碳中和目标下水环境污染与生态经济的关系研究——以江苏省为例
时间：2023-06-29 11:30:03 来源：雅意学习网 本文已影响 人 
陈佳辉
（河海大学公共管理学院，南京 211100）
经济发展与环境保护向来是一组互生的矛盾关系，随着人类对自然资源的开发利用，环境承载力逐渐达到临界值，其中尤以气候变化最为严峻。为此，2020 年中国在联合国第七十五届大会上宣布将采取更有力的举措，力争于2030 年前二氧化碳排放达到峰值，争取2060 年前实现碳中和。这为中国未来低碳转型促进经济高质量发展、生态文明建设指明了方向、明确了目标［1］。而促使社会经济体系按照预期的排放路径实现碳中和目标，以碳循环与水循环尤为重要［2］，两者作为地球重要的循环过程，不可避免地相互作用而又互相重叠，实现碳中和需要高效水循环系统的辅助和支撑，同时，对水环境的保护和治理，也有利于生态经济的长效发展。因此，进一步分析水环境污染与生态经济发展的关系，既可以更有针对性地促进双方的正向互动，也能更好地推动碳中和目标的实现。
水环境污染是环境污染的重要表现之一，表现为各种有害的化学物质造成水的使用价值的降低或损失。自中共十八大以来，中国经济结构开始优化升级，经济的快速增长也带来污染物的增加，诸如未经无害化处理的工业污水排放至当地水体，农业生产所需的化肥、农药等对周边水系的影响，大量人口聚集的城市每天会产生大量的生活污水等，这些污水的排放势必对水环境造成不可逆转的影响。长此以往，水环境态势逐渐恶化，又反过来制约生态经济的可持续发展，导致城镇居民缺乏必要的干净饮用水、工厂无法获取所需的生产用水、农业灌溉用水不足等。因此，需要选取水环境污染的主要源头，就其与生态经济的关系进行探析，并最终获取具有显著相关性的污染类别，研究其与生态经济之间的相互作用关系，以期寻找两者之间的平衡。
1.1 研究区域概况
选取江苏省作为此次研究对象，进行水环境污染与生态经济的相关性分析。江苏省位于东部沿海地区，地跨长江、淮河南北，境内地势平坦，湖泊众多，气候宜人。作为经济大省，该区域的水环境污染与生态经济的关系具有鲜明的典型性和借鉴意义。整理该省2012—2021 年10 年的经济数据，如表1所示。
表1 2012—2021 年江苏省经济发展状况统计数据
1.2 指标选取
选取具有代表性的区域人均生产总值作为研究的因变量，并根据历年《统计年鉴》公布的水环境污染指标，选取工业废水排放量、城镇生活污水排放量、工业源COD 排放量、农业源COD 排放量、城镇生活源COD 排放量、工业源氨氮排放量、农业源氨氮排放量和城镇生活源氨氮排放量作为自变量，其水环境污染指标数据统计见表2。使用python 3.7 软件绘制8 个自变量之间的热图，数值表示相关系数，如图1 所示。
表2 2012—2021 年江苏省水环境污染指标数据
由于直接选取8 个指标探析其与生态经济的关系，会造成变量过多，不利于分析结果的合理性，且由图1 可知，原始数据的相关系数普遍大于0.5，即各个变量之间存在较强的相关性，因此适合采用主成分分析法，提取出对生态经济具有较大影响的典型指标。使用SPSS 25.0 软件，将原始的指标数据进行标准化处理（Z-score），得到各个指标的标准化数据，经过处理，获取主成分矩阵求解结果和主成分载荷阵［3］，如表3、表4 所示。
图1 不同自变量之间的热图
由表3 可知，提取出的前两个主成分可以解释全部方差的95.778%，即这两个主成分能够代表原8个指标数值95.778%的相关性。结合表4 数据对主成分量进行加权求和，得出主成分综合分值，并根据综合分值大小进行降序排列，得到表5。
表3 矩阵求解主成分结果
表4 主成分载荷阵
由表5 可知，农业源氨氮排放量和工业源COD排放量具有最明显的表现，因此，选择农业源氨氮排放量和工业源COD 排放量作为最能代表水环境污染的指标，进一步探讨其与生态经济的关系。
