异性,分别对城镇生活源主导型、农业源主导型、城镇生活和农业源复合型、工业源主导型地级单元进行OLS估计。4种类型区模型均在0.01上显著,调整后R²值分别为0.926、0.622和0.833,表明各模型的显著性水平高、拟合效果较好。与排放总量的模型估计相同,人口规模是各类型区化学需氧量排放的首要影响因素（表3）。4种类型区年末人口规模每增加1个百分点,将依次引起化学需氧量排放量0.842%、0.791%、0.898%和0.713%的增长。
Tab. 3
表3
表3化学需氧量排放格局的类型区模型估计与检验结果
Tab. 3Estimation and test results of regional model of COD discharge

变量	城镇生活源主导型			农业源主导型		城镇生活和农业源复合型			工业源主导型
变量	β		Sig.		β	Sig.	β	Sig.	β	Sig.
lnTP	0.842^***	0.000		0.791^***	0.000	0.898^***	0.000		0.713^***	0.002
lnUR	0.318^***	0.000		0.090	0.339	0.260^***	0.002		-0.816	0.166
lnPGDP	-0.145^***	0.005		0.055	0.605	-0.130	0.142		0.643	0.285
lnGRGDP	0.006	0.831		0.033	0.609	-0.012	0.813		0.144	0.396
lnIS	0.076^***	0.010		-0.078	0.256	0.106^**	0.050		-0.019	0.946
P值	0.000			0.000		0.000			0.003
F值	282.017			40.103		84.785			7.630
调整后R²	0.926			0.622		0.833			0.674
D.W值	1.924			1.711		1.711			2.510

注：***、**和*：分别表示显著性水平为0.01、0.05和0.1。

新窗口打开
在城镇生活源主导型区域,除人口规模外,城镇化水平和产业结构对化学需氧量排放也具有正向影响,城镇化率每增加1个百分点,将引起排放量0.318%的相应增长,为城镇化水平因素对化学需氧量排放拉动作用最为明显的类型区;产业结构对化学需氧量排放有微弱影响,第二产业比重1个百分点的提升仅带来0.076%的化学需氧量排放增长;而经济发展水平对排放影响呈负效应,即人均GDP提升1个百分点,地级单元的化学需氧量排放将减少0.145%,表明在115个城镇生活源主导型地级单元中,区域经济发展水平越高则水体污染物的排放量越低。在城镇生活和农业源复合型区域,城镇化率、第二产业比重每增加1个百分点,化学需氧量排放将增长0.26%和0.106%,表明城镇化和工业化程度对此类区域水污染排放强度的驱动作用显著。在农业源主导型、工业源主导型区域,仅人口规模对污染物排放有显著的拉动效应,其他因素的直接影响并不突出。
3.3.3 大气环境污染格局的类型区模型通过对工业源主导型、工业源绝对主导型、工业和城镇生活源复合型、城镇生活源主导型4类区域进行OLS估计,分析社会经济因素对不同污染源类型区二氧化硫排放的影响。模型检验结果表明（表4）,前3种类型区模型方差分析的P值均为0.000,小于0.01的显著性水平,可用于影响因素分析,城镇生活源主导型样本量较少且未通过模型检验,不能用于阐释排放影响因素。总体而言,类型区模型与总体模型的估计参数值差异显著,在通过检验的3种类型区模型中,城镇化水平对二氧化硫排放的影响均不显著,而经济发展水平的正向效应较为明显。
Tab. 4
表4
表4二氧化硫排放格局的类型区模型估计与检验结果
Tab. 4Estimation and test results of regional model of SO₂ discharge

变量	工业源主导型			工业源绝对主导型		工业和城镇生活源复合型			城镇生活源主导型
变量	β		Sig.		β	Sig.	β	Sig.	β	Sig.
lnTP	0.597^***	0.000		0.436^***	0.000	0.815^***	0.000		-0.239	0.609
lnUR	0.190	0.249		-0.080	0.369	0.160	0.509		1.100	0.601
lnPGDP	0.321^**	0.079		0.299^***	0.002	0.208	0.385		-1.334	0.331
lnGRGDP	0.044	0.716		0.053	0.331	0.470^***	0.001		0.637	0.749
lnIS	-0.174	0.185		0.335^***	0.000	-0.063	0.618		-0.274	0.823
P值	0.000			0.000		0.000			0.648
F值	9.116			26.571		14.522			0.727
调整后R²	0.474			0.339		0.700			-0.206
D.W值	1.600			1.660		1.689			2.555

注：***、**和*：分别表示显著性水平为0.01、0.05和0.1。

新窗口打开
具体来看,在工业源主导型区域,年末人口规模每增加1个百分点,将引起地级单元二氧化硫排放量0.597%的相应增长,同时,人均GDP提升1个百分点,二氧化硫排放量将增长0.321%,表明人口规模越大、经济发展水平越高,工业源主导型地级单元面临的大气污染物排放压力越大。在工业源绝对主导型区域,年末人口规模、人均GDP和第二产业比重等对二氧化硫排放影响的估计系数值相当,介于0.3~0.5之间,表明除人口规模和经济发展水平外,工业化程度对地级单元的二氧化硫排放具有明显拉动作用,第二产业比重每提高1个百分点,二氧化硫的排放量相应地增长0.335个百分点。此外,在工业和城镇生活源复合型区域,人口规模、经济增长速度对二氧化硫排放的正向影响凸显,年末人口规模、GDP增长率每提升1个百分点,此类二源复合型地级单元的排放量将分别增长0.815%、0.47%。

4 结论与建议

（1）聚类分析与制图表明,中国环境污染源结构区域差异显著,水环境污染源方面,以农业源主导型、城镇生活和农业源复合型、城镇生活源主导型为主,三类地级单元的比重分别为35.40%、25.66%和33.92%,单位化学需氧量排放强度依次为8.80万t、7.62万t和5.14万t,华北、东北等北方地区以农业源主导型分布;大气环境污染源方面,以工业源绝对主导型为主,其比重达到74.63%,单位二氧化硫排放强度为7.00万t,工业源绝对主导型分布于除青藏高原区的广大区域。
（2）单变量和双变量空间自相关分析显示,全国环境污染物排放存在明显空间正相关,污染物排放总量高值簇和低值簇集聚现象显著,同时,污染源结构强化了污染物排放强度的空间集聚效应,农业源主导使水污染物集聚式排放加剧,工业源主导则促进了大气污染物集聚式排放。这在环渤海及其经济腹地区域尤为突出,农业源和工业源强化了水气污染物排放在空间上的集聚程度,使其成为环境污染物高排放的热点地区。
