劉佳琪， 董怡， 許明軍， 劉雪梅

(1.華北水利水電大學 信息工程學院，河南 鄭州 450046； 2.中國科學院 地理科學與資源研究所 陸地水循環(huán)及地表過程重點實驗室，北京 100101； 3.中國科學院大學，北京 100049)

隨著城市化及工業(yè)的快速發(fā)展，城市廢水排放大量增加，造成城市水環(huán)境污染問題日益突出。對城市經(jīng)濟發(fā)展與水環(huán)境污染的關(guān)系進行分析研究，探究城市水環(huán)境污染的主要驅(qū)動因素和驅(qū)動效應(yīng)，可以為遏制城市水環(huán)境污染提供理論依據(jù)，對改善城市水環(huán)境具有重要意義。

國內(nèi)外學者通過研究地區(qū)經(jīng)濟發(fā)展及資源環(huán)境的數(shù)據(jù)探究兩者之間的關(guān)系。美國環(huán)境學家GROSSMAN G M和KRUEGER A B于1995年首次提出環(huán)境庫茲涅茨曲線(Environmental Kuznets Curve，EKC)[1]，認為環(huán)境污染和經(jīng)濟增長兩者之間呈現(xiàn)倒“U”形關(guān)系，EKC所蘊含的基本思想是“先發(fā)展后治理”[2]。BRUYN S M D等[3]根據(jù)1960—1993年德國、新西蘭、英國和美國的數(shù)據(jù)，證明了這些國家的二氧化碳、二氧化氮和二氧化硫等環(huán)境污染指標與人均GDP的關(guān)系符合EKC規(guī)律；AL-MULALI U等[4]驗證了肯尼亞城市化與空氣污染間的關(guān)系符合EKC假設(shè)。王惠敏等[5]對蘇州、無錫、常州1992—2010年工業(yè)廢水排放量和工業(yè)COD排放量與經(jīng)濟增長的關(guān)系進行差異性分析，發(fā)現(xiàn)該三市的工業(yè)廢水排放量與經(jīng)濟增長之間并不呈現(xiàn)倒“U”形曲線關(guān)系，而呈現(xiàn)倒“N”形曲線關(guān)系。朱素芳等[6]分析了東、中、西部三大經(jīng)濟帶經(jīng)濟發(fā)展與COD和氨氮兩種主要水污染排放的關(guān)系，分析結(jié)果表明，氨氮和生活源COD仍隨著人均GDP的增加而增加，擬合曲線未能呈現(xiàn)倒“U”形，可能導致水環(huán)境質(zhì)量惡化。劉藝等[7]對2003—2017年間山東省水環(huán)境質(zhì)量與經(jīng)濟增長之間的關(guān)系進行研究，結(jié)果表明：研究時段內(nèi)，山東省工業(yè)廢水排放量的EKC曲線呈明顯的倒“U”形，工業(yè)廢水排放量已過峰值，已隨人均GDP的增長而降低，但生活廢水及COD、氨氮的排放量隨著經(jīng)濟的發(fā)展持續(xù)上漲；從而推斷，山東省工業(yè)污染物排放與經(jīng)濟發(fā)展之間的關(guān)系逐漸趨于協(xié)調(diào)，生活污染物排放與經(jīng)濟發(fā)展之間仍未實現(xiàn)協(xié)調(diào)發(fā)展。徐鵬凡[8]對煙臺市2001—2017年水環(huán)境質(zhì)量與經(jīng)濟發(fā)展的數(shù)據(jù)進行分析發(fā)現(xiàn)：煙臺市工業(yè)污水排放量對數(shù)值與人均GDP對數(shù)值呈倒“N”形曲線關(guān)系，生活污水排放量與人均GDP之間大致呈經(jīng)典EKC曲線關(guān)系。周正柱等[9]系統(tǒng)地梳理了經(jīng)濟發(fā)展對生態(tài)環(huán)境質(zhì)量影響的EKC假說檢驗文獻，發(fā)現(xiàn)各種污染物指標與人均GDP之間分別呈現(xiàn)出倒“U”形、“U”形、倒“N”形曲線關(guān)系。

