地理科学 2017 , 37 (11): 1668-1677 https://doi.org/10.13249/j.cnki.sgs.2017.11.008

Orginal Article

长江经济带工业废水排放的时空格局演化及驱动因素

陈昆仑¹^,²^,, 郭宇琪¹, 刘小琼¹, 张祚³

1.湖北大学资源环境学院, 湖北武汉 430062
2.区域开发与环境响应湖北省重点实验室,湖北武汉430062
3. 华中师范大学公共管理学院, 湖北武汉 430079

Spatial-temporal Pattern and Driving Factors of Industrial Wastewater Discharge in the Yangtze River Economic Zone

Chen Kunlun¹^,²^,, Guo Yuqi¹, Liu Xiaoqiong¹, Zhang Zuo³

1. Faculty of Resources and Environmental Science, Hubei University, Wuhan 430062, Hubei, China
2. Regional Development and Environmental Response Key Laboratory of Hubei Province, Wuhan 430062, Hubei, China
3. Collage of Public Administration, Central China Normal University, Wuhan 430079, Hubei, China

中图分类号: F419.9

文献标识码: A

文章编号: 1000-0690(2017)11-1668-10

收稿日期: 2016-11-14

修回日期: 2017-03-10

网络出版日期: 2017-11-20

基金资助: 国家自然科学基金项目（41401181,41641007,71774066）、区域开发与环境响应湖北省重点实验室开放基金[2017(C)002]资助

作者简介:

作者简介：陈昆仑(1982-),男,湖北荆门人,博士,副教授,主要研究方向为城市地理与城市规划、城市环境与城市发展。E-mail:ckl_2001@163.com

展开

摘要

利用探索性空间分析方法（ESDA）和迪氏分解模型（LMDI）研究长江经济带2002~2013年工业废水排放的时空格局演化和主要驱动因素。① 时空格局演化方面,时间上工业废水排放先上升后下降,在2005年达到峰值。空间上,排放量自上游向下游增加;高排放城市减少,中排放城市增多;工业废水排放自下游向中上游转移,并由大城市向中小城市扩散;呈现明显的空间集聚状态。② 驱动因素方面,经济发展效应和技术进步效应分别是工业废水排放增多和降低的主导因素;产业结构效应的影响取决于产业发展政策的调整;人口规模效应影响较小。

关键词： 长江经济带 ; 工业废水 ; 时空格局 ; LMDI

Abstract

Using the Exploratory Spatial Data Analysis (ESDA) method and the Logarithmic Mean Divisia Index method (LMDI), this article analyzes the evolution of spatial-temporal pattern of industrial wastewater in the Yangtze River Economic Zone from 2002 to 2013 and the main driving factors affecting industrial wastewater discharge. The study indicates that: 1) In terms of the evolution of temporal pattern, the discharge of industrial wastewater in the Yangtze River Economic Zone increased continuously from 2002 to 2005, reaching the peak in 2005, and then showed a downward trend. As for the evolution of spatial pattern, the discharge of industrial wastewater in the Yangtze River Economic Zone gradually expanded from the upper reaches of Yangtze River to its lower reaches from 2002 to 2013. Regarding the discharge pattern, the high-discharge cities decreased while the medium-discharge cities increased. As for the changing trend, the industrial wastewater discharge tended to transfer from the lower branches of the Yangtze River to the middle and upper reaches, and spread from large cities to small and medium-sized cities. During the study period, the discharge of industrial wastewater in the Yangtze River Economic Zone showed a significant spatial agglomeration. 2) In terms of the driving factors, the economic development effect and the technological development effect are the main factors which lead to the increase and decrease of industrial wastewater discharge respectively. The effect of industrial structure is significant to the industrial wastewater discharge and it leads to the increase or decrease of the industrial wastewater discharge depending on the adjustment of the policy regarding the development of industries. Population effect exerts a little impact on the industrial wastewater discharge. Although the discharge of industrial wastewater in the Yangtze River Economic Zone is gradually decreasing as a whole, the pollution problem is still serious and unbalanced. Therefore, under the background of The Belt and Road Initiative strategy, ideas of developing the Yangtze River Economic Zone should be changed and the comprehensive environmental management of the Yangtze River Basin and ecosystem restoration should be enhanced.

Keywords： the Yangtze River Economic Zone ; industrial wastewater ; spatial-temporal pattern ; LMDI

PDF (1603KB) 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

陈昆仑, 郭宇琪, 刘小琼, 张祚. 长江经济带工业废水排放的时空格局演化及驱动因素[J]. 地理科学, 2017, 37(11): 1668-1677 https://doi.org/10.13249/j.cnki.sgs.2017.11.008

Chen Kunlun, Guo Yuqi, Liu Xiaoqiong, Zhang Zuo. Spatial-temporal Pattern and Driving Factors of Industrial Wastewater Discharge in the Yangtze River Economic Zone[J]. Scientia Geographica Sinica, 2017, 37(11): 1668-1677 https://doi.org/10.13249/j.cnki.sgs.2017.11.008

改革开放以来,快速工业化和城市化推动了中国的经济高速增长和社会持续繁荣,也造成了对资源和环境的大量消耗,与此同时,全球变化背景下的资源环境问题成为世界各国共同面临的问题,如何正确处理经济发展与生态环境之间的关系,也已成为学界和国际政治关注的焦点^[1]。目前中国的环境问题,尤其是水环境问题十分严峻^[2]。据环保部门数据显示,2001~2013年间中国十大水系和七大重点流域的干流水质总体上虽有所好转,但部分断面却在持续恶化,部分支流污染问题严重,北方地区尤为突出^[3]。水环境质量问题的主要根源是社会经济发展过程中的污染物排放,目前水环境污染物排放的主要来源为工业废水和生活废水^[4]。其中工业废水因具有排放量大且集中的特征,在水资源严重匮乏和水污染日益加剧的现实之下,已成为节能减排和水环境治理的重点管控对象。

工业废水排放量是指经过企业厂区所有排放口排到企业外部的工业废水量,包括生产废水、外排的直接冷却水、超标排放的矿井地下水和与工业废水混排的厂区生活污水^[5]。当前,地理学角度的工业废水国内外研究主要集中于工业废水排放的时空特征和影响因素。研究尺度方面,相关研究多关注全国或省级尺度,缺乏对经济区的研究。时空特征上,以工业废水及其污染物排放的时空规律分析为主,研究认为中国辽河流域、东北三省以及全国范围均存在着排放量先升后降的变化趋势,同时排放量和污染成分存在着明显的区域差异^[6~8],但已有研究对空间格局的探讨多为简单的数据陈列和描述,缺乏深入的空间分析。工业废水排放影响因素的研究方面,常用的研究方法有投入产出模型、环境库兹列茨曲线（EKC）以及迪氏因素分解法（LMDI）等。投入产出模型通常通过工业废水排放直接消耗系数的比较来确定其影响因素^[9~11];环境库兹列茨曲线则着重研究经济增长与工业废水排放间的关系,目前中国的工业废水排放一般情况下随经济增长呈现倒“U”型曲线^[12~14];LMDI在将影响因素分解为技术效应、规模效应、结构效应等不同方面的基础上,计算它们对工业废水排放的贡献程度及结构关系^[15~17]。

改革开放以来,中国经济一直采取非均衡发展战略,从经济特区建设到沿海沿边开发战略,再到西部大开发和中部崛起战略,属于横向分层的梯级空间开发模式。这一系列发展战略极大推动经济发展和社会进步的同时,也在一定程度上影响了政策和资源的配置协调和公平问题,使得地区发展不平衡,区域间联系不紧密。长江流域无论从空间区位还是资源环境来看,都属于中国社会经济持续发展和区域均衡增长的重要承启和支撑地带,是实现发达地区与欠发达地区、重点开发地区与生态环境保育地区有序联结的关键区域^[18]。2014年“长江经济带战略”正式上升为国家战略,与“丝绸之路经济带战略”共同组成协调内部均衡与重构全球格局的宏图伟略,一定程度上也标志着横向分层的梯级空间开发模式向纵深融合的区域综合开发模式转变,不仅追求区域协同发展,更强调资源环境的承载与支撑。当前,长江经济带的发展战略由“大开发”转变为“大保护”,长江水资源保护和水污染治理将是未来长江经济带建设发展的重点之一。

因此,本研究选择长江经济带的工业废水排放为研究对象,结合探索性空间分析方法（ESDA）和迪氏分解模型（LMDI）,从空间分析和因素分解两方面,分析2002~2013年长江经济带工业废水排放的时空格局演化及驱动因素。以期较为全面深入地理解长江经济带工业废水排放的时空特征,对未来工业废水的减排工作背景形成基本认识。从而为确定减排控制总量和制定差异化的区域减排策略提供参考,以更好地促进长江经济带经济和生态环境协调发展以及中国经济转型升级新支撑带目标的实现。

1 研究说明

1.1 研究区

长江经济带跨越中国东中西部,是以长江为纽带的经济地理范围,包括上海、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11省市,面积约205万 km²,人口及经济总量均超过全国总量的40%^[19]。长江拥有独特的生态系统,是中国重要的生态宝库,长江作为水源地,沿线化工产量约占全国的46%,并担负着重要的化工物流任务,生产和运输的危化品种类超过250种,长江水质受工业污染严重^[20]。目前,长江经济带的发展思路已发生明显变化,从强调“黄金水道”“立体交通走廊”建设,到追求“绿色发展”,要求在未来相当长的一段时间内把修复长江生态环境摆在压倒性位置。因此,协调经济发展与生态环境之间的关系,成为长江经济带发展过程中所必须关注的问题。

1.2 数据来源

本研究所需长江经济带各城市工业废水排放量数据来自2003~2014年《中国环境统计年鉴》^[21],考虑到各种因素对工业废水排放的影响,将工业增加值、各城市地区生产总值、人均GDP及年末总人口作为参考指标,数据来源于2003~2014年《中国统计年鉴》^[22]和《中国城市统计年鉴》^[23]。基于数据的可获取性考虑,本研究共涉及长江经济带116个地级统计单元。

1.3 研究方法

1）探索性空间分析（ESDA）方法。本文运用探索性空间分析方法^[24]来描述工业废水排放在空间上的集聚水平。

（1）全局空间自相关。计算Moran’s $\begin{matrix} I \end{matrix}$ 指数反映变量的空间集聚和关联程度^[25],公式为：

$\begin{matrix} I = \frac{n \sum_{i} \sum_{i} W_{ij} (x_{i} - \overset{̅}{x}) (x_{j} - \overset{̅}{x})}{(\sum_{i} \sum_{i} W_{ij}) \sum_{i} (x_{i} {- \overset{̅}{x})}^{2}} \end{matrix}$ （1）