（3）影响因素参数估计与检验结果表明,人口规模、城镇化水平和经济增长速度是中国环境污染排放的主要驱动因素,其中以人口规模影响最为显著,年末人口规模每增加1个百分点,将引起地级单元化学需氧量、二氧化硫排放量0.848%和0.524%的增长。类型区模型显示,经济发展水平因素呈现除不同的影响效应,对城镇生活源主导型区域的水体污染物排放呈负向影响,而对工业源主导型和工业源绝对主导型区域的大气污染物排放呈正向影响,三者的影响效应依次为-0.145、0.321和0.299;城镇化水平对城镇生活源主导型、城镇生活和农业源复合型区域水污染物排放的驱动显著,其影响效应分别为0.318和0.260;工业化程度对工业源绝对主导型区域大气污染物排放的拉动明显,其影响效应为0.335。
（4）基于空间格局与影响因素解析,形成了环境污染源与排放格局的形成机制（图6）,并提出污染防控措施和综合治理建议,具体包括：① 立足人口规模这一污染物排放格局的控制性因素,稳妥推进人口迁移与城镇化过程,积极培育中小城镇,合理控制大城市人口规模,抑制污染物高排放区域人口过快增长,切实降低区域性环境污染强度。② 发挥环境约束和倒逼作用,以排放总量和排放标准双重控制促进发展方式转型,严控粗放低效的高污染业态,加强农业面源水污染防治、工业源大气污染物控制,通过产业结构优化与转型升级,改变以牺牲环境为代价的传统工业化发展模式。③ 按照污染源类型区,从整治方案、准入门槛、监测重点、政策配套等方面实施差异化的区域环境管制策略,如在农业源主导型区域,加强农业面源污染治理与农村污水分散式处理建设,严格畜禽养殖区划管理,促进农业生产科学施肥施药和合理养殖种植;在工业源绝对主导型区域,严控新、改、扩建项目资源利用率和污染物排放强度,全面推行清洁生产和循环经济,控制排污许可证增发。④ 全面提升环境监管和污染整治水平,整合多部门环境监测资源,逐步建立统一化、立体化的环境监测体系,打造主要环境要素和重点排污单位的实时监测力量,加快推进排污权有偿使用与交易政策体系建立,引入第三方治理和市场化的节能减排模式,鼓励专业化公司承担污染治理设施的建设或运营。⑤ 在复合型污染集聚分布的环渤海及其经济腹地,推进区域联防联控和流域共治示范,建立以重点污染源为主体的排放总量控制体系,开展火电、钢铁、水泥、化工、石化、造纸等重点行业的协同控制,设计污染源连续达标排放的监测方案,保障环境质量目标和达标时限落实的持续性。

显示原图|下载原图ZIP|生成PPT
图6中国环境污染源与污染物排放空间格局形成机制
-->Fig. 6Formation mechanism of pollutant sources and spatial pattern of pollutant discharge in China
-->

The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Lu Dadao.Moderate-speed growth: Sustainable development of China's economy . Scientia Geographica Sinica, 2015, 35(10): 1207-1219.URL Magsci [本文引用: 1]摘要中国实现了国民经济的长期高速增长,但已面临着突出的结构性难题。针对这一问题,不循以投资、消费和出口论证未来经济增长速度的传统路径,而对支持经济增长的资源(能源)、环境(承载力)及建立在资源环境基础上的城镇化和发展模式等支撑系统能力进行了分析。在这些分析基础上,进行了综合集成研究并得出结论:中国经济将较快地进入中速增长。中速经济增长,将为建设经济强国和实现中国和谐社会提供重要的机遇和空间。 [陆大道. 中速增长:中国经济的可持续发展 . 地理科学, 2015, 35(10): 1207-1219.]URL Magsci [本文引用: 1]摘要中国实现了国民经济的长期高速增长,但已面临着突出的结构性难题。针对这一问题,不循以投资、消费和出口论证未来经济增长速度的传统路径,而对支持经济增长的资源(能源)、环境(承载力)及建立在资源环境基础上的城镇化和发展模式等支撑系统能力进行了分析。在这些分析基础上,进行了综合集成研究并得出结论:中国经济将较快地进入中速增长。中速经济增长,将为建设经济强国和实现中国和谐社会提供重要的机遇和空间。
[2]	Wang Qiang, Liu Yaling, Wu Yueying, et al.Analysis of spatial characteristics of emission intensity of the main pollutants in China . Environmental Protection Science, 2015, 41(3): 57-61. [王强, 刘雅玲, 吴悦颖, 等. 我国主要污染物排放强度区域特征分析研究 . 环境保护科学, 2015, 41(3): 57-61.]
[3]	Chen Zuhai, Leizhu Jiahua.The spatial-temporal characteristics and economic drivers of environmental pollution changes in China . Geographical Research, 2015, 34(11): 2165-2178.https://doi.org/10.11821/dlyj201511015 Magsci [本文引用: 1]摘要 <p>基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's <i>I</i>指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间“抉择移动”。</p> [陈祖海, 雷朱家华. 中国环境污染变动的时空特征及其经济驱动因素 . 地理研究, 2015, 34(11): 2165-2178.]https://doi.org/10.11821/dlyj201511015 Magsci [本文引用: 1]摘要 <p>基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's <i>I</i>指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间“抉择移动”。</p>
[4]	Grossman G, Kuerger A.Economic , growth and the environment . Quarterly Journal of Economics, 1995, 110(2): 353-377. [本文引用: 1]
[5]	Selden T M, Song D S.Environmental quality and development: Is there a Kuznets Curve for air pollution emissions . Journal of Environmental Economics and Management, 1994, 27(2): 147-162.https://doi.org/10.1006/jeem.1994.1031 URL [本文引用: 1]
[6]	Roca J, Padilla E, Farre M, et al.Economic growth and atmospheric pollution in Spain: Discussing the environmental Kuznets Curve hypothesis . Ecological Economics, 2001, 39(1): 85-99.