在城市水環(huán)境污染研究方面，國內(nèi)外學者關(guān)注城鎮(zhèn)化進程對水環(huán)境的影響[10-14]。如王富強團隊將城市污水排放作為水環(huán)境承載力的重要指標[13-14]。在城市水環(huán)境的污染驅(qū)動因素分析方面，國內(nèi)外學者嘗試利用不同模型分析影響因素及影響程度。如馬小雪等[15]對溫瑞塘河2008年9月—2009年10月的水質(zhì)數(shù)據(jù)進行分析，結(jié)果表明，工業(yè)廢水和生活污水的排放是造成溫瑞塘河水環(huán)境惡化的主要原因。陳昆侖等[16]利用迪氏分解模型(Logarithmic Mean Divisia Index，LMDI)研究長江經(jīng)濟帶2002—2013年工業(yè)廢水排放的主要驅(qū)動因素，研究發(fā)現(xiàn)，經(jīng)濟發(fā)展是工業(yè)廢水排放增多的主導因素，技術(shù)進步是工業(yè)廢水排放降低的主導因素，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的影響取決于產(chǎn)業(yè)發(fā)展政策的調(diào)整，人口規(guī)模效應(yīng)影響較小。曾霞[17]收集了2005—2015年中國30個省份的面板數(shù)據(jù)，利用廣義矩估計模型估計廢水排放量的影響因素，結(jié)果表明：城鎮(zhèn)化率對廢水排放的影響既存在優(yōu)化又存在脅迫作用，經(jīng)濟發(fā)展對廢水排放總量產(chǎn)生脅迫作用，萬元GDP廢水排放量和環(huán)境治理投資對廢水排放總量具有優(yōu)化作用。楊姣等[18]以COD排放量作為我國水環(huán)境污染指標，基于STIRPAT(Stochastic Impacts by Regression on Population,Affluence,and Technology)模型，選取我國31個省(自治區(qū)、直轄市)2008—2017年的面板數(shù)據(jù)，通過最小二乘法回歸分析方法，對研究區(qū)的水環(huán)境污染情況及其影響因素進行了研究，結(jié)果表明，人口規(guī)模、人均GDP、廢污水排放強度、產(chǎn)業(yè)結(jié)構(gòu)等與COD排放量之間的關(guān)系均為正相關(guān)關(guān)系，城鎮(zhèn)化水平和用水結(jié)構(gòu)與COD排放量之間為負相關(guān)關(guān)系。張帆等[19]基于長江經(jīng)濟帶110個地級市及直轄市2003—2017年的面板數(shù)據(jù)，采用空間杜賓模型對 STIRPAT 模型進行拓展，探討了經(jīng)濟集聚對工業(yè)廢水排放的影響效應(yīng)，研究發(fā)現(xiàn)，經(jīng)濟集聚、工業(yè)廢水排放總量和排放強度均存在顯著的正向空間自相關(guān)性。

綜上所述，目前學者們在城市及區(qū)域資源環(huán)境、廢水排放與經(jīng)濟發(fā)展的關(guān)系及驅(qū)動因素分析等方面做了大量探討，但尚未將廢水排放總量、工業(yè)廢水排放量與經(jīng)濟發(fā)展的關(guān)系及驅(qū)動因素進行關(guān)聯(lián)分析。同時，由于不同城市間的經(jīng)濟狀況與產(chǎn)業(yè)結(jié)構(gòu)等存在較大差異，不同城市間的廢水排放與經(jīng)濟發(fā)展的關(guān)系及驅(qū)動效應(yīng)也會存在較大差異，需要具體計算分析。鑒于此，本文將城市廢水排放總量、工業(yè)廢水排放量與經(jīng)濟發(fā)展的關(guān)系及驅(qū)動因素進行關(guān)聯(lián)分析，并以武漢市為例， 解析城市進程、產(chǎn)業(yè)結(jié)構(gòu)以及技術(shù)進步對城市廢水排放的驅(qū)動效應(yīng)。

1 理論與方法

1.1 EKC理論

EKC理論[1]用于描述社會經(jīng)濟發(fā)展與環(huán)境污染的關(guān)系，認為環(huán)境和經(jīng)濟發(fā)展呈現(xiàn)為倒“U”形曲線關(guān)系，即：在經(jīng)濟發(fā)展的低級階段，環(huán)境污染隨收入的增加而增加；在經(jīng)濟發(fā)展的高級階段，環(huán)境污染隨收入的增加而減少。國內(nèi)外學者通常根據(jù)經(jīng)濟發(fā)展與環(huán)境污染之間是否存在EKC來判斷經(jīng)濟發(fā)展與環(huán)境狀況的關(guān)系是否協(xié)調(diào)。然而，由于不同地區(qū)社會經(jīng)濟發(fā)展與環(huán)境狀況影響因素日益復雜及多樣，經(jīng)濟發(fā)展與環(huán)境污染的關(guān)系曲線可能呈現(xiàn)“U”形、“N”形、倒“N”形等多種形態(tài)，表現(xiàn)得更加多樣化，需要針對不同城市不同時段具體分析研究。