式中, $\begin{matrix} I \end{matrix}$ 为全局Moran’s $\begin{matrix} I \end{matrix}$ 指数; $\begin{matrix} n \end{matrix}$ 为研究区内城市总数; $\begin{matrix} x_{i} \end{matrix}$ 和 $\begin{matrix} x_{j} \end{matrix}$ 为城市 $\begin{matrix} i \end{matrix}$ 和 $\begin{matrix} j \end{matrix}$ 的工业废水排放量; $\begin{matrix} \overset{̅}{x} \end{matrix}$ 是某一年份不同城市工业废水排放量的平均值。 $\begin{matrix} W_{ij} \end{matrix}$ 为空间权重矩阵,通过基于邻接关系的最近邻分类算法获得。 $\begin{matrix} I \end{matrix}$ 的取值在[-1,1]范围内,若 $\begin{matrix} I \end{matrix}$ <0,表明城市工业废水排放呈空间负相关,即研究对象存在较大的空间异质性;若 $\begin{matrix} I \end{matrix}$ >0,则表明城市工业废水排放呈空间正相关,不同城市的工业废水排放之间存在一定的空间关联影响,且越趋近于1,空间相关性越显著;若 $\begin{matrix} I \end{matrix}$ =0,则说明城市工业废水排放呈随机分布态势^[26,27]。

（2）局部空间自相关。全局空间自相关反映了工业废水排放在整个长江经济带的空间差异,但并未表现出城市局部空间分布状况的变化,需要利用Moran散点图描述变量与其滞后向量的相关关系,反映空间单元观察值之间的关联和差异程度,其结果由4个象限表示某城市工业废水排放与其邻域城市工业废水排放的4种关系,即高高（HH）型、高低（HL）型、低高（LH）型、低低（LL）型^[28]。

2） LMDI分解模型构建。20世纪80年代,经济学家提出分解法（IDA）,将研究对象分解成若干个子项,分析各子项对研究对象的影响程度。Ang等人^[29,30]在分解法基础,提出一种因素分解模型,即LMDI（迪氏分解法）分解法,目前在国际上广泛应用于环境和能源经济^[31,32]领域。

本研究运用LMDI分解模型对影响工业废水排放因素进行分解,研究技术改善效应、产业结构效应、经济发展效应以及人口规模效应对工业废水排放的贡献程度。根据Kaya恒等式进行分解：

$\begin{matrix} W^{t} = \overset{n}{\sum_{i}} W_{i}^{t} = \overset{n}{\sum_{i}} \frac{W_{i}}{V_{i}} \cdot \frac{V_{i}}{G_{i}} \cdot \frac{G_{i}}{P_{i}} \cdot P_{i} \\ = \overset{n}{\sum_{i}} W_{tec, i} \cdot W_{str, i} \cdot W_{eco . i} \cdot W_{pop, i} \end{matrix}$ （2）

式中, $\begin{matrix} W^{t} \end{matrix}$ 代表第 $\begin{matrix} t \end{matrix}$ 年工业废水排放总量; $\begin{matrix} W_{i}^{t} \end{matrix}$ 代表 $\begin{matrix} i \end{matrix}$ 城市第 $\begin{matrix} t \end{matrix}$ 年的工业废水排放总量; $\begin{matrix} W_{i} \end{matrix}$ 代表 $\begin{matrix} i \end{matrix}$ 城市的工业废水排放量; $\begin{matrix} V_{i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市的工业增加值; $\begin{matrix} G_{i} \end{matrix}$ 代表 $\begin{matrix} i \end{matrix}$ 城市的地区生产总值（GDP）; $\begin{matrix} P_{i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市的总人口; $\begin{matrix} n \end{matrix}$ 表示所研究的城市总数; $\begin{matrix} W_{tec, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市的技术改善效应,用工业废水排放量与工业增加值的比值,即单位工业消耗的废水排放量表示。这一指标越低,说明资源的利用效率越高; $\begin{matrix} W_{str, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市产业结构效应,用工业增加值占地区生产总值比重表示,这一指标用于反映地区经济发展对工业的依赖程度,体现工业结构变化对工业废水排放量的影响。工业在经济结构中所占比重越大,对工业废水排放的影响越显著; $\begin{matrix} W_{eco, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市的经济发展效应,用人均社会生产总值表示,即地区生产总值与人口的比值,表现出经济发展水平对废水排放产生的影响; $\begin{matrix} W_{pop, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市的人口规模效应,用城市总人口数表示。

基于 LMDI-I 型的总量贡献分解公式,获得各因素对废水排放强度的贡献度公式如下：

$\begin{matrix} Δ W_{tec, i} = \frac{W_{i}^{t} - W_{i}^{0}}{\ln W_{i}^{t} - \ln W_{i}^{0}} \cdot \ln (\frac{W_{tec, i}^{t}}{W_{tec, i}^{0}}) \end{matrix}$ （3）

$\begin{matrix} Δ W_{str, i} = \frac{W_{i}^{t} - W_{i}^{0}}{\ln W_{i}^{t} - \ln W_{i}^{0}} \cdot \ln (\frac{W_{str, i}^{t}}{W_{str, i}^{0}}) \end{matrix}$ （4）

$\begin{matrix} Δ W_{eco, i} = \frac{W_{i}^{t} - W_{i}^{0}}{\ln W_{i}^{t} - \ln W_{i}^{0}} \cdot \ln (\frac{W_{eco, i}^{t}}{W_{eco, i}^{0}}) \end{matrix}$ （5）

$\begin{matrix} Δ W_{pop, i} = \frac{W_{i}^{t} - W_{i}^{0}}{\ln W_{i}^{t} - \ln W_{i}^{0}} \cdot \ln (\frac{W_{pop, i}^{t}}{W_{pop, i}^{0}}) \end{matrix}$ （6）

式中, $\begin{matrix} W_{i}^{0} \end{matrix}$ 为基期年i城市的工业废水排放量; $\begin{matrix} Δ W_{tec, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市技术改善效应对工业废水排放的贡献程度; $\begin{matrix} Δ W_{str, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市产业结构效应对工业废水排放的贡献程度; $\begin{matrix} Δ W_{eco, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市经济发展效应对工业废水排放的贡献程度; $\begin{matrix} Δ W_{pop, i} \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 城市人口规模效应对工业废水排放的贡献程度。其中,正值表示该项指标的增加对工业废水排放有增加作用,负值则代表该指标减少可抑制工业废水排放。

2 长江经济带工业废水排放的时空格局演化

2.1 时间演化

由长江经济带工业废水排放和人均GDP变化图（图1）,可以看出,2002~2013年长江经济带人均GDP一直平稳增长,工业废水排放则呈现出先上升后下降的趋势,其中2005年为峰值,工业废水排放曲线与环境库兹列茨曲线相似,呈现出倒“U”型。

显示原图| 下载原图ZIP| 生成PPT

图1 2002~2013年长江经济带工业废水排放量和人均GDP变化

Fig.1 Industrial wastewater discharge and per capita GDP in the Yangtze River Economic Zone from 2002 to 2013

长江经济带2002~2013年工业废水排放变化可分为3个阶段：2002~2005年,长江经济带工业废水排放整体增长,尤其2004~2005年增长率最大,为4.9%;2005~2009年,工业废水排放开始减少,平均下降率为2.0%;2009~2013年减少速度逐渐加快,平均下降率为2.6%。20世纪初,国家在上一轮世界经济危机的冲击后采取积极的财政政策,在此基础上,长江经济带高速发展,GDP年增长率一度高于全国平均水平,但这种发展对资金和资源的消耗量较大,是一种以牺牲部分生态环境为代价的粗放型增长,且由于长江流域丰富的水资源和环境容量,多发展重化工业,在推动社会经济加速发展的同时,工业废水排放也随之增长^[33]。而自2006年始,“十一五”规划的出台要求建设资源节约型、环境友好型社会,在资源开采、生产消耗、废物产生、消费等环节,逐步建立全社会的资源循环利用体系,要求工业废水经处理后排放或循环利用,并于同年颁布《取水许可和水资源费征收管理条例》加强对水资源的管理和保护,并监督退水地点和退水中所含的主要污染物及污水处理设施。2012年,《国务院关于实行最严格水资源管理制度的意见》（国发〔2012〕3号）进一步促进了长江经济带各城市对水资源利用效率的重视,因此2005年后工业废水排放整体呈下降趋势。

2.2 空间分布变化

为进一步探讨各地区工业废水排放的空间变化关系,利用ArcGIS10.2将2002~2013年长江经济带116个城市的工业废水排放量按照自然断裂点划分为从高到低的5个等级（低排放0~0.6亿t、中低排放0.6~1.5亿t、中排放1.5~3亿t、中高排放3~5亿t、高排放5~9亿t）。基于节能减排目标提出的时间和中国社会经济发展规划时间划分的考虑,选择2002、2005、2009和2013年4个分析断面绘制工业废水排放的总体空间分布图（图2）。

显示原图| 下载原图ZIP| 生成PPT

图2 长江经济带工业废水排放量的空间分布差异

Fig.2 Spatial distribution difference of industrial wastewater discharge in the Yangtze River Economic Zone

总体来看,长江经济带工业废水排放在空间上呈现自上游向下游逐渐增加的趋势,下游的长三角区域是明显的高排放中心,上游的云贵地区则表现为明显的低排放状态,中游区域介于二者之间,呈现出分化格局。在时间上,长江经济带工业废水排放呈现先增加后减少的趋势,其中2005年是分界点。从排放格局来看,高排放城市持续减少,而中排放城市增多。2002~2005年,高排放量城市基本不变,中排放量城市开始增多,故工业废水排放量明显增加。到2009年,成都、武汉、上海、无锡等城市的工业废水高排放转变为中高或中排放。至2013年,一直处于高排放的重庆和杭州降为中高排放,吉安、乐山、宜宾、泸州等城市也由中低排放转变为低排放,长江经济带工业废水排放整体上逐渐减少。从变化趋势上看,工业废水排放呈现出自下游向中上游转移和从大城市向中小城市扩散的趋势。由图2可以看出,2002~2013年中上游城市工业废水排放增多,而下游地区工业废水排放日益减少,长江经济带工业废水排放呈现出自下游逐步向中上游转移的趋势;重庆、武汉、上海等大城市工业废水排放减少,与此同时,其周边中小城市的工业废水排放逐渐增多,工业废水排放从大城市向中小城市扩散。

2.3 空间关系变化

通过2002~2013年长江经济带工业废水排放全局Moran’s $\begin{matrix} I \end{matrix}$ 指数的计算,测度其全局空间关系（表1）,其中 $\begin{matrix} E (I) \end{matrix}$ 为数学期望值, $\begin{matrix} Sd . \end{matrix}$ 为标准差, $\begin{matrix} P (I) \end{matrix}$ 为显著性水平。

表1 长江经济带工业废水排放的全局Moran’s I指数

Table 1 The Global Moran’s I test of industrial wastewater discharge in the Yangtze River Economic Zone

年份	Moran’s I	E(I)	Sd.	P(I)
2002	0.137	-0.008696	0.003271	0.010614
2003	0.138	-0.008696	0.003257	0.009964
2004	0.156	-0.008696	0.003272	0.003960
2005	0.167	-0.008696	0.003218	0.001944
2006	0.205	-0.008696	0.003217	0.000168
2007	0.251	-0.008696	0.003267	0.000006
2008	0.233	-0.008696	0.003260	0.000023
2009	0.250	-0.008696	0.003224	0.000005
2010	0.309	-0.008696	0.003170	0.000000
2011	0.384	-0.008696	0.003197	0.000000
2012	0.368	-0.008696	0.003164	0.000000
2013	0.356	-0.008696	0.003218	0.000000