[7]	Ma Shucai, Li Guozhu.The Kuznets Curve of relation between Chinese economic growth and environmental pollution . Statistical Research, 2006, 23(8): 37-40.https://doi.org/10.3969/j.issn.1002-4565.2006.08.009 URL [本文引用: 1]摘要一、引言关于经济增长与环境污染之间的关系，国内外很多**进行了大量研究。1992年，美国经济学家G·Grossman和A·Kureger对此提出了一个环境Kuznets曲线（Environment Kuznets Curve，EKC）的假设。该假设试图说明如果没有一定的环境政策干预，一个国家的整体环境质量或污染水平是随着经济增长和经济实力的积累呈先恶化后改善的趋势。他们采用跨国数据说明了EKC的存在，即最初环境恶化程度随着人均GDP的上升而上升，达到一个转折点后，将随着人均GDP的上升而下降。并把这种现象归因于以下几点：（1）当人们越富有时，对环境质量的要求越高；（2）人们越富有，越有能力降低环境恶化程度；（3）经济增长有利于经济结构向低污染型生产转化；（4）经济增长有利于加速降低环境污染强度的技术的进步。Beckerman（1992）甚至认为．“随着人均国民收入的提高，环境恶化程度的下降可以由经济增长来解决。” [马树才, 李国柱. 中国经济增长与环境污染关系的Kuznets曲线 . 统计研究, 2006, 23(8): 37-40.]https://doi.org/10.3969/j.issn.1002-4565.2006.08.009 URL [本文引用: 1]摘要一、引言关于经济增长与环境污染之间的关系，国内外很多**进行了大量研究。1992年，美国经济学家G·Grossman和A·Kureger对此提出了一个环境Kuznets曲线（Environment Kuznets Curve，EKC）的假设。该假设试图说明如果没有一定的环境政策干预，一个国家的整体环境质量或污染水平是随着经济增长和经济实力的积累呈先恶化后改善的趋势。他们采用跨国数据说明了EKC的存在，即最初环境恶化程度随着人均GDP的上升而上升，达到一个转折点后，将随着人均GDP的上升而下降。并把这种现象归因于以下几点：（1）当人们越富有时，对环境质量的要求越高；（2）人们越富有，越有能力降低环境恶化程度；（3）经济增长有利于经济结构向低污染型生产转化；（4）经济增长有利于加速降低环境污染强度的技术的进步。Beckerman（1992）甚至认为．“随着人均国民收入的提高，环境恶化程度的下降可以由经济增长来解决。”
[8]	Niu Haipeng, Zhu Song, Yin Xunguo, et al.Empirical study on the relationship among economic structure, economic development and pollutant emission . China Soft Science, 2012(4): 160-166.https://doi.org/10.3969/j.issn.1002-9753.2012.04.018 URL [本文引用: 1]摘要污染排放与经济发展的研究大都基于环境库兹涅茨曲线(EKC), 而两者之问是通过经济结构和经济结构调整所联系的.随着经济结构的改善,污染排放呈现逐渐下降的趋势.但是经济结构的改善可能会在短期内使得经济发展放缓甚至下滑,也可能在短期内就实现促进经济发展,从而表现为倒U型关系.本文采用中国1985 -2009年的统计数据,对经济结构、经济发展以及污染物排放的关系进行实证研究,指出了EKC模型存在的问题,进一步论述了基于经济结构调整所体现出的经济发展与污染物排放的倒U型曲线. [牛海鹏, 朱松, 尹训国, 等. 经济结构、经济发展与污染物排放之间关系的实证研究 . 中国软科学, 2012(4): 160-166.]https://doi.org/10.3969/j.issn.1002-9753.2012.04.018 URL [本文引用: 1]摘要污染排放与经济发展的研究大都基于环境库兹涅茨曲线(EKC), 而两者之问是通过经济结构和经济结构调整所联系的.随着经济结构的改善,污染排放呈现逐渐下降的趋势.但是经济结构的改善可能会在短期内使得经济发展放缓甚至下滑,也可能在短期内就实现促进经济发展,从而表现为倒U型关系.本文采用中国1985 -2009年的统计数据,对经济结构、经济发展以及污染物排放的关系进行实证研究,指出了EKC模型存在的问题,进一步论述了基于经济结构调整所体现出的经济发展与污染物排放的倒U型曲线.
[9]	Zhao Yuming.Research on the types of environmental development in China and interprovincial spatial migration of environmental pollution [D]. Xi'an: Shaanxi Normal University, 2014. [本文引用: 2] [赵宇明. 我国省域环境发展类型及污染空间迁移研究 [D]. 西安: 陕西师范大学, 2014.] [本文引用: 2]
[10]	Wang Limeng, He Kanglin.Analysis on temporal variation of environmental impact based on STIRPAT model: A case study of energy consumption of China . Journal of Natural Resources, 2006, 21(6): 862-869.https://doi.org/10.3321/j.issn:1000-3037.2006.06.002 URL Magsci [本文引用: 2]摘要人类活动已经显著地改变了全球环境,定量分析人类活动对环境的影响,是当前可持续发展研究的热点之一。分别采用能源消费总量和能源消费产生的污染作为环境压力的衡量指标,利用STIRPAT模型,以1952—2003年中国能源消费总量时间序列数据为例,分析人口数量、富裕度、能源强度和能源消费的选择行为等人类驱动力对环境压力的影响。结果表明:人口数量或能源强度发生1%的变化,将分别引起环境压力相应发生1.992%或0.777%的变化;随着富裕度的增加,富裕度对环境压力的弹性系数逐渐增加。在观测数据范围内,分析结果不支持环境Kuznets曲线的观点。在不同时期,人类驱动力对环境压力的作用存在明显的差异,人口数量和富裕度的增加对环境压力产生正效应;而能源强度的波动变化使得其对环境压力的作用有正效应,也有负效应。选择清洁能源的消费行为,有利于抑制以能源消费产生的污染为衡量指标的环境压力的上升。各种人类驱动力的净效应决定环境压力总体变化趋势。 [王立猛, 何康林. 基于STIRPAT模型分析中国环境压力的时间差异: 以1952-2003年能源消费为例 . 自然资源学报, 2006, 21(6): 862-869.]https://doi.org/10.3321/j.issn:1000-3037.2006.06.002 URL Magsci [本文引用: 2]摘要人类活动已经显著地改变了全球环境,定量分析人类活动对环境的影响,是当前可持续发展研究的热点之一。分别采用能源消费总量和能源消费产生的污染作为环境压力的衡量指标,利用STIRPAT模型,以1952—2003年中国能源消费总量时间序列数据为例,分析人口数量、富裕度、能源强度和能源消费的选择行为等人类驱动力对环境压力的影响。结果表明:人口数量或能源强度发生1%的变化,将分别引起环境压力相应发生1.992%或0.777%的变化;随着富裕度的增加,富裕度对环境压力的弹性系数逐渐增加。在观测数据范围内,分析结果不支持环境Kuznets曲线的观点。在不同时期,人类驱动力对环境压力的作用存在明显的差异,人口数量和富裕度的增加对环境压力产生正效应;而能源强度的波动变化使得其对环境压力的作用有正效应,也有负效应。选择清洁能源的消费行为,有利于抑制以能源消费产生的污染为衡量指标的环境压力的上升。各种人类驱动力的净效应决定环境压力总体变化趋势。
[11]	Zhao Hong, Peng Xin.Trade, relative income and emissions of the pollutants: A study based on panel data from provincial level units . Journal of Nanjing Agricultural University (Social Sciences Edition), 2013, 13(1): 103-105.URL摘要基于ACT(2001)贸易环境效应模型,采用面板数据SUR估计,对2000—2010年中国省级单位各经济要素的贸易环境效应、不同相对收入地区的贸易环境效应以及不同相对收入情况下由贸易引致的规模、结构、技术和贸易强度对污染物排放量进行了弹性分析。结果显示:中国现行经济规模、经济结构导致了环境质量的恶化,技术的正效应超过结构的负效应,贸易自由化直接促进了环境水平的提高;不同收入水平地区的贸易弹性存在较大差异;贸易对收入较低地区的环境影响程度较大,收入较高地区的贸易开放度与环境污染相关程度较低。 [赵红, 彭磐. 对外贸易、相对收入与污染物排放: 基于我国省级单位面板数据的研究 . 南京农业大学学报(社会科学版), 2013, 13(1): 103-105.]URL摘要基于ACT(2001)贸易环境效应模型,采用面板数据SUR估计,对2000—2010年中国省级单位各经济要素的贸易环境效应、不同相对收入地区的贸易环境效应以及不同相对收入情况下由贸易引致的规模、结构、技术和贸易强度对污染物排放量进行了弹性分析。结果显示:中国现行经济规模、经济结构导致了环境质量的恶化,技术的正效应超过结构的负效应,贸易自由化直接促进了环境水平的提高;不同收入水平地区的贸易弹性存在较大差异;贸易对收入较低地区的环境影响程度较大,收入较高地区的贸易开放度与环境污染相关程度较低。
