李亞星 吳 升 閻波杰

(1.福州大學數(shù)字中國研究院(福建)，福建 福州 350002；2.閩江學院海洋學院，福建 福州 350108)

2015年，中國工業(yè)廢水排放量達199.5億t，占廢水排放總量的近1/3，由于工業(yè)廢水往往包含大量有毒有害物質(zhì)[1]，對生態(tài)環(huán)境和人類健康產(chǎn)生了較嚴重的危險[2]，因此工業(yè)廢水排放引起的水體污染日益受到重視。掌握中國工業(yè)廢水排放空間分布特征及影響工業(yè)廢水排放的因素是節(jié)能減排、環(huán)境污染防治的基礎。因此，開展工業(yè)廢水排放的空間格局研究并探索其影響機制具有重要現(xiàn)實意義。

近年來，國內(nèi)外學者主要研究內(nèi)容包括兩部分：(1)基于時間序列的工業(yè)廢水污染時空特征。MA等[3]利用空間自相關和環(huán)境庫茲涅茨曲線研究了2004-2015年中國省、地級市工業(yè)廢水排放的時空變化特征。GENG等[4]研究分析了1995-2010年中國31個省份工業(yè)廢水排放變化的時空特征。陳昆侖等[5]以長江經(jīng)濟帶為例，通過探索性空間分析法開展了2002-2013年研究區(qū)工業(yè)廢水排放的時空格局演化研究。這些均采用迪氏分解模型求解了工業(yè)廢水排放的驅(qū)動因素。(2)多種方法相結合探索工業(yè)廢水空間分布格局。郭政等[6]利用地理集中指數(shù)、標準差橢圓、空間形態(tài)差異指數(shù)等方法研究分析了長三角城市群工業(yè)廢水時空演化特征，并利用迪氏分解模型分解了工業(yè)廢水排放的驅(qū)動因素。莊汝龍等[7]利用地理信息系統(tǒng)空間分析和SARAR模型研究了中國省級尺度工業(yè)廢水排放的時空格局、空間集聚特征和驅(qū)動因素。李茹楓等[8]結合海南省環(huán)境統(tǒng)計數(shù)據(jù)與企業(yè)實地調(diào)研，經(jīng)研究獲得了海南省工業(yè)企業(yè)廢水處理排放特征，并給出了優(yōu)化設施運行相關參數(shù)、增加監(jiān)測指標等建議。

綜上所述，目前對工業(yè)廢水排放空間分異的研究主要集中在空間分布特征及驅(qū)動因素。對工業(yè)廢水空間分布驅(qū)動因素的研究僅停留在因子對工業(yè)廢水空間分布的影響，缺乏對驅(qū)動因素間的相互作用過程及驅(qū)動因素對空間分異作用機制等的深度探究。局部空間自相關分析能很好揭示空間相關性，因此常被用來探究空間分布格局。地理探測器(GD)是近年來探索空間分異性驅(qū)動因子的熱門研究方法[9]117，廣泛應用于自然和社會科學等領域。王歡等[10]綜合多種影響因子，應用GD對喀斯特不同地形區(qū)域進行歸因分析。王少劍等[11]基于GD探究了全國縣級單位的住宅價格差異影響機制。GD不僅能以空間分布角度探索空間分異的影響機制，還能以定性、定量的方式深度探索因子之間的相互作用[9]124。因此，本研究基于2016年全國工業(yè)廢水排放量等統(tǒng)計數(shù)據(jù)，利用局部空間自相關分析研究全國工業(yè)廢水排放量空間格局，并利用GD開展空間分異影響機制研究，結果可為工業(yè)廢水環(huán)境污染防治、經(jīng)濟環(huán)境協(xié)調(diào)健康發(fā)展等研究提供科學借鑒。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)獲取與處理

從《中國環(huán)境年鑒》和《中國城市統(tǒng)計年鑒》獲得2016年全國地級市268個城市的工業(yè)廢水排放量、城市用地面積、城市道路面積、人均GDP等數(shù)據(jù)。利用ArcGIS 10.2軟件和Geoda 1.1軟件制作各種圖件。

1.2 局部空間自相關分析

局部空間自相關可揭示觀測單元與其相鄰單元屬性特征值之間的關聯(lián)性或差異性。利用局部莫蘭指數(shù)獲得中國工業(yè)廢水排放的4種空間分布關系：(1)高高聚集型(H-H)，表示高值聚集；(2)低低聚集型(L-L)，表示低值聚集；(3)高低聚集型(H-L)，表示異常高值；(4)低高聚集型(L-H)，表示異常低值[12]。