1.2 STIRPAT模型及拓展

STIRPAT模型是由YORK R等[20]對IPAT(Environmental Impact,Population,Affluence,and Technology)模型進行拓展而來，其核心思想與IPAT模型的一致，即環(huán)境壓力由社會的人口數(shù)量、富裕程度和技術(shù)發(fā)展共同決定。STIRPAT模型表達如下：

I=aPbAcTde。

(1)

式中：I為環(huán)境壓力；P為人口數(shù)量；A為富裕程度；T為技術(shù)發(fā)展；a、b、c、d分別為影響系數(shù)與各變量的指數(shù)；e為隨機誤差。為減少異方差影響，對式(1)兩邊取對數(shù)，得到線性模型表達如下：

lnI=β0+β1lnP+β2lnA+β3lnT+e。

(2)

式中β0、β1、β2、β3均為系數(shù)。

本文采用廢水排放總量來表示武漢市環(huán)境壓力?？紤]到城市廢水排放總量除了受人口數(shù)量、富裕程度、技術(shù)發(fā)展等因素影響，還受產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化進程等因素的影響，因此，對式(2)進行拓展，在模型中加入表征產(chǎn)業(yè)結(jié)構(gòu)指標的第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比，表征城鎮(zhèn)化進程的人口城鎮(zhèn)化率，表征技術(shù)進步的萬元GDP工業(yè)廢水排放量、生活污水集中處理率，拓展后的模型為：

lnI=lna+b1lnP1+b2lnP2+c1lnA1+c2lnA2+

c3lnA3+d1lnT1+d2lnT2+lne。

(3)

式中：I為廢水排放總量；P1為人口數(shù)量；P2為人口城鎮(zhèn)化率；A1為人均GDP；A2為第二產(chǎn)業(yè)占比；A3為第三產(chǎn)業(yè)占比；T1為萬元GDP工業(yè)廢水排放量；T2為城市生活污水集中處理率；a、b1、b2、c1、c2、c3、d1、d2以及e為待求回歸系數(shù)。

1.3 嶺回歸

公式(3)中自變量一般具有相關(guān)性，即驅(qū)動因素間存在多重共線性。為了消除自變量之間多重共線性對計算的影響，采用嶺回歸方法進行方程擬合。

嶺回歸方法是HOERL A E和KENNARD R W提出的一種改進的最小二乘方法[21]，可解決自變量之間具有多重相關(guān)性的問題，同時，此方法比經(jīng)典最小二乘方法更為穩(wěn)定。嶺回歸方法中使用的損失函數(shù)為：

(4)

w=(XTX+λE)-1XTy。

(5)

式中:n為數(shù)據(jù)序列數(shù)量；p為指標個數(shù)；λ則為超參數(shù)，λ>0，需要在擬合整個線性模型時根據(jù)擬合效果自行調(diào)整；X為數(shù)據(jù)集中的特征值矩陣；y為X對應(yīng)的目標值向量；E為單位矩陣。

1.4 留一交叉驗證法

本文應(yīng)用留一交叉驗證法(Leave-one-out Cross-Validation)[22]對線性回歸函數(shù)進行建模。

留一交叉驗證法是將樣本數(shù)據(jù)集劃分為k個互斥子集，選擇其中1個子集作為測試集，余下的k-1個子集作為訓練集，然后再選擇下一個子集作為測試集，剩下的k-1個子集作為訓練集，以此類推，可獲得k組測試/訓練集，進而進行k次訓練和測試，最終返回k個測試結(jié)果的均值。留一交叉驗證法是交叉驗證法的一種特殊形式，這種方法得出的結(jié)果與訓練整個測試集的期望值最為接近。