[12]	Lin S F, Zhao D T, Marinova D.Analysis of the environmental impact of China based on STIRPAT model . Environmental Impact Assessment Review, 2009, 29(6): 341-347.https://doi.org/10.1016/j.eiar.2009.01.009 Magsci [本文引用: 1]摘要 <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Assuming that energy consumption is the main source of GHG emissions in China, this paper analyses the effect of population, urbanisation level, GDP per capita, industrialisation level and energy intensity on the country's environmental impact using the STIRPAT model with data for 1978–2006. The analysis shows that population has the largest potential effect on environmental impact, followed by urbanisation level, industrialisation level, GDP per capita and energy intensity. Hence, China's One Child Policy, which restrains rapid population growth, has been an effective way of reducing the country's environmental impact. However, due to the difference in growth rates, GDP per capita had a higher effect on the environmental impact, contributing to 38% of its increase (while population's contribution was at 32%). The rapid decrease in energy intensity was the main factor restraining the increase in China's environmental impact but recently it has also been rising. Against this background, the future of the country looks bleak unless a change in human behaviour towards more ecologically sensitive economic choices occurs.</p>
[13]	Tang Caide.Industrialization, industry structure and environment pollution: Based on manufacturing industry and regional panel model . Soft Science, 2009, 118(10): 6-11.URL [本文引用: 1]摘要从工业化进程、产业结构与环境污染之间的关系出发,建立了行业和区域的面板数据模型.通过实证研究发现,产业内部结构的变动会给环境污染密度带来不同的影响.同时在工业化进程中,不同区域应该充分利用比较优势,这不仅对产业结构调整,而且对环境也是有利的. [唐德才. 工业化进程、产业结构与环境污染: 基于制造业行业和区域的面板数据模型 . 软科学, 2009, 118(10): 6-11.]URL [本文引用: 1]摘要从工业化进程、产业结构与环境污染之间的关系出发,建立了行业和区域的面板数据模型.通过实证研究发现,产业内部结构的变动会给环境污染密度带来不同的影响.同时在工业化进程中,不同区域应该充分利用比较优势,这不仅对产业结构调整,而且对环境也是有利的.
[14]	Chen Yuanyuan, Li Kunwang.The influencing factors of emission intensity of industrial pollutants under open economy . Journal of Shanghai University of Finance and Economics, 2010, 12(4): 90-97.URL摘要本文采取2001-2006年36个工业行业的数据,检验了开放条件下影响主要污染物排放强度的因素,结果发现同行业外资的进入、下游行业外资的进入、研发程度、环保人员、出口交货值以及资本劳动比都可以显著的影响排放强度。但在子样本的回归下,影响程度差异则比较大。 [陈媛媛, 李坤望. 开放条件下工业污染物排放强度影响因素分析 . 上海财经大学学报, 2010, 12(4): 90-97.]URL摘要本文采取2001-2006年36个工业行业的数据,检验了开放条件下影响主要污染物排放强度的因素,结果发现同行业外资的进入、下游行业外资的进入、研发程度、环保人员、出口交货值以及资本劳动比都可以显著的影响排放强度。但在子样本的回归下,影响程度差异则比较大。
[15]	Hu Xiaojuan, Zhao Han.An analysis on the environmental effects of foreign investment structure in China's industry: An empirical test based on the industrial panel-data . World Economy Study, 2010(7): 55-61.URL [本文引用: 1]摘要本文选取我国35个工业行业2001～2007年的面板数据,考察了工业行业FDI以及不同污染程度和不同要素密集度的行业FDI对我国环境的影响。研究结果表明,对总体工业行业而言,外商直接投资对我国生态环境产生了负面影响。进一步进行行业结构分组后发现,轻度污染密集型行业的FDI对环境也产生了负面的影响,而重度污染密集型行业的FDI对环境的影响并不显著;技术密集型行业的FDI对我国环境则产生了较大程度的负面影响,劳动密集型行业的FDI对环境影响并不显著。文章最后分析了产生这一结果的原因并提出相应对策。 [胡小娟, 赵寒. 中国工业行业外商投资结构的环境效应分析: 基于工业行业面板数据的实证检验 . 世界经济研究, 2010(7): 55-61.]URL [本文引用: 1]摘要本文选取我国35个工业行业2001～2007年的面板数据,考察了工业行业FDI以及不同污染程度和不同要素密集度的行业FDI对我国环境的影响。研究结果表明,对总体工业行业而言,外商直接投资对我国生态环境产生了负面影响。进一步进行行业结构分组后发现,轻度污染密集型行业的FDI对环境也产生了负面的影响,而重度污染密集型行业的FDI对环境的影响并不显著;技术密集型行业的FDI对我国环境则产生了较大程度的负面影响,劳动密集型行业的FDI对环境影响并不显著。文章最后分析了产生这一结果的原因并提出相应对策。
[16]	Fujii H, Managi S, Kaneko S.Decomposition analysis of air pollution abatement in China: Empirical study for ten industrial sectors from 1998 to 2009 . Journal of Cleaner Production, 2013, 59(15): 22-31.https://doi.org/10.1016/j.jclepro.2013.06.059 URL [本文引用: 1]摘要 This study analyzes the management of air pollutant substance in Chinese industrial sectors from 1998 to 2009. Decomposition analysis applying the logarithmic mean divisia index is used to analyze changes in emissions of air pollutants with a focus on the following five factors: coal pollution intensity (CPI), end-of-pipe treatment (EOP), the energy mix (EM), productive efficiency change (EFF), and production scale changes (PSC). Three pollutants are the main focus of this study: sulfur dioxide (SO 2 ), dust, and soot. The novelty of this paper is focusing on the impact of the elimination policy on air pollution management in China by type of industry using the scale merit effect for pollution abatement technology change. First, the increase in SO 2 emissions from Chinese industrial sectors because of the increase in the production scale is demonstrated. However, the EOP equipment that induced this change and improvements in energy efficiency has prevented an increase in SO 2 emissions that is commensurate with the increase in production. Second, soot emissions were successfully reduced and controlled in all industries except the steel industry between 1998 and 2009, even though the production scale expanded for these industries. This reduction was achieved through improvements in EOP technology and in energy efficiency. Dust emissions decreased by nearly 65% between 1998 and 2009 in the Chinese industrial sectors. This successful reduction in emissions was achieved by implementing EOP technology and pollution prevention activities during the production processes, especially in the cement industry. Finally, pollution prevention in the cement industry is shown to result from production technology development rather than scale merit.