1.3 GD

GD是探測空間分異性并揭示其驅(qū)動力作用機制的統(tǒng)計方法，主要包括因子、交互、風險、生態(tài)4個探測器[13]。因子探測器測度不同影響因子對工業(yè)廢水排放的解釋力[9]117，值為0～1，當值為0時，表示影響因子無法解釋工業(yè)廢水排放，當值為1時，表示影響因子可完全解釋工業(yè)廢水排放，數(shù)值越大解釋力越強[9]118。交互探測器識別工業(yè)廢水排放影響因子間是獨立還是交互作用，判斷因子共同作用時是否會增強或減弱對工業(yè)廢水排放的解釋力[9]118。風險探測器揭示影響因子在不同等級中的平均解釋力[9]119。生態(tài)探測器用于探測不同影響因子對工業(yè)廢水排放控制力的相對影響程度是否存在顯著差異[9]119。

1.4 影響因子選取

利用GD研究影響因子對空間分異的作用機制，弱相關性因子對空間分異作用不大，而強相關性因子對空間分異作用機制更具探究意義[14]，因此本研究通過文獻分析法[15-16]得到現(xiàn)有研究中涉及工業(yè)污染的影響因子，通過SPSS 20軟件進行相關性分析，篩選出20個相關系數(shù)大于0.6的強相關性因子(見表1)，分析強相關性因子對空間分異的作用機制。

表1 影響因子及其代碼

2 結果與分析

2.1 中國工業(yè)廢水排放空間分布特征

局部莫蘭指數(shù)計算結果見表2。中國工業(yè)廢水排放量存在較明顯的空間內(nèi)部分異現(xiàn)象，整體呈現(xiàn)“東部高高聚集，西北部低低聚集”的空間分布格局。工業(yè)廢水排放量高高聚集主要在江蘇、浙江、山東的部分城市及上海，主要原因是工業(yè)結構以紡織業(yè)、制造業(yè)為主且工業(yè)水平較高；工業(yè)廢水排放量低低聚集較分散地分布于西北、中部及東北地區(qū)，主要包括陜西、甘肅、寧夏、四川、河南、內(nèi)蒙古、遼寧及黑龍江的部分城市，主要原因是工業(yè)廢水源頭產(chǎn)業(yè)不多且工業(yè)水平相對落后；工業(yè)廢水排放量異常低值主要分布在高值邊緣，甘肅酒泉，河南商丘，安徽淮北、蚌埠、宣城和江蘇宿遷以農(nóng)業(yè)、旅游業(yè)為主，因此工業(yè)廢水排放與相鄰城市差距很大，呈現(xiàn)異常低值聚集的空間布局；工業(yè)廢水排放量異常高值較分散地分布在低低聚集城市間，嘉峪關、重慶和吉林屬于重要的工業(yè)城市，以鋼化、冶金等為主要產(chǎn)業(yè)，導致工業(yè)廢水排放量呈現(xiàn)異常高值聚集。

表2 局部莫蘭指數(shù)計算結果

2.2 中國工業(yè)廢水排放影響機制分析

因子探測結果見表3，其中q為因子解釋力，表示單個因子對工業(yè)廢水排放的解釋力，值越大解釋力越高；p為顯著性檢驗，越接近于0效果越好。解釋力最高的影響因子是H1，最低是E。中國工業(yè)廢水排放空間分異排名前10位的影響因子依次為H1、F2、A2、G4、A3、B、F1、G1、G2、A6，對應指標為生產(chǎn)要素投入水平、工業(yè)經(jīng)濟效益、城鎮(zhèn)化率、資源消耗水平、工業(yè)化水平。

表3 因子探測結果

工業(yè)廢水排放量的20個影響因子中，因子的交互探測結果都是雙因子增強作用，即一個因子與其他任意因子對工業(yè)廢水排放的解釋力都高于這個因子本身對工業(yè)廢水排放的解釋力。其中，A3與D雙因子交互最強，其次為H1與C1(見表4)。另外，兩因子相互作用強度比獨立相加作用強度弱，說明在任意兩個因子的控制下，工業(yè)廢水排放具有聚集特征的城市簇內(nèi)部差異會減小。總之，影響因子交互過程中存在“弱+弱>強”和“1+1<2”的現(xiàn)象。