新窗口打开

从Moran’s $\begin{matrix} I \end{matrix}$ 指数的整体变化上看,指数始终在[0.137,0.384]间变化,并通过5%水平的显著性检验,呈现出正相关并趋于集聚,表明在研究期内,长江经济带工业废水排放量呈现显著的空间集聚状态。2002~2013年,Moran’s $\begin{matrix} I \end{matrix}$ 指数由2002年的0.137上升至2011年的峰值0.384,说明在此期间长江经济带工业废水排放量的空间集聚日益增强;2011~2013年Moran’s $\begin{matrix} I \end{matrix}$ 指数虽有所减少,但变化值小于0.020,空间集聚状态较稳定。

运用GeoDa软件创建空间权重矩阵,测算研究期内工业废水排放的空间集聚状况,绘制集聚类型空间分布图以及2002、2005、2009和2013年4个时间断面的Moran散点图（图3）,寻找长江经济带重点控制区域。

显示原图| 下载原图ZIP| 生成PPT

图3 长江经济带城市工业废水排放的Moran散点图

Fig.3 Moran scatter plot of urban industrial waste water discharge in the Yangtze River Economic Zone

由Moran散点图可以看出长江经济带2002~2013年工业废水排放的空间集聚分布状况：

1） HH集聚主要发生于长江下游的华东区域,包括上海、江苏、浙江等省市。华东地区是中国的经济发达区域,城市化水平高工业发达,工业废水排放较高,其中表现突出的城市包括上海、南京、苏州、杭州、无锡。

2） LH区分布较为分散,主要发生于产业类型差异较大或生态环境重点保护的区域,例如十堰、舟山、雅安等。十堰是鄂西生态文化旅游圈的核心城市,同时也是南水北调中线工程调水源头丹江口水库所在地,尤其重视水资源保护。舟山以发展海洋经济为主,雅安是历史文化名城以及新兴的旅游城市,这些城市受城市发展定位和政策的影响,产业分工与周边城市呈现出较大差异,一般为工业限制发展区域,因此工业废水排放比相邻的城市低。

3） HL区主要发生于长江中上游中心城市重庆、武汉、成都等。重庆为中国直辖市之一,武汉、成都为省会城市,经济发展水平比周边城市高,且重庆、武汉均为中国重要的工业基地,因此工业废水排放量明显高于周边城市,这也反映出中西部地区重点城市发展较快,但地区整体发展不均衡,首位度高。

4） LL集聚主要发生于上游云南、贵州两省。该区域位于中国西部,经济发展较为落后,工业水平不高,故工业废水排放低。同时张家界等自然风景区受政策保护,主要发展旅游业,其周边地区经济发展也以旅游业为依托,工业产业较少,因此发生LL集聚。Moran散点图中趋势线斜率逐渐增大,进一步说明工业废水排放的空间分布趋于极化,呈现明显的分异格局。

3 长江经济带工业废水排放的驱动因素分析

通过LMDI模型对影响工业废水排放的各因素进行分解,分别表示为技术改善效应、产业结构效应、经济发展效应和人口规模效应4个方面,绘制驱动因素变化情况图（图4）,讨论不同驱动因素对工业废水排放变化的影响。

显示原图| 下载原图ZIP| 生成PPT

图4 2002~2013年长江经济带工业废水排放驱动因素变化情况

Fig.4 Driving factors of the wastewater discharge in the Yangtze River Economic Zone from 2002 to 2013

整体来看,影响长江经济带工业废水排放的因素中：① 经济发展效应2002~2008年变化不大,2008~2009年出现小幅下降,随后迅速回升,2011年后又开始大幅下降,但始终呈现出正贡献量并且居于主导地位。② 产业结构效应在2002~2004年、2005~2007年、2009~2011年为正贡献量,其他年份则为负贡献量,说明产业结构调整对工业废水的影响较为明显。受政策影响,若着重发展第二产业则工业废水排放增加,呈现出正贡献量;若转变经济发展模式,提升第三产业及高新技术产业比重,则工业废水排放明显减少,表现为负贡献量。③ 技术改善效应则一直处于负贡献量,对工业废水排放的抑制作用显著,技术效应对工业废水排放的影响在一定程度上也缓和了由于经济发展不健康所带来的严重废水排放问题。④ 人口规模对工业废水排放的贡献在2002~2013年同样一直处于正贡献量且较为稳定,然而在整体影响结构中仅占极小的份额,对工业废水排放的影响总体来说比较小。由工业废水排放变化量可以看出,长江经济带除2002~2005年工业废水排放呈增长状态,2005年后一直呈下降趋势负增长。即“十一五”规划开展后,国家高度重视长江经济带的可持续发展问题,随着长江经济带发展战略的提出,更加关注长江生态安全,提出一系列节能减排政策,使长江经济带成为促进经济健康增长的有力推手,为中国经济持续发展提供重要支撑^[34]。

为更详细探究各城市的主要驱动力,选取长江经济带上重要城市,运用LMDI计算2002~2013年各指标对工业废水排放的贡献程度,绘制重点城市各指标贡献量分布图（图5）。

显示原图| 下载原图ZIP| 生成PPT

图5 2002~2013年长江经济带重要城市各指标贡献量分布

Fig.5 Comparison of the effect of driving factors on the industrial wastewater discharge in the important cities of the Yangtze River Economic Zone from 2002 to 2013

经济发展效应方面,长江经济带各城市工业废水排放都随着经济规模的扩大而增加,但也呈现出明显的地域差异。其中,成都、重庆、武汉、上海及浙江、江苏等省市经济增长对废水排放的贡献较大,而云南、贵州等地由于经济发展水平较低,其对工业废水排放的影响并不显著。张家界、黄山市等因以发展旅游业为主且为风景名胜区,要求保护当地生态环境,故经济发展主要以旅游业为依托,并未造成工业废水排放的增加。

产业结构效应对工业废水排放的影响存在显著的空间差异。因产业结构调整使得工业废水排放增加的城市多位于湖南、湖北、江西、安徽等省,这些地区原本工业废水排放较少,但作为产业转移接收地,大量高耗能高污染的产业迁移落户^[35],随着工业增加值占比越来越大,其对工业废水排放的影响也愈发明显,在空间上即表现为中排放量城市增多。而传统的工业基地重庆则开始通过产业结构的调整降低自身的排放量,杭州、上海、南京、无锡、苏州等东部沿海地区城市也在加速转变经济发展模式,重点发展第三产业及高新技术产业,工业占比下降,这些高排放城市的工业废水排放也随之减少。

技术改善效应一直是控制工业废水排放的重要因素。改善工业企业的生产技术水平,提高废水处理技术有利于减少工业废水排放对环境的污染,并对工业废水进行循环利用以减少其排放。从图5中可以看出,成都、重庆、武汉、杭州、上海、南京、无锡、苏州技术改善效应对工业废水排放的抑制作用显著,有些甚至超过了经济发展对废水排放的贡献量。这些城市经济发达,在2002年均为中高排放以上城市,但随着技术的改善,其工业废水排放大幅下降,说明需注重通过技术提升解决经济发展过程中产生的环境问题。

人口规模效应方面,虽然总体上对工业废水排放的贡献量多为正值,但并不显著,仅重庆、合肥、马鞍山、杭州、上海、南京、苏州等城市可看出人口增长对工业废水排放有明显增加作用。人口规模增加对工业废水排放的贡献主要体现在厂区内人口产生的生活废水与工业废水合并排放^[5],而人口规模增加的更主要贡献在于城市生活废水的排放。上述城市和地区多为工业发达地区或接受工业企业转移的重点地区,其工业发展多为产业园模式,为安置大量外来从业人员,厂区一般配有一定规模的员工宿舍。换言之,新增的人口多集中在工业园区,一定程度上带来了工业废水排放的增加。

4 结论

随着经济发展和快速城镇化、工业化的推进,中国的生态文明建设越来越注重水环境改善和水污染控制。本文以长江经济带2002~2013年工业废水排放为研究对象,从空间分析和因素分解两方面,研究工业废水排放的时空格局演化和驱动因素,得出以下结论：

1）时空演化方面,时间上长江经济带工业废水排放在2002~2005年不断上升,至2005年达到峰值,随后整体呈下降趋势,工业废水排放随经济增长呈现出倒“U”型曲线。空间总体看,长江经济带2002~2013年工业废水排放由上游向下游逐渐增加;从排放格局来看,高排放城市减少,中排放城市增多;从变化趋势看,工业废水排放表现出自下游向中上游转移的趋势,并由大城市向中小城市扩散。

2）空间关系上,研究期内长江经济带工业废水排放呈现明显的空间集聚状态,工业废水排放的“热”点（高排放集聚）区主要分布于江苏、浙江等经济发达地区,而“冷”点（低排放集聚）区主要分布于云南、贵州等经济欠发达地区。工业废水排放的空间分布趋于极化,且呈现明显的分异格局。

3）驱动因素方面,通过LMDI模型将影响长江经济带工业废水排放的因素分解为经济发展效应、产业结构效应、技术改善效应和人口规模效应。分析得出,经济发展效应是导致工业废水排放增加的主要因素。产业结构对工业废水排放的贡献量主要受政策影响,若着重发展第二产业则工业废水排放增加,反之则起到抑制作用。技术改善效应对工业废水排放抑制作用较强,且在大城市中尤为显著,因此大城市工业废水排放趋于减少。人口规模效应造成工业废水增加的来源是与工业废水混排的厂区生活废水,数量较少故影响并不明显。

目前,长江经济带工业废水排放正在逐步降低,这与国家将长江经济带发展成为促进中国经济转型升级的新支撑带,走新型工业化道路,提高工业发展质量和效益的战略决策有着直接关系。同时国家“五年规划”要求建设两型社会,对企业取水排水管控的加强,也对减少工业废水排放起到了重要影响。减排取得一定成效的同时,研究区水污染问题仍较严重且呈分化格局,因此长江经济带建设需要改变发展思路,把修复长江生态环境摆在压倒性位置,加强流域环境综合治理,将长江经济带建设成绿色生态发展带。