表5 环境污染指标
环境库兹涅茨曲线（Environmental Kuznets curve，EKC）是分析区域经济发展与环境之间关系的重要工具［4］，其揭示了经济发展与环境质量的关系：地区经济发展初期，环境状况较为良好，随着生产力水平的不断提高，环境质量随经济发展而逐渐恶化；
当经济增长到达某一特定的“转折点”，环境质量就随经济发展而逐渐改善［5］。
EKC 的本质是研究经济增长对环境质量的影响，然而，由于受到现实环境的复杂性和各种不可预测因素的作用，经济-环境之间不是单一模式的影响关系。因而环境库兹涅茨曲线并不单一地表现为倒U 型关系，其曲线形态也有可能变化为正U 型、正N 型、倒 N 型等形态［6］。
2.1 研究方法
线性回归是通过对观察到的数据拟合一个线性方程来模拟两种或两种以上变量之间关系的统计分析方法。一般而言，影响因变量y的因素往往不止一个，其受到n个影响因素，即自变量x1，x2，…，xn和不可预测的随机因素ε的影响，因此可列出经典线性回归数学模型如下。
式（1）为因变量y对自变量x1，x2，…，xn的线性回归方程，其中，βn（n=0，1，…，m）是偏回归系数，εi（i=0，1，…，p）是互不相关的随机变量。
根据本研究所选取的样本数据，则式（1）可变为如下方程。
对于给定的t组样本数据，可计算其条件均值，具体表现如下。
由微积分的原理可知，当Q对的一阶偏导数为 0 时，Q最小，即：
由式（5）可得：
和分别为线性回归模型Yt=b1+b2xt+εt（t=1，…，u）的参数b1和b2的普通最小二乘法估计量［7］。
根据SPSS 软件多种曲线回归模拟分析的结果，比较P、R2和F3 项参数，从而建立工业废水排放量与人均GDP 之间以及城镇生活污水排放量与人均GDP 之间的最优模型［8］。其中，P为显著性水平，当P＜0.05 时，则表示存在显著差异，即回归方程通过显著性检验；
R2是衡量估计的模型对观测值拟合优度的高低，当R2＞0.6 时，则表示回归曲线拟合优度较高，回归方程可用于预测，总之，R2越接近1，则拟合优度越高，越接近0，则拟合优度越低；
F用来检验总体回归方程的有效性，F越大，差异越明显。
2.2 农业源氨氮排放量与生态经济之间的关系模型
根据上述研究方法构建计量模型，并结合表2的数据，使用SPSS 软件进行农业源氨氮排放量与生态经济之间关系的线性（Linear）、二次（Quadratic）以及三次（Cubic）的回归曲线模拟。其模拟结果如表6所示。首先，查看P，3 个回归曲线的P均小于0.05，所以3 个回归曲线均通过显著性检验；
其次，查看R2，比较线性、二次和三次回归曲线的R2可知，0.518＜0.6＜0.719＜0.732，即三次回归曲线拟合优度高于线性和二次回归曲线，且高于0.6；
最后，查看F，比较线性、二次和三次回归曲线的F可知，8.582＜8.934＜9.562，三次回归曲线的差异性最明显；
因此，综合考虑发现，农业源氨氮排放量与生态经济之间的关系以三次回归曲线拟合更优，为了更直观地查看回归曲线，借助SPSS软件绘制两者之间的三次回归曲线。
农业源氨氮排放量与生态经济之间的环境库兹涅茨曲线如图2 所示，结合表6 中的相关数据，可以得出农业源氨氮排放量与生态经济之间的EKC 模型拟合方程为y=19.929-33.55x2+6.155×10-12x3，可以看出其并未呈N 型或倒N 型趋势，而是更接近正U型环境库兹涅茨曲线，这与传统的倒U 型环境库兹涅茨曲线恰好相反。根据EKC 拟合方程和图2 可知，该曲线的极值点存在于人均GDP 的115 168 元与123 607 元之间，即2012—2018 年农业源氨氮排放量与生态经济之间成反比，生态经济的增长缓和了农业源氨氮排放量；