2 實例分析

2.1 研究區(qū)概況

本文以武漢市為例進行分析。武漢市作為長江經(jīng)濟帶的核心城市，在過去近20年中其社會經(jīng)濟得到了快速的發(fā)展，根據(jù)《武漢市統(tǒng)計年鑒》，2003—2019年武漢市國民經(jīng)濟生產(chǎn)總值由1 662.18億元躍升至16 223.21億元，常住人口由776.1萬人增長至1 121.2萬人，2019年末城鎮(zhèn)化率已達80.49%。

武漢市江河縱橫，湖庫密布，列入湖泊保護名錄的湖泊有166個。全市現(xiàn)有水域面積2 117.6 km2，約占國土面積的24.9%。2019年全市湖泊水質(zhì)監(jiān)測結(jié)果表明：水質(zhì)達Ⅱ類的湖泊有1個，占0.61%；水質(zhì)達Ⅲ類的有10個，占6.14%；水質(zhì)達Ⅳ類的有65個，占39.88%；水質(zhì)為Ⅴ類的有57個，占34.97%；水質(zhì)為劣Ⅴ類的有30個，占18.40%。由此可見，武漢市水環(huán)境現(xiàn)狀不容樂觀。

本文所采用的數(shù)據(jù)來源于2003—2021年的《武漢市統(tǒng)計年鑒》。

2.2 經(jīng)濟發(fā)展與廢水排放關(guān)系分析

2003年武漢市廢水排放總量為72 026.27萬t，其中工業(yè)廢水排放量為34 577.27萬t，廢水排放總量為工業(yè)廢水排放量的2.08倍；2019年武漢市廢水排放總量為104 334.09萬t，其中工業(yè)廢水排放量為15 437.10萬t，廢水排放總量為工業(yè)廢水排放量的6.76倍。根據(jù)武漢市2003—2019年的統(tǒng)計數(shù)據(jù)，繪制廢水排放總量、工業(yè)廢水排放量的時序序列圖，如圖1所示。由圖1可見：武漢市2003—2019年工業(yè)廢水排放量總體呈減少趨勢，但廢水排放總量居高不下且有明顯增加趨勢。由此可初步判斷：武漢市的工業(yè)廢水排放得到了有效控制，但其他廢水排放問題比較嚴重。

為了檢驗武漢市經(jīng)濟發(fā)展與工業(yè)廢水排放量和廢水排放總量的協(xié)調(diào)關(guān)系，分別繪制武漢市2003—2019年工業(yè)廢水排放量、廢水排放總量與人均GDP的關(guān)系曲線，如圖2所示。由圖2(a)可以看出：武漢市工業(yè)廢水排放量與人均GDP的關(guān)系曲線總體呈下降趨勢，表明工業(yè)廢水排放與經(jīng)濟發(fā)展之間的關(guān)系曲線位于EKC右側(cè)，處于協(xié)調(diào)發(fā)展階段。由圖2(b)可看出：武漢市廢水排放總量與人均GDP的關(guān)系曲線大致呈線性增長趨勢，位于EKC左側(cè)，處于非協(xié)調(diào)發(fā)展階段。結(jié)合由圖1得出的初步判斷，可以進一步推斷：武漢市廢水排放總量隨著人均GDP的增長而增長是由工業(yè)廢水排放以外的因素造成的。結(jié)合武漢市發(fā)展現(xiàn)狀可知，近年來武漢市人口城鎮(zhèn)化率大幅提升，導致城市生活污水排放量增大；同時第三產(chǎn)業(yè)的快速發(fā)展也導致第三產(chǎn)業(yè)廢水排放增加。因此，生活污水和第三產(chǎn)業(yè)廢水已成為武漢市的主要污染源，對未來武漢市的水環(huán)境和水生態(tài)安全構(gòu)成潛在威脅。

圖1 武漢市2003—2019年廢水排放量

圖2 武漢市2003—2019年廢水排放量與人均GDP的擬合曲線

2.3 廢水排放影響因素及驅(qū)動效應(yīng)分析

根據(jù)武漢市2003—2019年的廢水排放總量、常住人口數(shù)量、人口城鎮(zhèn)化率、人均GDP、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比、萬元GDP工業(yè)廢水排放量、城市生活污水集中處理率等數(shù)據(jù)，運用公式(3)、(4)、(5)，可得STIRPAT拓展模型為：

lnI=-0.02lnP1+0.24lnP2+0.47lnA1-0.38lnA2+
0.23lnA3+0.17lnT1-0.14lnT2+1.25。

(6)