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]	Li Q, Song J, Wang E et al. Economic growth and pollutant emissions in China:A spatial econometric analysis [J]. Stoch Environ Res Risk Assess, 2014(28): 429-442. https://doi.org/10.1007/s00477-013-0762-6 URL [本文引用: 1] 摘要 This paper studies the emissions of SO 2 and COD in China using fine-scale, countylevel data. Using a widely used spatial autocorrelation index, Moran I statistics, we first estimate the spatial autocorrelations of SO 2 and COD emissions. Distinct patterns of spatial concentration are identified. To investigate the driving forces of emissions, we then use spatial econometric models, including a spatial error model (SEM) and a spatial lag model (SLM), to evaluate the effects of variables that reflect level of economic development, population density, and industrial structure. Our results show that these explanatory variables are highly correlated with the level of SO 2 and COD emissions, though their impacts on SO 2 and COD vary. Compared to ordinary least square regression, the advantages of SLM and SEM are demonstrated as they effectively reveal the existence and significance of spatial dependence. The SEM, in particular, is chosen over the SLM as the role of spatial correlation is stronger in the error model than in the lag model. Based on the research results, we present some preliminary policy recommendations, especially for those high igh cluster regions that face significant environmental degradation and challenge.
[2]	Mei Y, Feng S. Water pollution in China: Current status, future trends and countermeasures [J]. Chinese Geographical Science, 1993, 3(1): 24-35. https://doi.org/10.1007/BF02664590 URL [本文引用: 1] 摘要 Based on the statistical data related to water pollution in recent years, this paper firstly describes in detail the current status of water pollution and water quality in rivers, lakes, reservoirs, groundwater and coastal waters in China, then makes a comprehensive analysis on future trends of water pollution in China. The authors hold that the economic power, technology level and management level have determinative influences on the current status and future trends of water pollution. At last, this paper discusses briefly the policies and measures for preventing and controlling water pollution in the light of the national conditions.
[3]	李涛, 翟秋敏, 陈志凡, 等. 中国水环境保护规划实施效果评估 [J]. 干旱区资源与环境, 2016, 30(9): 25-31. [本文引用: 1] [Li Tao, Zhai Qiumin, Chen Zhifan et al. Evaluation on implementation effect of China’s water environmental protection plan. Journal of Arid Land Resources and Environment, 2016, 30(9): 25-31.] [本文引用: 1]
[4]	Chen Kunlun, Liu Xiaoqiong, Ding Lei et al. Spatial Characteristics and Driving Factors of the Provincial Wastewater Discharge in China [J]. International Journal of Environmental Research and Public Health, 2016, 13(12): 1221. https://doi.org/10.3390/ijerph13121221 URL PMID: 5201362 [本文引用: 1] 摘要 Based on the increasing pressure on the water environment, this study aims to clarify the overall status of wastewater discharge in China, including the spatio-temporal distribution characteristics of wastewater discharge and its driving factors, so as to provide reference for developing mission reduction strategies in China and discuss regional sustainable development and resources environment policies. We utilized the Exploratory Spatial Data Analysis (ESDA) method to analyze the characteristics of the spatio-temporal distribution of the total wastewater discharge among 31 provinces in China from 2002 to 2013. Then, we discussed about the driving factors, affected the wastewater discharge through the Logarithmic Mean Divisia Index (LMDI) method and classified those driving factors. Results indicate that: (1) the total wastewater discharge steadily increased, based on the social economic development, with an average growth rate of 5.3% per year; the domestic wastewater discharge is the main source of total wastewater discharge, and the amount of domestic wastewater discharge is larger than the industrial wastewater discharge. There are many spatial differences of wastewater discharge among provinces via the ESDA method. For example, provinces with high wastewater discharge are mainly the developed coastal provinces such as Jiangsu Province and Guangdong Province. Provinces and their surrounding areas with low wastewater discharge are mainly the undeveloped ones in Northwest China; (2) The dominant factors affecting wastewater discharge are the economy and technological advance; The secondary one is the efficiency of resource utilization, which brings about the unstable effect; population plays a less important role in wastewater discharge. The dominant driving factors affecting wastewater discharge among 31 provinces are divided into three types, including two-factor dominant type, three-factor leading type and four-factor antagonistic type. In addition, the proposals aimed at reducing the wastewater discharge are provided on the basis of these three types.
[5]	李磊, 潘慧玲. 我国工业废水排放量的多元非线性回归预测 [J]. 江南大学学报(自然科学版), 2011, 10(3): 309-313. [本文引用: 2] [Li Lei, Pan Huiling. Prediction of Industrial Wastewater Discharge Amount Based on Multivariate Nonlinear Regression. Journal of Jiangnan University (Natural Science Edition), 2011, 10(3): 309-313.] [本文引用: 2]
[6]	苏丹, 王彤, 刘兰岚, 等. 辽河流域工业废水污染物排放的时空变化规律研究 [J]. 生态环境学报, 2010, 19(12): 2953-2959. https://doi.org/10.3969/j.issn.1674-5906.2010.12.032 URL [本文引用: 1] 摘要采用等标污染负荷法,针对改革开放和产业结构大调整前后的5个典型年份,从工业污染源空间特征出发分析了辽宁省辽河流域工业废水污染物排放的变化趋势,并讨论了重点污染物排放的时空变化规律。结果表明:辽河流域工业污染源主要分布在辽宁中部城市群及沿海地区,且有不断集中的趋势;工业废水排放总量以及污染物排放总量都呈不断减少的趋势;辽河流域主要污染物为COD、氨氮、挥发酚和石油类,有机污染物排放量高于无机污染物;重金属类污染物变化较大,1985—1999年重金属类以汞为主,2002—2005年期间重金属类以镉、铅和六价铬为主,2008年重金属类以铅、砷和六价铬为主;氨氮、COD的主要排放区域变化不大,挥发酚、石油类、铅、砷的主要排放区域变化很大,污染物排放区域转移趋势明显。 [Su Dan, Wang Tong, Liu Lanlan et al. Research on the spatio-temporal variation of pollutant discharged from industrial wastewater in the Liaohe River Basin. Ecology and Environmental Sciences, 2010, 19(12): 2953-2959.] https://doi.org/10.3969/j.issn.1674-5906.2010.12.032 URL [本文引用: 1] 摘要采用等标污染负荷法,针对改革开放和产业结构大调整前后的5个典型年份,从工业污染源空间特征出发分析了辽宁省辽河流域工业废水污染物排放的变化趋势,并讨论了重点污染物排放的时空变化规律。结果表明:辽河流域工业污染源主要分布在辽宁中部城市群及沿海地区,且有不断集中的趋势;工业废水排放总量以及污染物排放总量都呈不断减少的趋势;辽河流域主要污染物为COD、氨氮、挥发酚和石油类,有机污染物排放量高于无机污染物;重金属类污染物变化较大,1985—1999年重金属类以汞为主,2002—2005年期间重金属类以镉、铅和六价铬为主,2008年重金属类以铅、砷和六价铬为主;氨氮、COD的主要排放区域变化不大,挥发酚、石油类、铅、砷的主要排放区域变化很大,污染物排放区域转移趋势明显。
[7]	李慧颖, 杜晓明, 王洪波, 等. 东北三省工业废水污染物排放的时空变化规律研究 [J]. 环境科学研究, 2008, 21(2): 168-174. [Li Huiying, Du Xiaoming, Wang Hongbo et al. Research on the Spatio-Temporal Variation of Industrial Wastewater Pollutants in the Three Provinces of Northeast China. Research of Environmental Sciences, 2008, 21(2): 168-174.]
[8]	Geng Y, Wang M, Sarkis J et al. Spatial-temporal patterns and driving factors for industrial wastewater emission in China [J]. Journal of Cleaner Production, 2014, 76(4): 116-124. https://doi.org/10.1016/j.jclepro.2014.04.047 URL [本文引用: 1] 摘要 61Industrial wastewater emissions in China present significant regional disparity.61Spatial-temporal characteristics of industrial wastewater emission were studied.61Logarithmic Mean Divisia Index (LMDI) method was employed in this study.61Economic factors are the main driving factors for industrial wastewater emission.61Technology improvement considerably offsets emission increases.
[9]	唐志鹏, 付雪, 周志恩. 我国工业废水排放的投入产出重要系数确定研究 [J]. 中国人口·资源与环境, 2008, 18(5): 123-127. https://doi.org/10.3969/j.issn.1002-2104.2008.05.022 URL [本文引用: 1] 摘要工业废水是我国水环境污染的重要污染源。在投入产出模型中,重要系数的研究对于确定关键经济链起着重要的指导作用,本文基于投入产出模型采用损失量法对我国2002年工业废水排放的重要系数确定作了研究。通过以产业关联性和产业规模为受影响对象选取了16个公共重要系数,并由此确定了工业废水排放的关键生产链。工业废水排放重要系数的确定对于我国改进技术和产业结构优化以及实现政府减排目标提供了有力的参考依据,工业废水排放重要参数分析也可适用于SO2污染、NOx污染和固体废弃物污染等,这对我国实现十一五规划污染排放目标有指导意义。 [Tang Zhipeng, Fu Xue, Zhou Zhien. Identify Important Coefficients in China’s Sectors of Discharge Amount of Industrial Wastewater China Population. Resources and Environment, 2008, 18(5): 123-127.] https://doi.org/10.3969/j.issn.1002-2104.2008.05.022 URL [本文引用: 1] 摘要工业废水是我国水环境污染的重要污染源。在投入产出模型中,重要系数的研究对于确定关键经济链起着重要的指导作用,本文基于投入产出模型采用损失量法对我国2002年工业废水排放的重要系数确定作了研究。通过以产业关联性和产业规模为受影响对象选取了16个公共重要系数,并由此确定了工业废水排放的关键生产链。工业废水排放重要系数的确定对于我国改进技术和产业结构优化以及实现政府减排目标提供了有力的参考依据,工业废水排放重要参数分析也可适用于SO2污染、NOx污染和固体废弃物污染等,这对我国实现十一五规划污染排放目标有指导意义。
[10]	李志敏, 廖虎昌. 中国31省市2010年水资源投入产出分析 [J]. 资源科学, 2012, 34(12): 2274-2281. URL 摘要提高水资源利用效率是缓解水资源供需矛盾,实现经济社会可持续发展的关键。本文综合运用主成分分析法和数据包络分析法对我国31省市2010年水资源利用效率状况进行研究。研究显示:①北京、内蒙古、黑龙江、上海、福建、山东、河南、新疆8省市的水资源投入产出达到了DEA有效,这表明,一个地区水资源利用效率的高低与经济发展水平没有必然的联系;其他23个省市应该参考和自己经济发展水平相当的省份进行学习;②整体上看,除了经济特别发达的省份,如江苏、浙江和广东外,绝大多数省份应该加大水资源方面的投入,实现规模效益;③对于水资源储量特别丰富的省份,如湖南、湖北,应该建立起节水机制,同时优化产业结构。 [Li Zhimin, Liao Huchang. Input and Output Analysis of Water Resources Across China in 2010. Resources Science, 2012, 34(12): 2274-2281.] URL 摘要提高水资源利用效率是缓解水资源供需矛盾,实现经济社会可持续发展的关键。本文综合运用主成分分析法和数据包络分析法对我国31省市2010年水资源利用效率状况进行研究。研究显示:①北京、内蒙古、黑龙江、上海、福建、山东、河南、新疆8省市的水资源投入产出达到了DEA有效,这表明,一个地区水资源利用效率的高低与经济发展水平没有必然的联系;其他23个省市应该参考和自己经济发展水平相当的省份进行学习;②整体上看,除了经济特别发达的省份,如江苏、浙江和广东外,绝大多数省份应该加大水资源方面的投入,实现规模效益;③对于水资源储量特别丰富的省份,如湖南、湖北,应该建立起节水机制,同时优化产业结构。