[17]	Hossein H M, Kaneko S.Can environment quality spread through institutions? Energy Policy, 2013, 56(2): 312-321.https://doi.org/10.1016/j.enpol.2012.12.067 URL [本文引用: 2]摘要 Spatial relationships are known phenomena in ecological studies that refer to the relationships between certain variables observed in different localities. Different mechanisms have been suggested to explain this phenomenon, such as the pollution displacement hypothesis, foreign direct investment, international trade, and strategic response of countries to transboundary pollution flows. This paper develops a new mechanism in the sense that environmental quality of countries spreads spatially to their neighbors through the spillover of the institutional quality of countries. To test this hypothesis, a panel data model is constructed that estimates the impact of the institutional quality of countries and their neighbors on their CO2 emission intensity of energy use using data for 129 countries over the period 1980鈥2007. The findings prove the existence of this mechanism at the global and regional levels.
[18]	Frank A, Moussiopoulosb N, Bartonovac A, et al.Urban air quality in larger conurbations in the European Union . Environmental Modelling & Software, 2001, 16(4): 399-414.https://doi.org/10.1016/S1364-8152(01)00007-X URL [本文引用: 1]摘要 The air quality in about 200 urban agglomerations within the European Union (EU) is calculated for a reference year (1995) and for the year 2010. Relatively simple, robust tools have been applied which allow for a generalisation of the results on the scale of the whole EU. The projected air quality gives information on the frequency and severity of exceedance of air quality objectives and on the fraction of EU urban population potentially exposed. The parameter calculated is the urban background concentration, which is representative for the concentration in most of the urban area, with the exception of places under direct influence of sources, such as streets. Pollutants considered are SO, NO, PM, Pb, O, CO, and benzene. In 2010 the urban background concentrations will decrease strongly in the set of 200 modelled cities. It is projected, however, that the agreed or proposed air quality standards will still be exceeded in the future. The most serious problems are exceedances of the short- and long-term objectives for PMand exceedance of the long-term objective for NO.
[19]	Xu Linqing, Nie Nan.Spatial agglomeration and influencing factors of pollutant emissions: The analysis based on Ridge Regression Model . Ecological Economy, 2015, 31(5): 160-165.https://doi.org/10.3969/j.issn.1671-4407.2015.05.034 URL [本文引用: 2]摘要根据污染的IPAT模型,可以将污染排放密度直接分解为人口密度、人均GDP和污染排放强度三个因子,但若考虑污染及经济活动在次级区域的不均衡分布情况,污染排放密度与这些因子之间就不再是恒等关系.如污染排放与人口、经济活动同向集聚,会加剧污染对环境和社会的冲击作用,诱发不良社会事件的发生.在污染排放总量不变条件下,可以通过人口与经济活动的适度分散化及通过技术创新降低单位GDP污染强度的方法减缓污染排放对环境及社会的负面影响. [徐林清, 聂楠. 污染物排放的空间集聚及其影响因素: 基于岭回归模型的分析 . 生态经济, 2015, 31(5): 160-165.]https://doi.org/10.3969/j.issn.1671-4407.2015.05.034 URL [本文引用: 2]摘要根据污染的IPAT模型,可以将污染排放密度直接分解为人口密度、人均GDP和污染排放强度三个因子,但若考虑污染及经济活动在次级区域的不均衡分布情况,污染排放密度与这些因子之间就不再是恒等关系.如污染排放与人口、经济活动同向集聚,会加剧污染对环境和社会的冲击作用,诱发不良社会事件的发生.在污染排放总量不变条件下,可以通过人口与经济活动的适度分散化及通过技术创新降低单位GDP污染强度的方法减缓污染排放对环境及社会的负面影响.
[20]	Peng Wenbin, Tian Yinhua.Empirical research on environmental pollution and economic growth in Hunan Province: Based on impulse response function of VAR model . Journal of Xiangtan University, 2011, 35(1): 31-35.https://doi.org/10.3969/j.issn.1001-5981.2011.01.007 URL [本文引用: 1]摘要运用VAR模型的广义脉冲响应函数法与方差分解法,考察了湖南省1985—2008年间三类环境污染指标与人均GDP之间的长期动态影响特征。冲击响应分析结果表明：一方面经济增长是环境污染的重要原因;另一方面环境污染对经济增长也存在反向作用,然而这种作用力具有一定的滞后效应。方差分解结果显示,虽然环境污染是经济增长预测方差的重要变量,但经济增长对解释各类环境污染指标预测方差的贡献度则相对较小。 [彭文斌, 田银华. 湖南环境污染与经济增长的实证研究: 基于VAR模型的脉冲响应分析 . 湘潭大学学报(哲学社会科学版), 2011, 35(1): 31-35.]https://doi.org/10.3969/j.issn.1001-5981.2011.01.007 URL [本文引用: 1]摘要运用VAR模型的广义脉冲响应函数法与方差分解法,考察了湖南省1985—2008年间三类环境污染指标与人均GDP之间的长期动态影响特征。冲击响应分析结果表明：一方面经济增长是环境污染的重要原因;另一方面环境污染对经济增长也存在反向作用,然而这种作用力具有一定的滞后效应。方差分解结果显示,虽然环境污染是经济增长预测方差的重要变量,但经济增长对解释各类环境污染指标预测方差的贡献度则相对较小。