表4 交互探測結果

20個影響因子離散化為5個等級。由表5可見：總體上，除E外，等級越高，解釋力越強，工業(yè)廢水排放程度越強，高值主要分布在4、5等級，這些因子均為工業(yè)廢水排放帶來顯著影響；E相反，等級越低，解釋力越強，工業(yè)廢水排放程度越強，高值主要分布在1、2等級。中國的第一產(chǎn)業(yè)是農(nóng)業(yè)，結合局部莫蘭指數(shù)聚類空間分布的低低聚集結果，可解釋為以農(nóng)業(yè)為支柱產(chǎn)業(yè)的城市工業(yè)廢水排放量不高。

表5 風險探測結果

生態(tài)探測結果見表6，其中“Y”表示存在顯著差異，且通過顯著性水平0.05一致性檢驗；“N”表示不存在顯著差異。大多數(shù)結果不存在顯著性差異，與其他影響因子存在顯著性差異較多的因子包括H1、E、D、F2、A2、A3、G4。綜上，生產(chǎn)要素投入水平、產(chǎn)業(yè)結構、經(jīng)濟發(fā)展水平、工業(yè)經(jīng)濟效益、城鎮(zhèn)化率、資源消耗水平比其他指標更具影響力，與因子探測結果相呼應，對工業(yè)廢水排放有顯著的控制作用。

表6 生態(tài)探測結果

2.3 影響因子原因分析

通過GD得到生產(chǎn)要素投入水平、產(chǎn)業(yè)結構、經(jīng)濟發(fā)展水平、工業(yè)經(jīng)濟效益、城鎮(zhèn)化率、資源消耗水平對空間分異作用比其他指標更具影響力。江蘇、浙江等省份的部分城市及上海紡織業(yè)、制造業(yè)十分發(fā)達，勞動力、資本投入高，即生產(chǎn)要素投入水平高，工業(yè)經(jīng)濟效益隨之增高。以農(nóng)業(yè)為主的產(chǎn)業(yè)結構的城市工業(yè)廢水排放量普遍不高。胡志強等[17]的研究結果表明，2013年C1僅對工業(yè)SO2、工業(yè)粉塵具有明顯依賴作用，但對工業(yè)廢水排放作用不顯著，而2016年H1(制造業(yè))與C1對工業(yè)廢水排放雙因子交互最強，說明隨著科學技術不斷進步，科技研究過程中對制造業(yè)的支持加大了工業(yè)廢水排放量。根據(jù)《社會體制藍皮書：中國社會體制改革報告No.5(2017)》指出，2016年江蘇、廣東、北京、天津的城鎮(zhèn)化率分別達67.72%、69.20%、86.5%、82.93%。如此之高的城鎮(zhèn)化進程中，大量消耗了原材料資源。北京、山東一直以來都處于高資源消耗水平，說明中國目前工業(yè)發(fā)展模式依舊處于粗放型增長方式。

3 結 語

(1) 中國工業(yè)廢水排放量存在較明顯的空間內(nèi)部分異現(xiàn)象，整體呈現(xiàn)“東部高高聚集，西北部低低聚集”的空間分布格局。沿海城市工業(yè)廢水排放量高且密集，在高高聚集和低低聚集中出現(xiàn)異常值，工業(yè)廢水排放量的空間分布現(xiàn)象主要由產(chǎn)業(yè)主導。

(2) 中國工業(yè)廢水排放空間分異影響依次為生產(chǎn)要素投入水平、工業(yè)經(jīng)濟效益、城鎮(zhèn)化率、資源消耗水平、工業(yè)化水平。影響因子交互過程中存在“弱+弱>強”和“1+1<2”的現(xiàn)象。隨著科學技術不斷進步，科技研究過程中對制造業(yè)的支持加大了工業(yè)廢水排放量。另外，在任意兩個因子的控制下，工業(yè)廢水排放具有聚集特征的城市簇內(nèi)部差異會減小。

(3) 中國工業(yè)發(fā)展主要為“高投入、高消耗、高污染”模式，高工業(yè)發(fā)展省份及城市依舊處于粗放型經(jīng)濟發(fā)展模式。如何轉(zhuǎn)變經(jīng)濟發(fā)展模式，應當采取產(chǎn)業(yè)分散轉(zhuǎn)移，在保證經(jīng)濟發(fā)展水平穩(wěn)定的情況下適當降低資源消耗水平，加大對污染處理儀器的投資。在城鎮(zhèn)化進程中，減少原材料消耗，通過嚴格的生態(tài)環(huán)境保護政策提高環(huán)保意識，最大程度降低污染。