[11]	Tang Z, Gong P,Liu W et al. Sensitivity of Chinese Industrial Wastewater Discharge Reduction to Direct Input Coefficients in an Input-output Context [J]. Chinese Geographical Science, 2015, 25(1): 85-97. https://doi.org/10.1007/s11769-014-0666-5 URL [本文引用: 1] 摘要 Industrial wastewater discharge in China is increasing with the country economic development and it is worthy of concern. The discharge is primarily relevant to the direct discharge coefficient of each sector of the economy, its direct input coefficient and the final demand in input-output models. In this study, we calculated the sensitivity of the reduction in the Chinese industrial wastewater discharge using the direct input coefficients based on the theory of error-transmission in an input-output framework. Using input-output models, we calculated the direct and total industrial wastewater discharge coefficients. Analysis of 2007 input-output data of 30 sectors of the Chinese economy and of 30 provincial regions of China indicates that by lowering their direct input coefficients, the manufacturers of textiles, paper and paper products, chemical products, smelting and metal pressing, telecommunication equipment, computers and other electronic equipment will significantly reduce their amounts of industrial wastewater discharge. By lowering intra-provincial direct input coefficients to industrial sectors themselves of Jiangsu, Shandong and Zhejiang, there will be a significant reduction in industrial wastewater discharge for the country as a whole. Investment in production technology and improvement in organizational efficiency in these sectors and in these provinces can help lessen the direct input coefficients, thereby effectively achieving a reduction in industrial wastewater discharge in China via industrial restructuring.
[12]	周静, 杨桂山. 江苏省工业废水排放与经济增长的动态关系 [J]. 地理研究, 2007, 26(5): 931-939. [本文引用: 1] [Zhou Jing, Yang Guishan. Study on the evolvement of the relationship between industrial wastewater discharge and economic growth in Jiangsu Province. Geographical Research, 2007, 26(5): 931-939.] [本文引用: 1]
[13]	吴昌南, 刘俊仁. 江西省经济增长与工业三废排放水平关系的实证研究 [J]. 经济地理, 2012, 32(3): 146-152. [Wu Changnan, Liu Junren. Analysis on Economic Growth and Industrial Waste Discharge of Jiangxi Province. Economic Geography, 2012, 32(3): 146-152.]
[14]	王立平, 管杰, 张纪东. 中国环境污染与经济增长: 基于空间动态面板数据模型的实证分析 [J]. 地理科学, 2010, 30(6): 818-825. [本文引用: 1] [Wang Liping, Guan Jie, Zhang Jidong. Environmental Pollution and Economic Growth in China: A Dynamic Spatial Panel Data Model. Scientia Geographica Sinica, 2010, 30(6): 818-825.] [本文引用: 1]
[15]	马丽. 基于LMDI的中国工业污染排放变化影响因素分析 [J]. 地理研究, 2016, 35(10): 1857-1868. https://doi.org/10.11821/dlyj201610005 URL [本文引用: 1] 摘要在分析2001-2013年中国工业化特征分析基础上,运用Kaya方程将工业废水和废气排放分解为产值规模、高污染部门比重、产污系数和污染物来源部门结构四个因素,并运用LMDI因素分解法研究四个因素对污染物排放变化的贡献度。研究发现：2001年以来中国工业规模扩张对工业废水和废气排放增长呈正向拉动,单位产值污染物排放量的降低对污染物增长呈负向拉动。高污染部门在工业部门结构及污染物来源部门结构呈现不断增长趋势,其对污染物排放增长皆呈正向拉动,但其绝对值小于产值增长和单位产值污染物排放降低的作用。该现象主要归因于中国的环境治理重末端治理轻源头管控所致,因此建议中国环境管制应注重从产业结构入手,积极促进工业产业结构调整和产业链高级化。 [Ma Li. Decomposition of China’s industrial environment pollution change based on LMDI. Geographical Research, 2016, 35(10): 1857-1868.] https://doi.org/10.11821/dlyj201610005 URL [本文引用: 1] 摘要在分析2001-2013年中国工业化特征分析基础上,运用Kaya方程将工业废水和废气排放分解为产值规模、高污染部门比重、产污系数和污染物来源部门结构四个因素,并运用LMDI因素分解法研究四个因素对污染物排放变化的贡献度。研究发现：2001年以来中国工业规模扩张对工业废水和废气排放增长呈正向拉动,单位产值污染物排放量的降低对污染物增长呈负向拉动。高污染部门在工业部门结构及污染物来源部门结构呈现不断增长趋势,其对污染物排放增长皆呈正向拉动,但其绝对值小于产值增长和单位产值污染物排放降低的作用。该现象主要归因于中国的环境治理重末端治理轻源头管控所致,因此建议中国环境管制应注重从产业结构入手,积极促进工业产业结构调整和产业链高级化。
[16]	李长嘉, 潘成忠, 雷宏军, 等. 1992~2008年我国工业废水排放变化效应 [J]. 环境科学研究, 2013, 26(5): 569-575. https://doi.org/10.3969/j.issn.1003-5508.2014.05.011 URL 摘要工业废水排放使我国水环境受到严重威胁,为剖析工业废水排放变化驱动机制,应用LMDI(对数平均迪氏指数)法将其分解为规模、结构和技术3种效应.结果表明:1992-2008年我国工业废水排放整体上呈先降后升的二次抛物线趋势.其中,1992-2002年工业废水减排498 583×104t,由工业规模效应、结构效应和技术效应产生的贡献值分别为1 829988×104、206807 ×104和-2 535 378×104 t;2002-2008年工业废水排放增加了333 826×104t,相应地,3种效应的贡献值分别为1 470 045 ×104、-66 094×104、-1 070 126×104 t.规模效应是造成工业废水排放增加的主要原因,技术效应是工业废水排放减少的关键因素,结构效应多表现为绝对值较小的负值,表明工业经济结构调整倾向于减小污染但贡献不大.规模效应的主要影响行业是化工原料及化学制品制造业,造纸及纸制品业和食品、烟草及饮料制造业,为减少这些部门的废水排放,可通过政策减缓经济规模的扩张趋势；结构效应的主要影响行业是电气、煤气及水的生产供应业,黑色金属冶炼及延压业和非金属矿物制造业,可通过鼓励重组促使产业结构升级,达到减排工业废水的目标；技术效应的主要影响行业是皮革、毛皮、羽绒及其制品业,为实现工业废水减排,应加大技术投入、提高生产水平. [Li Changjia, Pan Chengzhong, Lei Hongjun et al. Decomposition Analysis on China’s Industrial Wastewater Discharges in 1992-2008. Research of Environmental Sciences, 2013, 26(5): 569-575.] https://doi.org/10.3969/j.issn.1003-5508.2014.05.011 URL 摘要工业废水排放使我国水环境受到严重威胁,为剖析工业废水排放变化驱动机制,应用LMDI(对数平均迪氏指数)法将其分解为规模、结构和技术3种效应.结果表明:1992-2008年我国工业废水排放整体上呈先降后升的二次抛物线趋势.其中,1992-2002年工业废水减排498 583×104t,由工业规模效应、结构效应和技术效应产生的贡献值分别为1 829988×104、206807 ×104和-2 535 378×104 t;2002-2008年工业废水排放增加了333 826×104t,相应地,3种效应的贡献值分别为1 470 045 ×104、-66 094×104、-1 070 126×104 t.规模效应是造成工业废水排放增加的主要原因,技术效应是工业废水排放减少的关键因素,结构效应多表现为绝对值较小的负值,表明工业经济结构调整倾向于减小污染但贡献不大.规模效应的主要影响行业是化工原料及化学制品制造业,造纸及纸制品业和食品、烟草及饮料制造业,为减少这些部门的废水排放,可通过政策减缓经济规模的扩张趋势；结构效应的主要影响行业是电气、煤气及水的生产供应业,黑色金属冶炼及延压业和非金属矿物制造业,可通过鼓励重组促使产业结构升级,达到减排工业废水的目标；技术效应的主要影响行业是皮革、毛皮、羽绒及其制品业,为实现工业废水减排,应加大技术投入、提高生产水平.
[17]	李名升, 佟连军, 仇方道. 工业废水排放变化的因素分解与减排效果 [J]. 环境科学, 2009, 30(3): 707-712. URL [本文引用: 1] 摘要在描述中国工业废水排放量、经济增长、经济空间结构和工业废水排放强度的基础上,运用无残差的完全分解模型进行量化分析,分解出1981～2006年间经济增长、空间结构和排放强度对工业废水排放量变化的影响效果,并进一步利用H-P滤波方法对这一时期工业废水减排效果进行了估计.结果表明：①工业废水排放量年均增长0.25×108t,其中由经济增长、排放强度、空间结构引起的变化分别为25.9×108t、-25.5×108t、-0.16×108t;②1981～2006年中国工业废水累计减少排放641.8×108t,同时受国家宏观经济政策的影响,减排缺口处于波动之中,但总减排缺口大于0,说明实际减排量高于潜在减排量;③H-P滤波分析所得到的潜在减排率在研究期内呈先上升后下降的趋势;④综合来看,我国在1982～1990年及1997～2006年工业发展表现为高污染型,1991～1996年表现为低污染型. [Li Mingsheng, Tong Lianjun, Qiu Fangdao. Factor Decomposition and Reduction Effect on the Changes of Industrial Wastewater Discharge. Environmental Science, 2009, 30(3): 707-712.] URL [本文引用: 1] 摘要在描述中国工业废水排放量、经济增长、经济空间结构和工业废水排放强度的基础上,运用无残差的完全分解模型进行量化分析,分解出1981～2006年间经济增长、空间结构和排放强度对工业废水排放量变化的影响效果,并进一步利用H-P滤波方法对这一时期工业废水减排效果进行了估计.结果表明：①工业废水排放量年均增长0.25×108t,其中由经济增长、排放强度、空间结构引起的变化分别为25.9×108t、-25.5×108t、-0.16×108t;②1981～2006年中国工业废水累计减少排放641.8×108t,同时受国家宏观经济政策的影响,减排缺口处于波动之中,但总减排缺口大于0,说明实际减排量高于潜在减排量;③H-P滤波分析所得到的潜在减排率在研究期内呈先上升后下降的趋势;④综合来看,我国在1982～1990年及1997～2006年工业发展表现为高污染型,1991～1996年表现为低污染型.
[18]	钟业喜, 冯兴华, 文玉钊. 长江经济带经济网络结构演变及其驱动机制研究 [J]. 地理科学, 2016, 36(1): 10-19. https://doi.org/10.1329/j.cnki.sgs.2016.01.002 URL Magsci [本文引用: 1] 摘要在构建城市间经济联系网络基础上,从网络密度、中心性、核心-边缘结构、QAP分析等角度对1988~2012年长江经济带经济网络结构演变及其驱动机制进行深入分析。结果表明:长江经济带经济联系网络结构日趋成熟,三大经济地带内城市内聚性显著增强但地带间差异逐渐缩小,经济网络向均衡化发展;城市度中心性整体持续下降,经济网络出现多核心趋势,城市介中心性高值区的梯度推移特征明显;"核心-边缘"结构分析显示核心度高值区呈片状格局,高核心度城市由"质大量少"向"质小量多"转变,经济网络的"核心-边缘"结构呈组团式发展,组团内形成各自核心城市;QAP分析显示经济全球化、要素集聚与扩散、产业升级、交通技术创新与城市群建设等机制共同驱动着长江经济带经济联系网络的演变及优化重组。 [Zhong Yexi, Feng Xinghua, Wen Yuzhao. The Evolvement and Driving Mechanism of Economic Network Structure in the Changjiang River Economic Zone. Scientia Geographica Sinica, 2016, 36(1): 10-19.] https://doi.org/10.1329/j.cnki.sgs.2016.01.002 URL Magsci [本文引用: 1] 摘要在构建城市间经济联系网络基础上,从网络密度、中心性、核心-边缘结构、QAP分析等角度对1988~2012年长江经济带经济网络结构演变及其驱动机制进行深入分析。结果表明:长江经济带经济联系网络结构日趋成熟,三大经济地带内城市内聚性显著增强但地带间差异逐渐缩小,经济网络向均衡化发展;城市度中心性整体持续下降,经济网络出现多核心趋势,城市介中心性高值区的梯度推移特征明显;"核心-边缘"结构分析显示核心度高值区呈片状格局,高核心度城市由"质大量少"向"质小量多"转变,经济网络的"核心-边缘"结构呈组团式发展,组团内形成各自核心城市;QAP分析显示经济全球化、要素集聚与扩散、产业升级、交通技术创新与城市群建设等机制共同驱动着长江经济带经济联系网络的演变及优化重组。
[19]	方大春, 孙明月. 长江经济带核心城市影响力研究 [J]. 经济地理, 2015, 35(1): 76-81. [本文引用: 1] [Fang Dachun,Sun Mingyue. Influence of Core Cities in Yangtze River Economic Belt. Economic Geography, 2015, 35(1): 76-81.] [本文引用: 1]
[20]	高港区政府办公室. 高港区把修复长江生态环境摆在压倒性位置 [N/OL].泰州市政府门户网站, 2016-08-01.. URL [本文引用: 1] [Gaogang district government office. The Gaogang district has placed the restoration of the Changjiang River Ecological Environment in an overwhelming position . Taizhou government portal, 2016-08-01. .] URL [本文引用: 1]
[21]	中华人民共和国国家统计局, 中华人民共和国环境保护部. 中国环境统计年鉴[M]. 北京: 中国统计出版社,2003-2014. [本文引用: 1] [National Bureau of Statistics of the People’s Republic of China, Ministry of Environmental Protection of the People’s Republic of China. China Statistical Yearbook on Environment. Beijing: China Statistics Press,2003-2014.] [本文引用: 1]
[22]	中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社,2003-2014. [本文引用: 1] [National Bureau of Statistics of the People’s Republic of China. China Statistical Yearbook. Beijing: China Statistics Press,2003-2014.] [本文引用: 1]
[23]	中华人民共和国国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社,2003-2014. [本文引用: 1] [National Bureau of Statistics of the People’s Republic of China. China City Statistical Yearbook. Beijing: China Statistics Press,2003-2014.] [本文引用: 1]
[24]	韩楠, 于维洋. 中国工业废气排放的空间特征及其影响因素研究 [J]. 地理科学, 2016, 36(2): 196-203. https://doi.org/10.13249/j.cnki.sgs.2016.02.005 URL Magsci [本文引用: 1] 摘要 <p>基于2000~2012 年中国31 个省(市、自治区)面板数据,运用探索性空间数据分析方法对中国工业废气排放的空间分布特征进行研究,结果显示中国各省域(不含港澳台)工业废气排放存在显著的空间自相关和空间集聚效应;总体呈现东部、西部地区集聚的空间分布特征,其中东部多为高-高集聚区、西部则多为低-低集聚区,并且高值集聚现象的显著性逐渐增强,显著区域呈持续扩张趋势.在此基础上,以STIRPAT模型为基础构建空间计量模型,分析经济发展、人口规模、产业结构、技术水平和国家政策等因素对工业废气排放量的影响.研究结果表明,中国各省域工业废气排放存在空间依赖作用和正的空间溢出效应;经济发展、产业结构与工业废气排放之间呈现显著的正相关关系;技术进步和国家政策对工业废气排放具有抑制作用,而人口增长对工业废气排放的影响并不显著.</p> [Han Nan, Yu Weiyang. Spatial Characteristics and Influencing Factors of Industrial Waste Gas Emission in China. Scientia Geographica Sinica, 2016, 36(2): 196-203.] https://doi.org/10.13249/j.cnki.sgs.2016.02.005 URL Magsci [本文引用: 1] 摘要 <p>基于2000~2012 年中国31 个省(市、自治区)面板数据,运用探索性空间数据分析方法对中国工业废气排放的空间分布特征进行研究,结果显示中国各省域(不含港澳台)工业废气排放存在显著的空间自相关和空间集聚效应;总体呈现东部、西部地区集聚的空间分布特征,其中东部多为高-高集聚区、西部则多为低-低集聚区,并且高值集聚现象的显著性逐渐增强,显著区域呈持续扩张趋势.在此基础上,以STIRPAT模型为基础构建空间计量模型,分析经济发展、人口规模、产业结构、技术水平和国家政策等因素对工业废气排放量的影响.研究结果表明,中国各省域工业废气排放存在空间依赖作用和正的空间溢出效应;经济发展、产业结构与工业废气排放之间呈现显著的正相关关系;技术进步和国家政策对工业废气排放具有抑制作用,而人口增长对工业废气排放的影响并不显著.</p>