[21]	Liu Xin, Xiong Xiaobo, Jia Junsong, et al.Analysis of the influence of social economic factors on the environmental pressure in the central region: Taking Jiangxi Province as an example . Population Research, 2008, 32(3): 75-78.Magsci [本文引用: 1]摘要文章采用生态足迹作为环境压力的测量指标,以江西省为例基于STIRPAT模型定量分析了1990~2006年人口、经济(人均GDP)和社会(主要是城市化率和产业比重)因素对环境压力的具体作用。研究表明:(1)生态足迹和人均生态足迹总体呈上升趋势;(2)人口数量是江西省生态足迹增大的一个主要影响因子;(3)经济发展对环境压力产生正效应;富裕程度增加也将加剧人类对环境的影响;(4)城市化带来的消费结构改变和数量加大有可能导致环境压力的增大;(5)降低第一、二产业的比重有利于减少环境压力。 [刘昕, 熊晓波, 贾俊松, 等. 社会经济因素对中部地区环境压力的影响分析: 以江西省为例 . 人口研究, 2008, 32(3): 75-78.]Magsci [本文引用: 1]摘要文章采用生态足迹作为环境压力的测量指标,以江西省为例基于STIRPAT模型定量分析了1990~2006年人口、经济(人均GDP)和社会(主要是城市化率和产业比重)因素对环境压力的具体作用。研究表明:(1)生态足迹和人均生态足迹总体呈上升趋势;(2)人口数量是江西省生态足迹增大的一个主要影响因子;(3)经济发展对环境压力产生正效应;富裕程度增加也将加剧人类对环境的影响;(4)城市化带来的消费结构改变和数量加大有可能导致环境压力的增大;(5)降低第一、二产业的比重有利于减少环境压力。
[22]	Guo Weihua, Zhou Yongzhang, Kan Xinglong.Characteristics and driving factors of wastewater emissions in Guangdong Province from 1990 to 2012: A study based on STIRPAT model and decoupling index . Journal of Irrigation and Drainage, 2015, 34(2): 7-10.https://doi.org/10.13522/j.cnki.ggps.2015.02.002 URL [本文引用: 2]摘要利用广东省1990—2012年的废水排放总量及社会经济统计数据,通过STIRPAT随机模型和岭回归拟合对人口数量、富裕度、化学需氧量（COD）排放强度与废水排放总量的关系进行了分析,并采用脱钩指数分析了GDP与废水排放总量之间的关系。结果表明,人口数量是广东省废水排放总量变化的主要影响因素;人口数量、人均GDP和COD排放强度每变化1%,广东省废水排放总量相应变化0.648 1%、0.169 1%、0.099 4%。观测数据范围内,废水排放量与人均GDP数据未出现环境库兹涅茨曲线的特征。研究期间广东省GDP与废水排放总量之间处于相对脱钩与复钩的波动状态,近年二者整体上处于阶段性的弱脱钩状态。广东省工业废水排放量正逐步得到控制,全省的废水排放量总体上将持续上升。 [郭卫华, 周永章, 阚兴龙. 1990~2012年广东省废水排放特征及其驱动因素: 基于STIRPAT模型和脱钩指数的研究 . 灌溉排水学报, 2015, 34(2): 7-10.]https://doi.org/10.13522/j.cnki.ggps.2015.02.002 URL [本文引用: 2]摘要利用广东省1990—2012年的废水排放总量及社会经济统计数据,通过STIRPAT随机模型和岭回归拟合对人口数量、富裕度、化学需氧量（COD）排放强度与废水排放总量的关系进行了分析,并采用脱钩指数分析了GDP与废水排放总量之间的关系。结果表明,人口数量是广东省废水排放总量变化的主要影响因素;人口数量、人均GDP和COD排放强度每变化1%,广东省废水排放总量相应变化0.648 1%、0.169 1%、0.099 4%。观测数据范围内,废水排放量与人均GDP数据未出现环境库兹涅茨曲线的特征。研究期间广东省GDP与废水排放总量之间处于相对脱钩与复钩的波动状态,近年二者整体上处于阶段性的弱脱钩状态。广东省工业废水排放量正逐步得到控制,全省的废水排放量总体上将持续上升。
[23]	Zhou Jing, Yang Guishan.Character of industrial pollution discharge in Jiangsu Province and its cause analysis . China Environmental Science, 2007, 27(2): 284-288.https://doi.org/10.3321/j.issn:1000-6923.2007.02.030 URL [本文引用: 1]摘要采用环境库兹涅茨曲线模型模拟江苏省1991年以来经济增长和工业污染之间的动态演进关系,应用分解分析法对2001～2004年间部分污染物排放变化的成因进行了定量分析.结果表明,江苏省工业污染排放量和人均 GDP之间的关系类型有U型、倒U型、U型+倒U型以及N型4种,目前大部分污染物呈增长态势.将污染物排放变化的成因分为规模效应、结构效应和广义技术效应3类,结果显示,规模效应促进污染物排放量增加,结构效应和广义技术效应的作用方向不确定,但广义技术效应对污染物控制有决定性作用,强力的环境政策和管理措施能够有效地控制污染物排放. [周静, 杨桂山. 江苏省工业污染排放特征及其成因分析 . 中国环境科学, 2007, 27(2): 284-288.]https://doi.org/10.3321/j.issn:1000-6923.2007.02.030 URL [本文引用: 1]摘要采用环境库兹涅茨曲线模型模拟江苏省1991年以来经济增长和工业污染之间的动态演进关系,应用分解分析法对2001～2004年间部分污染物排放变化的成因进行了定量分析.结果表明,江苏省工业污染排放量和人均 GDP之间的关系类型有U型、倒U型、U型+倒U型以及N型4种,目前大部分污染物呈增长态势.将污染物排放变化的成因分为规模效应、结构效应和广义技术效应3类,结果显示,规模效应促进污染物排放量增加,结构效应和广义技术效应的作用方向不确定,但广义技术效应对污染物控制有决定性作用,强力的环境政策和管理措施能够有效地控制污染物排放.
[24]	Carole J.Four theories of population change and the environment . Population and Environment, 1994, 16(1): 61-90.https://doi.org/10.1007/BF02208003 URL [本文引用: 1]摘要 The link between population growth and land degradation is complex. The literature concerning this relationship revolves around ecology economy and human behavior. There are 4 theories to describe the relationship and each has something to offer the discussion because each explains different aspects of the relationship. It is also the case that the theories are just that; they have not been proven by an quantitative studies that link population growth and environmental degradation. Land resources are the focus of this discussion. The neoclassical theory contends that population growth will increase demand and thus force producers to become more efficient. The classical theory is based on Malthus in that resources can not keep pace with population. Dependency theories state that the relation of developed to developing nations is that of dependence and is explosive of the environment. Intermediate variable theories view population growth a proximate cause of environmental degradation. It is premature to blame the environmental problems on population growth. However there may be other good reasons to reduce population.