常住人口數(shù)量、人口城鎮(zhèn)化率、人均GDP、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比、萬元GDP工業(yè)廢水排放量、城市生活污水集中處理率等7個自變量的回歸系數(shù)反映的是這些變量與廢水排放總量之間的彈性關(guān)系，即自變量變化1%帶來的因變量的變化程度，系數(shù)正負表示相應(yīng)自變量對廢水排放變化的增量效應(yīng)或減量效應(yīng)。嶺回歸分析結(jié)果顯示，武漢市廢水排放的減量效應(yīng)按照影響程度大小依次為第二產(chǎn)業(yè)占比、城市生活污水集中處理率、人口數(shù)量，以上變量每單獨增加1%，廢水排放量將分別減少0.38%、0.14%、0.02%，其中第二產(chǎn)業(yè)占比減量效應(yīng)最大，這與前文得出武漢市工業(yè)廢水排放與經(jīng)濟發(fā)展處于協(xié)調(diào)階段的結(jié)論是一致的。武漢市廢水排放的增量效應(yīng)按照影響程度大小依次為人均GDP、人口城鎮(zhèn)化率、第三產(chǎn)業(yè)占比、萬元GDP工業(yè)廢水排放量，以上變量每單獨增加1%，廢水排放量將分別增加0.47%、0.24%、0.23%、0.17%。這與前文得出武漢市廢水排放總量與經(jīng)濟發(fā)展處于非協(xié)調(diào)發(fā)展階段(廢水排放總量隨人均GDP的提高而增加)，主要是由經(jīng)濟發(fā)展、人口城鎮(zhèn)化率提高導致城市生活污水排放量增大，以及第三產(chǎn)業(yè)的快速發(fā)展導致第三產(chǎn)業(yè)廢水排放增加等結(jié)論是高度一致的。

3 結(jié)論與討論

本文利用EKC理論分析了城市工業(yè)廢水、廢水排放總量與經(jīng)濟發(fā)展的協(xié)調(diào)關(guān)系；拓展了STIRPAT模型，利用留一交叉驗證法求解嶺回歸方程，解析了城市進程、產(chǎn)業(yè)結(jié)構(gòu)以及技術(shù)進步對城市廢水排放的驅(qū)動效應(yīng)，并以武漢市為例進行了實例分析。主要結(jié)論如下：

1)武漢市工業(yè)廢水排放量與人均GDP的關(guān)系曲線總體呈下降趨勢，表明第二產(chǎn)業(yè)與經(jīng)濟發(fā)展總體處于協(xié)調(diào)發(fā)展階段；廢水排放總量隨人均GDP的增長而增長，主要是由于經(jīng)濟發(fā)展、人口城鎮(zhèn)化率提高導致城市生活污水排放量增大，以及第三產(chǎn)業(yè)的快速發(fā)展導致第三產(chǎn)業(yè)廢水排放增加所導致。這一結(jié)論與劉藝等[7]對山東省2003—2017年污染物排放與經(jīng)濟發(fā)展關(guān)系的研究結(jié)果相似。

2)武漢市廢水排放的減量效應(yīng)按照影響程度大小依次為第二產(chǎn)業(yè)占比、城市生活污水集中處理率、人口數(shù)量，以上變量每單獨增加1%，廢水排放量將分別減少0.38%、0.14%、0.02%；武漢市廢水排放的增量效應(yīng)按照影響程度大小依次為人均GDP、人口城鎮(zhèn)化率、第三產(chǎn)業(yè)占比、萬元GDP工業(yè)廢水排放量，以上變量每單獨增加1%，廢水排放量將分別增加0.47%、0.24%、0.23%、0.17%。與文獻[17-19]的研究結(jié)果一致的是：廢水排放最主要的驅(qū)動因素為經(jīng)濟發(fā)展(人均GDP)；但由于不同區(qū)域或城市的差異性以及不同研究文獻關(guān)注指標的差異，驅(qū)動效應(yīng)的分析結(jié)果也存在差異。

3)本文僅研究廢水排放的影響因素及驅(qū)動效應(yīng)，以后將進一步研究COD、氨氮等水污染物排放對城市水環(huán)境的影響及驅(qū)動效應(yīng)，以便為城市水環(huán)境治理提供更加全面系統(tǒng)的理論依據(jù)。