[25]	周侃. 中国环境污染的时空差异与集聚特征 [J]. 地理科学, 2016, 36(7): 989-997. https://doi.org/10.13249/j.cnki.sgs.2016.07.004 URL Magsci [本文引用: 1] 摘要 <p>通过地市单元和主体功能区单元的定量分析,研究2005~2012年中国环境污染物排放的时空变化和空间集聚格局,提出降低污染物排放强度的对策建议。结果表明：<i>① </i>环境污染物排放强度呈优化开发区域<i>-</i>重点开发区域<i>-</i>农产品主产区<i>-</i>重点生态功能区依次递减态势,各类主体功能区水环境面临的污染物胁迫程度持续加剧,且以农产品主产区和重点生态功能区最为突出,尽管优化开发区域和重点开发区域的大气污染物排放量呈现小幅下降,但仍然是大气污染物胁迫程度最高的地区。<i>② </i>地市单元水环境受污染物胁迫态势“总体在加剧、局部有缓解”,东北、东部、中部板块的大部分区域以及西部板块的成渝、新疆中部、呼包鄂等地区呈高排放区连片分布格局;大气环境受污染物胁迫态势“总体较稳定、局部有缓解”,高排放区主要位于山西、内蒙古中西部、陕甘宁豫沿黄地带、环渤海、长三角等地区。<i>③ </i>中国环境污染排放具有显著的空间集聚效应且呈现增强趋势,其中,华北地区已经成为高污染物排放的主要集聚区,并表现出较强的路径依赖与空间锁定。</p> [Zhou Kan. Spatial-temporal Differences and Cluster Features of Environmental Pollution in China. Scientia Geographica Sinica, 2016, 36(7): 989-997.] https://doi.org/10.13249/j.cnki.sgs.2016.07.004 URL Magsci [本文引用: 1] 摘要 <p>通过地市单元和主体功能区单元的定量分析,研究2005~2012年中国环境污染物排放的时空变化和空间集聚格局,提出降低污染物排放强度的对策建议。结果表明：<i>① </i>环境污染物排放强度呈优化开发区域<i>-</i>重点开发区域<i>-</i>农产品主产区<i>-</i>重点生态功能区依次递减态势,各类主体功能区水环境面临的污染物胁迫程度持续加剧,且以农产品主产区和重点生态功能区最为突出,尽管优化开发区域和重点开发区域的大气污染物排放量呈现小幅下降,但仍然是大气污染物胁迫程度最高的地区。<i>② </i>地市单元水环境受污染物胁迫态势“总体在加剧、局部有缓解”,东北、东部、中部板块的大部分区域以及西部板块的成渝、新疆中部、呼包鄂等地区呈高排放区连片分布格局;大气环境受污染物胁迫态势“总体较稳定、局部有缓解”,高排放区主要位于山西、内蒙古中西部、陕甘宁豫沿黄地带、环渤海、长三角等地区。<i>③ </i>中国环境污染排放具有显著的空间集聚效应且呈现增强趋势,其中,华北地区已经成为高污染物排放的主要集聚区,并表现出较强的路径依赖与空间锁定。</p>
[26]	齐漫, 陈昆仑, 丁镭, 等. 中国省域生活废水排放量的时空分布特征及驱动因素分析 [J]. 地理与地理信息科学, 2016, 32(4): 106-112. [本文引用: 1] [Qi Man, Chen Kunlun, Ding Lei et al. Spatial-Temporal Patterns and Driving Factors for Household Waste Water Discharge in China. Geography and Geo-Information Science, 2016, 32(4): 106-112.] [本文引用: 1]
[27]	Getis A, Ord J K. The analysis of spatial association by the use of distance statistics [J]. Geographical Analysis, 1992, 24: 189-206. https://doi.org/10.1111/j.1538-4632.1992.tb00261.x URL [本文引用: 1] 摘要 Abstract Introduced in this paper is a family of statistics, G , that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified, and its advantages explained. Several of the G statistics make it possible to evaluate the spatial association of a variable within a specified distance of a single point. A comparison is made between a general G statistic and Moran's I for similar hypothetical and empirical conditions. The empirical work includes studies of sudden infant death syndrome by county in North Carolina and dwelling unit prices in metropolitan San Diego by zip-code districts. Results indicate that G statistics should be used in conjunction with I in order to identify characteristics of patterns not revealed by the I statistic alone and, specifically, the G i and G i * statistics enable us to detect local “pockets” of dependence that may not show up when using global statistics.
[28]	Insulin L. Local indicators of spatial association:LISA [J]. Geographical Analysis, 1995, 27: 93-115. [本文引用: 1]
[29]	Ang B W, Zhang F Q, Choi K H. Factorizing changes in energy and environmental indicators through decomposition [J]. Energy, 1998, 23(6): 489-495. https://doi.org/10.1016/S0360-5442(98)00016-4 URL [本文引用: 1] 摘要 We introduce a decomposition method for factorizing changes in energy demand or gas emissions over time. This method has the advantage of giving perfect decomposition. It can also handle cases with zero values in the data set. We compare this new method with three existing methods and summarize the respective decomposition formulae for various applications. Three application studies using data for Singapore, China, and Korea are presented. In each case, the change of a different energy or environmental indicator is decomposed using the four methods and the results obtained are compared. Our new method is superior to any of the three existing methods and may be generally applied in energy and environmental decomposition studies.
[30]	Ang B W. The LMDI approach to decomposition analysis a practical guide [J]. Energy Policy, 2005, 33(7): 867-871. https://doi.org/10.1016/j.enpol.2003.10.010 URL [本文引用: 1] 摘要 In a recent study, Ang (Energy Policy 32 (2004)) compared various index decomposition analysis methods and concluded that the logarithmic mean Divisia index method is the preferred method. Since the literature on the method tends to be either too technical or specific for most potential users, this paper provides a practical guide that includes the general formulation process, summary tables for easy reference and examples.
[31]	Ang B W. Decomposition analysis for policy making in energy:Which is the preferred method? [J]. Energy Policy, 2004, 32(9): 1131-1139. https://doi.org/10.1016/S0301-4215(03)00076-4 URL [本文引用: 1]
[32]	Zhao C, Chen B. Driving Force Analysis of the Agricultural Water Footprint in China Based on the LMDI Method [J]. Environmental Science & Technology, 2014, 48(21): 12723-12731. https://doi.org/10.1021/es503513z URL PMID: 25289879 [本文引用: 1] 摘要 China's water scarcity problems have become more severe because of the unprecedented economic development and population explosion. Considering agriculture's large share of water consumption, obtaining a clear understanding of Chinese agricultural consumptive water use plays a key role in addressing China's water resource stress and providing appropriate water mitigation policies. We account for the Chinese agricultural water footprint from 1990 to 2009 based on bottom up approach. Then, the underlying driving forces are decomposed into diet structure effect, efficiency effect, economic activity effect, and population effect, and analyzed by applying a log-mean Divisia index (LMDI) model. The results reveal that the Chinese agricultural water footprint has risen from the 94.1 Gm3 in 1990 to 141 Gm3 in 2009. The economic activity effect is the largest positive contributor to promoting the water footprint growth, followed by the population effect and diet structure effect. Although water efficiency improvement as a significant negative effect has reduced overall water footprint, the water footprint decline from water efficiency improvement cannot compensate for the huge increase from the three positive driving factors. The combination of water efficiency improvement and dietary structure adjustment is the most effective approach for controlling the Chinese agricultural water footprint's further growth.
[33]	刘兆德,虞孝感,谢红彬. 20世纪90年代长江流域经济发展过程分析 [J]. 长江流域资源与环境, 2002, 11(6): 494-499. https://doi.org/10.3969/j.issn.1004-8227.2002.06.002 URL [本文引用: 1] 摘要长江流域是我国20世纪90年代以来经济发展迅速的地区之一。以统计数字为基础,分析了90年代长江流域经济发展速度、上中下游发展的差别、产业结构转换及外向型经济的发展过程。研究表明:长江流域经济发展速度快于全国,在全国的地位不断上升,但增长方式以粗放方式为主,一方面是依赖于大量资金的投入,另一方面是依赖于消耗大量资源,并以牺牲部分生态环境为代价的;上中下游区域经济发展的差异不断扩大;产业结构向合理化方向发展,深层次问题不容忽视,入世后产业发展将受到严峻的考验;外向型经济得到快速发展,但外向度水平仍然较低,区域差异明显。 [Liu Zhaode, Yu Xiaogan, Xie Hongbin. Analysis on The Course of Economic Development Around The Yangtze River Basin in 1990’s. Resources and Environment in the Yangtze Basin, 2002, 11(6): 494-499.] https://doi.org/10.3969/j.issn.1004-8227.2002.06.002 URL [本文引用: 1] 摘要长江流域是我国20世纪90年代以来经济发展迅速的地区之一。以统计数字为基础,分析了90年代长江流域经济发展速度、上中下游发展的差别、产业结构转换及外向型经济的发展过程。研究表明:长江流域经济发展速度快于全国,在全国的地位不断上升,但增长方式以粗放方式为主,一方面是依赖于大量资金的投入,另一方面是依赖于消耗大量资源,并以牺牲部分生态环境为代价的;上中下游区域经济发展的差异不断扩大;产业结构向合理化方向发展,深层次问题不容忽视,入世后产业发展将受到严峻的考验;外向型经济得到快速发展,但外向度水平仍然较低,区域差异明显。
[34]	邹辉, 段学军. 长江经济带经济-环境协调发展格局及演变 [J].地理科学, 2016, 36(9): 1408-1417. https://doi.org/10.13249/j.cnki.sgs.2016.09.014 URL Magsci [本文引用: 1] 摘要 <p>通过经济与环境系统的协调发展度评估,分析了长江经济带经济环境协调发展的时空演变格局,并对经济带经济发展、环境污染与环境质量的格局与态势展开探讨。研究表明：经济带协调发展度空间差异显著,东部地区明显大于中西部地区,沿江地区高于非沿江地区。高度协调型主要分布在长三角地区及少数中西部省会城市;高度失调型主要分布在重庆、皖北、滇西南、鄂中等地区;江西与四川是协调型转为失调型的集中地区。长三角核心城市经济地位依然凸显,但长三角边缘地区城市经济位序呈下降趋势,中西部地区部分城市经济位序上升明显。工业废水排放以重庆、苏州、杭州为最多,工业SO<sub>2</sub>排放呈现3大集中地带。城市空气质量较差的是长三角边缘地区以及中西部沿江地区,城市空气质量总体上与工业SO<sub>2</sub>排放、工业烟尘排放在空间格局上较为吻合。长江干流断面水质上游（川滇渝）与下游（苏沪）较差,一定程度上反映了沿江地区工业废水排放对长江水质的影响。最后,从树立发展与保护双重使命,创新经济带开发体制机制;推进下游城市经济转型升级,培育中上游新的经济增长极;落实最严格的管理制度,共建生态文明示范带等方面提出发展建议。</p> [Zou Hui, Duan Xuejun. Pattern Evolution of Economy-environment Coordinated Development in the Changjiang River Economic Belt. Scientia Geographica Sinica, 2016, 36(9): 1408-1417.] https://doi.org/10.13249/j.cnki.sgs.2016.09.014 URL Magsci [本文引用: 1] 摘要 <p>通过经济与环境系统的协调发展度评估,分析了长江经济带经济环境协调发展的时空演变格局,并对经济带经济发展、环境污染与环境质量的格局与态势展开探讨。研究表明：经济带协调发展度空间差异显著,东部地区明显大于中西部地区,沿江地区高于非沿江地区。高度协调型主要分布在长三角地区及少数中西部省会城市;高度失调型主要分布在重庆、皖北、滇西南、鄂中等地区;江西与四川是协调型转为失调型的集中地区。长三角核心城市经济地位依然凸显,但长三角边缘地区城市经济位序呈下降趋势,中西部地区部分城市经济位序上升明显。工业废水排放以重庆、苏州、杭州为最多,工业SO<sub>2</sub>排放呈现3大集中地带。城市空气质量较差的是长三角边缘地区以及中西部沿江地区,城市空气质量总体上与工业SO<sub>2</sub>排放、工业烟尘排放在空间格局上较为吻合。长江干流断面水质上游（川滇渝）与下游（苏沪）较差,一定程度上反映了沿江地区工业废水排放对长江水质的影响。最后,从树立发展与保护双重使命,创新经济带开发体制机制;推进下游城市经济转型升级,培育中上游新的经济增长极;落实最严格的管理制度,共建生态文明示范带等方面提出发展建议。</p>
[35]	刘伟. 长江经济带区域经济差异分析 [J]. 长江流域资源与环境, 2006, 15(2): 131-135. https://doi.org/10.3969/j.issn.1004-8227.2006.02.001 URL Magsci [本文引用: 1] 摘要长江经济带是与沿海经济带并列的国家一级发展轴线，自20世纪90年代以来其内部区域经济差距日趋扩大，如何缩小差距以促进长江经济带整体和谐发展是摆在当前的重要任务。基于SPSS12.0统计分析软件和历年统计数据，分析长江经济带内部三大地区及41个地市之间的区域经济差异，找出产生区域差异的主要因素，然后对这些因素进行分析，以期在此基础上找到缩小区域差异、促进可持续发展的政策建议。最后对长江经济带内部各省市经济发展进行预测，分析长江经济带各省市发展的趋势。长江经济带内部差异显著，且有拉大趋势；发展前景良好，是国家重要的经济增长轴。 [Liu Wei. Regional Economic Disparity of Yangtze Economic Zone. Resources and Environment in the Yangtze Basin, 2006, 15(2): 131-135.] https://doi.org/10.3969/j.issn.1004-8227.2006.02.001 URL Magsci [本文引用: 1] 摘要长江经济带是与沿海经济带并列的国家一级发展轴线，自20世纪90年代以来其内部区域经济差距日趋扩大，如何缩小差距以促进长江经济带整体和谐发展是摆在当前的重要任务。基于SPSS12.0统计分析软件和历年统计数据，分析长江经济带内部三大地区及41个地市之间的区域经济差异，找出产生区域差异的主要因素，然后对这些因素进行分析，以期在此基础上找到缩小区域差异、促进可持续发展的政策建议。最后对长江经济带内部各省市经济发展进行预测，分析长江经济带各省市发展的趋势。长江经济带内部差异显著，且有拉大趋势；发展前景良好，是国家重要的经济增长轴。