[25]	Xue Wei.SPSS Statistical Analysis Method and Its Application. Beijing: Publishing House of Electronics Industry, 2004.URL [本文引用: 1]摘要本书包括一元统计基础知识、矩阵代数、多元统计基础知识、方差分析、回归分析、判别分析等内容。 [薛薇. SPSS 统计分析方法及应用. 北京: 电子工业出版社, 2004.]URL [本文引用: 1]摘要本书包括一元统计基础知识、矩阵代数、多元统计基础知识、方差分析、回归分析、判别分析等内容。
[26]	Zhao Xiaofeng, Huang Xianjin, Zhang Xingyu, et al.Application of spatial autocorrelation analysis to the COD, SO₂ and TSP emission in Jiangsu Province . Environmental Science, 2009, 30(6): 1580-1587.URL [本文引用: 1]摘要空间自相关分析是空间统计学的一个重要组成部分,是认识空间格局的有效手段.针对研究的空间范围不同,常采用全局空间自相关和局部空间自相关来衡量区域空间自相关程度.利用江苏省1990~2006年13个省辖市COD、SO2和TSP排放量数据,采用空间自相关分析方法对江苏省环境污染排放区域异质性进行了研究.结果表明,江苏省COD和TSP排放总量分别从1990年的596 353 t和1 101 404 t显著下降到2006年的291 762 t和704 734 t,SO2排放量基本保持稳定;江苏省COD、SO2和TSP排放的空间自相关性随时间推移正在发生着变化,到2006年COD、SO2和TSP排放的Global Moran’s I分别达到0.465 7、0.214 2和0.510 1,呈现较显著的正空间自相关趋势,空间上的集聚分布格局业已形成,且COD排放先于SO2和TSP排放在空间呈现集聚格局,空间集聚的程度也较大;苏南与苏北的污染排放格局差异较大,苏南COD、SO2和TSP排放的Global Moran’s I值至2006年分别增加到0.499 7、0.320 2和0.298 3,集聚格局明显,而苏北COD、SO2和TSP排放的Global Moran’s I值大部分都低于-0.2,没有表现集聚状态.COD排放的集聚区域变为苏州、无锡和常州,SO2排放的集聚区域变为苏州和无锡,TSP排放的空间格局变化不大,苏南五市一直是TSP排放的集聚区域.空间自相关关系的探讨对于认识江苏省区域环境异质性及环境宏观战略研究具有重要意义,也对江苏省生态省建设和和谐社会构建提供重要参考. [赵小风, 黄贤金, 张兴榆, 等. 区域COD、SO₂及TSP排放的空间自相关分析:以江苏省为例 . 环境科学, 2009, 30(6): 1580-1587.]URL [本文引用: 1]摘要空间自相关分析是空间统计学的一个重要组成部分,是认识空间格局的有效手段.针对研究的空间范围不同,常采用全局空间自相关和局部空间自相关来衡量区域空间自相关程度.利用江苏省1990~2006年13个省辖市COD、SO2和TSP排放量数据,采用空间自相关分析方法对江苏省环境污染排放区域异质性进行了研究.结果表明,江苏省COD和TSP排放总量分别从1990年的596 353 t和1 101 404 t显著下降到2006年的291 762 t和704 734 t,SO2排放量基本保持稳定;江苏省COD、SO2和TSP排放的空间自相关性随时间推移正在发生着变化,到2006年COD、SO2和TSP排放的Global Moran’s I分别达到0.465 7、0.214 2和0.510 1,呈现较显著的正空间自相关趋势,空间上的集聚分布格局业已形成,且COD排放先于SO2和TSP排放在空间呈现集聚格局,空间集聚的程度也较大;苏南与苏北的污染排放格局差异较大,苏南COD、SO2和TSP排放的Global Moran’s I值至2006年分别增加到0.499 7、0.320 2和0.298 3,集聚格局明显,而苏北COD、SO2和TSP排放的Global Moran’s I值大部分都低于-0.2,没有表现集聚状态.COD排放的集聚区域变为苏州、无锡和常州,SO2排放的集聚区域变为苏州和无锡,TSP排放的空间格局变化不大,苏南五市一直是TSP排放的集聚区域.空间自相关关系的探讨对于认识江苏省区域环境异质性及环境宏观战略研究具有重要意义,也对江苏省生态省建设和和谐社会构建提供重要参考.
[27]	Meng B, Wang J F, Zhang W Z, et al.Evaluation of regional disparity in China based on spatial analysis . Scientia Geographica Sinica, 2005, 25(4): 393-400. [本文引用: 1]
[28]	Cheng Yeqing, Wang Zheye, Zhang Shouzhi, et al.Spatial econometric analysis of carbon emission intensity and its driving factors from energy consumption in China . Acta Geographica Sinica, 2013, 68(10): 1418-1431.https://doi.org/10.11821/dlxb201310011 URL Magsci [本文引用: 1]摘要碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO<sub>2</sub>排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。 [程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量 . 地理学报, 2013, 68(10): 1418-1431.]https://doi.org/10.11821/dlxb201310011 URL Magsci [本文引用: 1]摘要碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO<sub>2</sub>排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。
[29]	Wang Chunyang, Zhang Chao.Spatial-temporal pattern of prefecture-level innovation outputs in China: An investigation using the ESDA . Scientia Geographica Sinica, 2014, 34(12): 1438-1444.URL Magsci [本文引用: 1]摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p> [王春杨, 张超. 中国地级区域创新产出的时空模式研究: 基于ESDA的实证 . 地理科学, 2014, 34(12): 1438-1444.]URL Magsci [本文引用: 1]摘要 <p>以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析.结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式.整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群.东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显.最后在实证分析的基础上,提出了政策建议和未来研究的方向.</p>