2019—2021 年农业源氨氮排放量与生态经济之间成正比，生态经济的持续发展加剧了农业源氨氮量的排放。
图2 农业源氨氮排放量与生态经济的三次回归曲线
表6 农业源氨氮排放量与生态经济之间的关系模型
2.3 工业源COD 排放量与生态经济之间的关系模型
参照农业源氨氮排放量与生态经济之间关系的模型设定方法，将相关数据导入SPSS，进行工业源COD 排放与生态经济之间关系的线性、二次以及三次回归曲线模拟。其模拟结果如表7 所示。首先，查看P，3 个回归曲线的P均为0.000，小于0.05，所以3 个回归曲线均通过显著性检验；
其次，查看R2，比较线性、二次和三次回归曲线的R2可知，0.85＜0.932＜0.944＜0.946，线性、二次和三次回归曲线的R2均大于0.85，表明这3 个回归曲线拟合优度均较高，且三次回归曲线拟合优度高于二次和线性回归曲线；
最后，查看F，比较线性、二次和三次回归曲线的F可知，59.522＜61.785＜110.479，表明线性回归曲线的差异性最明显，三次回归曲线次之，二次回归曲线最差；
因此，综合考虑，工业源COD 排放与生态经济之间的关系与线性回归曲线更为拟合。为了更直观地查看回归曲线，借助SPSS 软件绘制两者之间的线性回归曲线。
工业源COD 排放量与生态经济之间的环境库兹涅茨曲线如图3 所示，结合表7 中的相关数据，可以得出工业源COD 排放与生态经济之间的EKC 模型拟合方程为y=41.954-x，并不存在EKC 特征，而是呈单调递减的线性负相关关系。根据EKC 拟合方程和图 3 可知，2012—2021 年工业源 COD 排放量与生态经济之间呈负相关，即生态经济的持续增长，减缓了工业源COD 的排放。
表7 工业源COD 排放量与生态经济之间的关系模型
图3 工业源COD 排放量与生态经济的线性回归曲线
收集整理江苏省2012—2021 年10 年间的水环境污染和生态经济发展数据，以人均GDP 作为衡量生态经济的典型指标，通过主成分分析法选取具有显著相关性的水环境污染指标，即农业源氨氮排放量和工业源COD 排放量，进而使用EKC 曲线构建水环境污染与生态经济发展相关性的计量模型，分析其与生态经济之间的作用关系：农业源氨氮排放量、工业源COD 排放量与生态经济之间均呈非典型的EKC 曲线形态。其中，农业源氨氮排放量与生态经济在2018 年以前呈负相关关系，2018 年以后呈正相关关系；
工业源COD 排放量与生态经济始终呈负相关。也就是说，随着生态经济的持续发展，工业源COD 排放量逐年减少，说明中国工业产业的结构优化取得了良好的成效；
农业源氨氮排放量却在2018年经历拐点，并随着生态经济的持续发展，逐年上升，说明现阶段农业种植过程中过度使用化肥，且没有做好农业源废水的处理工作。
为此，首先需要对各项水污染源头采取控制措施：各工业企业对工业源废水污染的控制要始终坚持可持续发展的原则，不断进行生产结构优化，改进生产工艺，推行清洁产品，提高工业废水的二次利用率，实现一水多用，从源头上遏制废水产生；
对农业生产产生的面源污染，应采用双效汽提+蒸馏技术，将废水的氨氮以浓氨水或氨气的形式回收，同时可以将浓氨水或氨气纳入到生产环节，作为生产原料回用［9］，既削减了农业源氨氮的产生量，又资源化氨氮废水，一举多得。水环境污染与生态经济之间既互相制约，又相互促进。因此，在生态经济的可持续发展过程中，要秉持生态文明价值理念，使GDP 增加成为自然自我修复、恢复秩序的熵减过程，形成负熵GDP，使生态文明建设成为经济发展的驱动力和引擎［10］，实现水环境治理与生态经济发展的和谐共生。
——《2013年中国机动车污染防治年报》(第Ⅱ部分)环境与可持续发展(2014年1期)2014-08-14江苏省火力发电机组二氧化碳排放量估算电力工程技术(2014年1期)2014-03-20