Economic growth and pollutant emissions in China:A spatial econometric analysis

2014

... 改革开放以来,快速工业化和城市化推动了中国的经济高速增长和社会持续繁荣,也造成了对资源和环境的大量消耗,与此同时,全球变化背景下的资源环境问题成为世界各国共同面临的问题,如何正确处理经济发展与生态环境之间的关系,也已成为学界和国际政治关注的焦点^[1].目前中国的环境问题,尤其是水环境问题十分严峻^[2].据环保部门数据显示,2001~2013年间中国十大水系和七大重点流域的干流水质总体上虽有所好转,但部分断面却在持续恶化,部分支流污染问题严重,北方地区尤为突出^[3].水环境质量问题的主要根源是社会经济发展过程中的污染物排放,目前水环境污染物排放的主要来源为工业废水和生活废水^[4].其中工业废水因具有排放量大且集中的特征,在水资源严重匮乏和水污染日益加剧的现实之下,已成为节能减排和水环境治理的重点管控对象. ...

Water pollution in China: Current status, future trends and countermeasures

1993

中国水环境保护规划实施效果评估

2016

中国水环境保护规划实施效果评估

2016

Spatial Characteristics and Driving Factors of the Provincial Wastewater Discharge in China

2016

我国工业废水排放量的多元非线性回归预测

2011

... 工业废水排放量是指经过企业厂区所有排放口排到企业外部的工业废水量,包括生产废水、外排的直接冷却水、超标排放的矿井地下水和与工业废水混排的厂区生活污水^[5].当前,地理学角度的工业废水国内外研究主要集中于工业废水排放的时空特征和影响因素.研究尺度方面,相关研究多关注全国或省级尺度,缺乏对经济区的研究.时空特征上,以工业废水及其污染物排放的时空规律分析为主,研究认为中国辽河流域、东北三省以及全国范围均存在着排放量先升后降的变化趋势,同时排放量和污染成分存在着明显的区域差异^[6~8],但已有研究对空间格局的探讨多为简单的数据陈列和描述,缺乏深入的空间分析.工业废水排放影响因素的研究方面,常用的研究方法有投入产出模型、环境库兹列茨曲线（EKC）以及迪氏因素分解法（LMDI）等.投入产出模型通常通过工业废水排放直接消耗系数的比较来确定其影响因素^[9~11];环境库兹列茨曲线则着重研究经济增长与工业废水排放间的关系,目前中国的工业废水排放一般情况下随经济增长呈现倒“U”型曲线^[12~14];LMDI在将影响因素分解为技术效应、规模效应、结构效应等不同方面的基础上,计算它们对工业废水排放的贡献程度及结构关系^[15~17]. ...