[30]	Guan Wei, Zhu Haifei.Spatio-temporal analysis of inter-county economic differences in Liaoning Province based on ESDA . Geographical Research, 2011, 30(11): 2008-2016.https://doi.org/10.11821/yj2011110007 URL Magsci [本文引用: 1]摘要以县域(含县、县级市、市辖区)为研究单元,采用人均GDP为测度指标,运用ESDA的方法对2000~2009年辽宁省县际经济差异的时空格局进行分析,认为辽宁省县际经济具有显著的空间自相关,区县经济差异呈现先扩大后缩小的趋势。在局部差异方面,"高-高"类型的区县主要集中在沈阳、大连地区并有向沿海地区扩散的趋势,"低-低"类型的区县主要集中在阜新、朝阳及葫芦岛等所属的广大辽西地区。经济热点区县在空间分布上虽表现出一定的随机性和不稳定性,但仍以沈阳地区、大连地区最为活跃。在进一步从历史发展基础、区位条件、政策因素、空间近邻效应等方面分析辽宁省县际经济差异驱动机制的基础上,指出"辽宁沿海经济带"和"沈阳经济区新型工业化综合配套改革试验区"上升为国家战略后,沈阳、大连在辽宁沿海经济带、沈阳经济区中的核心地位已经确立,但其辐射功能或带动作用仍然有限。 [关伟, 朱海飞. 基于ESDA的辽宁省县际经济差异时空分析 . 地理研究, 2011, 30(11): 2008-2016.]https://doi.org/10.11821/yj2011110007 URL Magsci [本文引用: 1]摘要以县域(含县、县级市、市辖区)为研究单元,采用人均GDP为测度指标,运用ESDA的方法对2000~2009年辽宁省县际经济差异的时空格局进行分析,认为辽宁省县际经济具有显著的空间自相关,区县经济差异呈现先扩大后缩小的趋势。在局部差异方面,"高-高"类型的区县主要集中在沈阳、大连地区并有向沿海地区扩散的趋势,"低-低"类型的区县主要集中在阜新、朝阳及葫芦岛等所属的广大辽西地区。经济热点区县在空间分布上虽表现出一定的随机性和不稳定性,但仍以沈阳地区、大连地区最为活跃。在进一步从历史发展基础、区位条件、政策因素、空间近邻效应等方面分析辽宁省县际经济差异驱动机制的基础上,指出"辽宁沿海经济带"和"沈阳经济区新型工业化综合配套改革试验区"上升为国家战略后,沈阳、大连在辽宁沿海经济带、沈阳经济区中的核心地位已经确立,但其辐射功能或带动作用仍然有限。
[31]	Gao Shuang, Wei Yehua, Chen Wen, et al.Study on spatial-correlation between water pollution and industrial agglomeration in the developed region of China: A case study of Wuxi City . Geographical Research, 2011, 30(5): 902-912.https://doi.org/10.11821/yj2011050014 URL Magsci [本文引用: 1]摘要制造业集聚是城市发展的重要动力, 同时也可能对生态环境产生负效应。论文拟以无锡市区为例, 利用核密度函数(Kernel Density Distribution)对污染密集型制造业集聚程度进行评价, 按照河流自然综合特征划分的环境单元进行污染物分布格局评价, 在此基础上构建污染企业分布密度—COD排放量的双变量空间自相关模型, 探讨制造业与河道污染物分布格局的定量关系, 揭示制造业集聚和水污染的空间关联性。模型分析表明:无锡市区的污染密集型制造业呈现向郊区和环境非敏感区集聚的趋势, 污染强度以主要运河为轴线向两翼地区逐渐衰减, 二者空间格局的关联性存在行业差异性, 污染物分布与纺织、石油化工业以及冶金业集聚和扩散格局的空间关联性较为显著, 而与食品制造业和造纸印刷业的空间关联性则不显著。论文进一步根据产业集聚与污染格局的空间关联模式, 将研究区域划分为高集聚—高污染、低集聚—低污染、低集聚—高污染、高集聚—低污染四种类型区, 并提出相应的产业准入导向。本研究从空间效应角度为产业集聚与生态环境之间关联机理探讨提供新的视角, 也可以作为制造业布局调整的科学依据。 [高爽, 魏也华, 陈雯, 等. 发达地区制造业集聚和水污染的空间关联: 以无锡市区为例 . 地理研究, 2011, 30(5): 902-912.]https://doi.org/10.11821/yj2011050014 URL Magsci [本文引用: 1]摘要制造业集聚是城市发展的重要动力, 同时也可能对生态环境产生负效应。论文拟以无锡市区为例, 利用核密度函数(Kernel Density Distribution)对污染密集型制造业集聚程度进行评价, 按照河流自然综合特征划分的环境单元进行污染物分布格局评价, 在此基础上构建污染企业分布密度—COD排放量的双变量空间自相关模型, 探讨制造业与河道污染物分布格局的定量关系, 揭示制造业集聚和水污染的空间关联性。模型分析表明:无锡市区的污染密集型制造业呈现向郊区和环境非敏感区集聚的趋势, 污染强度以主要运河为轴线向两翼地区逐渐衰减, 二者空间格局的关联性存在行业差异性, 污染物分布与纺织、石油化工业以及冶金业集聚和扩散格局的空间关联性较为显著, 而与食品制造业和造纸印刷业的空间关联性则不显著。论文进一步根据产业集聚与污染格局的空间关联模式, 将研究区域划分为高集聚—高污染、低集聚—低污染、低集聚—高污染、高集聚—低污染四种类型区, 并提出相应的产业准入导向。本研究从空间效应角度为产业集聚与生态环境之间关联机理探讨提供新的视角, 也可以作为制造业布局调整的科学依据。
[32]	Ehrlich P, Holdren J.The impact of population growth . Science, 1974, 171(3977): 1212-1217. [本文引用: 1]
[33]	Dietz T, Rosa E.Effects of population and affluence on CO₂ emissions . Proceedings of the National Academy of Sciences of the United States of America, 1997, 94(1): 175-179.https://doi.org/10.1073/pnas.94.1.175 URLPMID:8990181 [本文引用: 1]摘要 We developed a stochastic version of the Impact = Population x Affluence x Technology (IPAT) model to estimate the effects of population, affluence, and technology on national CO2 emissions. Our results suggest that, for population, there are diseconomies of scale for the largest nations that are not consistent with the assumption of direct proportionality (log-linear effects) common to most previous research. In contrast, the effects of affluence on CO2 emissions appear to reach a maximum at about $10,000 in per- capita gross domestic product and to decline at higher levels of affluence. These results confirm the general value of the IPAT model as a starting point for understanding the anthropogenic driving forces of global change and suggest that population and economic growth anticipated over the next decade will exacerbate greenhouse gas emissions.
[34]	Lu Dadao, Yao Shimou.A scientific thought about urbanization progress in China . Human Geography, 2007, 22(4): 1-5.URL [本文引用: 1]摘要城镇化推动了我国经济社会快速发展,并大大提高了居民的生活生产条件。然而,近十年来,我国城镇化却脱离了循序渐进的原则,出现了"冒进式"城镇化的现象。本文通过合理评价我国城镇化速度、正确对待我国城镇化进程、科学分析"冒进式"城镇化与空间失控的原因等几个方面的深刻阐述之后,提出了我国城镇化健康发展的规划策略。 [陆大道, 姚士谋. 中国城镇化进程的科学思辨 . 人文地理, 2007, 22(4): 1-5.]URL [本文引用: 1]摘要城镇化推动了我国经济社会快速发展,并大大提高了居民的生活生产条件。然而,近十年来,我国城镇化却脱离了循序渐进的原则,出现了"冒进式"城镇化的现象。本文通过合理评价我国城镇化速度、正确对待我国城镇化进程、科学分析"冒进式"城镇化与空间失控的原因等几个方面的深刻阐述之后,提出了我国城镇化健康发展的规划策略。

中国环境污染源的区域差异及其社会经济影响因素——基于339个地级行政单元截面数据的实证分析

本站小编 Free考研考试/2021-12-29

Regional disparity of environmental pollution source and its socio-economic influencing factors: Based on the cross-section data of 339 cities at prefecture level or above in China

1 引言