... 人口规模效应方面,虽然总体上对工业废水排放的贡献量多为正值,但并不显著,仅重庆、合肥、马鞍山、杭州、上海、南京、苏州等城市可看出人口增长对工业废水排放有明显增加作用.人口规模增加对工业废水排放的贡献主要体现在厂区内人口产生的生活废水与工业废水合并排放^[5],而人口规模增加的更主要贡献在于城市生活废水的排放.上述城市和地区多为工业发达地区或接受工业企业转移的重点地区,其工业发展多为产业园模式,为安置大量外来从业人员,厂区一般配有一定规模的员工宿舍.换言之,新增的人口多集中在工业园区,一定程度上带来了工业废水排放的增加. ...

我国工业废水排放量的多元非线性回归预测

2011

辽河流域工业废水污染物排放的时空变化规律研究

2010

辽河流域工业废水污染物排放的时空变化规律研究

2010

东北三省工业废水污染物排放的时空变化规律研究

2008

东北三省工业废水污染物排放的时空变化规律研究

2008

Spatial-temporal patterns and driving factors for industrial wastewater emission in China

2014

我国工业废水排放的投入产出重要系数确定研究

2008

我国工业废水排放的投入产出重要系数确定研究

2008

中国31省市2010年水资源投入产出分析

2012

中国31省市2010年水资源投入产出分析

2012

Sensitivity of Chinese Industrial Wastewater Discharge Reduction to Direct Input Coefficients in an Input-output Context

2015

江苏省工业废水排放与经济增长的动态关系

2007

江苏省工业废水排放与经济增长的动态关系

2007

江西省经济增长与工业三废排放水平关系的实证研究

2012

江西省经济增长与工业三废排放水平关系的实证研究

2012

中国环境污染与经济增长: 基于空间动态面板数据模型的实证分析

2010

中国环境污染与经济增长: 基于空间动态面板数据模型的实证分析

2010

基于LMDI的中国工业污染排放变化影响因素分析

2016

基于LMDI的中国工业污染排放变化影响因素分析

2016

1992~2008年我国工业废水排放变化效应

2013

1992~2008年我国工业废水排放变化效应

2013

工业废水排放变化的因素分解与减排效果

2009

工业废水排放变化的因素分解与减排效果

2009

长江经济带经济网络结构演变及其驱动机制研究

2016

... 改革开放以来,中国经济一直采取非均衡发展战略,从经济特区建设到沿海沿边开发战略,再到西部大开发和中部崛起战略,属于横向分层的梯级空间开发模式.这一系列发展战略极大推动经济发展和社会进步的同时,也在一定程度上影响了政策和资源的配置协调和公平问题,使得地区发展不平衡,区域间联系不紧密.长江流域无论从空间区位还是资源环境来看,都属于中国社会经济持续发展和区域均衡增长的重要承启和支撑地带,是实现发达地区与欠发达地区、重点开发地区与生态环境保育地区有序联结的关键区域^[18].2014年“长江经济带战略”正式上升为国家战略,与“丝绸之路经济带战略”共同组成协调内部均衡与重构全球格局的宏图伟略,一定程度上也标志着横向分层的梯级空间开发模式向纵深融合的区域综合开发模式转变,不仅追求区域协同发展,更强调资源环境的承载与支撑.当前,长江经济带的发展战略由“大开发”转变为“大保护”,长江水资源保护和水污染治理将是未来长江经济带建设发展的重点之一. ...

长江经济带经济网络结构演变及其驱动机制研究

2016

长江经济带核心城市影响力研究

2015

... 长江经济带跨越中国东中西部,是以长江为纽带的经济地理范围,包括上海、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11省市,面积约205万 km²,人口及经济总量均超过全国总量的40%^[19].长江拥有独特的生态系统,是中国重要的生态宝库,长江作为水源地,沿线化工产量约占全国的46%,并担负着重要的化工物流任务,生产和运输的危化品种类超过250种,长江水质受工业污染严重^[20].目前,长江经济带的发展思路已发生明显变化,从强调“黄金水道”“立体交通走廊”建设,到追求“绿色发展”,要求在未来相当长的一段时间内把修复长江生态环境摆在压倒性位置.因此,协调经济发展与生态环境之间的关系,成为长江经济带发展过程中所必须关注的问题. ...

长江经济带核心城市影响力研究

2015

高港区把修复长江生态环境摆在压倒性位置

2016

高港区把修复长江生态环境摆在压倒性位置

2016

2003-2014

... 本研究所需长江经济带各城市工业废水排放量数据来自2003~2014年《中国环境统计年鉴》^[21],考虑到各种因素对工业废水排放的影响,将工业增加值、各城市地区生产总值、人均GDP及年末总人口作为参考指标,数据来源于2003~2014年《中国统计年鉴》^[22]和《中国城市统计年鉴》^[23].基于数据的可获取性考虑,本研究共涉及长江经济带116个地级统计单元. ...

2003-2014

中国工业废气排放的空间特征及其影响因素研究

2016

... 1）探索性空间分析（ESDA）方法.本文运用探索性空间分析方法^[24]来描述工业废水排放在空间上的集聚水平. ...

中国工业废气排放的空间特征及其影响因素研究

2016

... 1）探索性空间分析（ESDA）方法.本文运用探索性空间分析方法^[24]来描述工业废水排放在空间上的集聚水平. ...

中国环境污染的时空差异与集聚特征

2016

... （1）全局空间自相关.计算Moran’s

\begin{matrix} I \end{matrix}

指数反映变量的空间集聚和关联程度^[25],公式为： ...

中国环境污染的时空差异与集聚特征

2016

... （1）全局空间自相关.计算Moran’s

\begin{matrix} I \end{matrix}

指数反映变量的空间集聚和关联程度^[25],公式为： ...

中国省域生活废水排放量的时空分布特征及驱动因素分析

2016

... 式中,

\begin{matrix} I \end{matrix}

为全局Moran’s

\begin{matrix} I \end{matrix}

指数;

\begin{matrix} n \end{matrix}

为研究区内城市总数;

\begin{matrix} x_{i} \end{matrix}

和

\begin{matrix} x_{j} \end{matrix}

为城市

\begin{matrix} i \end{matrix}

和

\begin{matrix} j \end{matrix}

的工业废水排放量;

\begin{matrix} \overset{̅}{x} \end{matrix}

是某一年份不同城市工业废水排放量的平均值.

\begin{matrix} W_{ij} \end{matrix}

为空间权重矩阵,通过基于邻接关系的最近邻分类算法获得.

\begin{matrix} I \end{matrix}

的取值在[-1,1]范围内,若

\begin{matrix} I \end{matrix}

<0,表明城市工业废水排放呈空间负相关,即研究对象存在较大的空间异质性;若

\begin{matrix} I \end{matrix}

>0,则表明城市工业废水排放呈空间正相关,不同城市的工业废水排放之间存在一定的空间关联影响,且越趋近于1,空间相关性越显著;若

\begin{matrix} I \end{matrix}

=0,则说明城市工业废水排放呈随机分布态势^[26,27]. ...

中国省域生活废水排放量的时空分布特征及驱动因素分析

2016

... 式中,

\begin{matrix} I \end{matrix}

为全局Moran’s

\begin{matrix} I \end{matrix}

指数;

\begin{matrix} n \end{matrix}

为研究区内城市总数;

\begin{matrix} x_{i} \end{matrix}

和

\begin{matrix} x_{j} \end{matrix}

为城市

\begin{matrix} i \end{matrix}

和

\begin{matrix} j \end{matrix}

的工业废水排放量;

\begin{matrix} \overset{̅}{x} \end{matrix}

是某一年份不同城市工业废水排放量的平均值.

\begin{matrix} W_{ij} \end{matrix}

为空间权重矩阵,通过基于邻接关系的最近邻分类算法获得.

\begin{matrix} I \end{matrix}

的取值在[-1,1]范围内,若

\begin{matrix} I \end{matrix}

<0,表明城市工业废水排放呈空间负相关,即研究对象存在较大的空间异质性;若

\begin{matrix} I \end{matrix}

>0,则表明城市工业废水排放呈空间正相关,不同城市的工业废水排放之间存在一定的空间关联影响,且越趋近于1,空间相关性越显著;若

\begin{matrix} I \end{matrix}

=0,则说明城市工业废水排放呈随机分布态势^[26,27]. ...

The analysis of spatial association by the use of distance statistics

1992

... 式中,

\begin{matrix} I \end{matrix}

为全局Moran’s

\begin{matrix} I \end{matrix}

指数;

\begin{matrix} n \end{matrix}

为研究区内城市总数;

\begin{matrix} x_{i} \end{matrix}

和

\begin{matrix} x_{j} \end{matrix}

为城市

\begin{matrix} i \end{matrix}

和

\begin{matrix} j \end{matrix}

的工业废水排放量;

\begin{matrix} \overset{̅}{x} \end{matrix}

是某一年份不同城市工业废水排放量的平均值.

\begin{matrix} W_{ij} \end{matrix}

为空间权重矩阵,通过基于邻接关系的最近邻分类算法获得.

\begin{matrix} I \end{matrix}

的取值在[-1,1]范围内,若

\begin{matrix} I \end{matrix}

<0,表明城市工业废水排放呈空间负相关,即研究对象存在较大的空间异质性;若

\begin{matrix} I \end{matrix}

>0,则表明城市工业废水排放呈空间正相关,不同城市的工业废水排放之间存在一定的空间关联影响,且越趋近于1,空间相关性越显著;若

\begin{matrix} I \end{matrix}

=0,则说明城市工业废水排放呈随机分布态势^[26,27]. ...

Local indicators of spatial association:LISA

1995

... （2）局部空间自相关.全局空间自相关反映了工业废水排放在整个长江经济带的空间差异,但并未表现出城市局部空间分布状况的变化,需要利用Moran散点图描述变量与其滞后向量的相关关系,反映空间单元观察值之间的关联和差异程度,其结果由4个象限表示某城市工业废水排放与其邻域城市工业废水排放的4种关系,即高高（HH）型、高低（HL）型、低高（LH）型、低低（LL）型^[28]. ...

Factorizing changes in energy and environmental indicators through decomposition

1998

... 2） LMDI分解模型构建.20世纪80年代,经济学家提出分解法（IDA）,将研究对象分解成若干个子项,分析各子项对研究对象的影响程度.Ang等人^[29,30]在分解法基础,提出一种因素分解模型,即LMDI（迪氏分解法）分解法,目前在国际上广泛应用于环境和能源经济^[31,32]领域. ...

The LMDI approach to decomposition analysis a practical guide

2005

Decomposition analysis for policy making in energy:Which is the preferred method?

2004

Driving Force Analysis of the Agricultural Water Footprint in China Based on the LMDI Method

2014

20世纪90年代长江流域经济发展过程分析

2002

... 长江经济带2002~2013年工业废水排放变化可分为3个阶段：2002~2005年,长江经济带工业废水排放整体增长,尤其2004~2005年增长率最大,为4.9%;2005~2009年,工业废水排放开始减少,平均下降率为2.0%;2009~2013年减少速度逐渐加快,平均下降率为2.6%.20世纪初,国家在上一轮世界经济危机的冲击后采取积极的财政政策,在此基础上,长江经济带高速发展,GDP年增长率一度高于全国平均水平,但这种发展对资金和资源的消耗量较大,是一种以牺牲部分生态环境为代价的粗放型增长,且由于长江流域丰富的水资源和环境容量,多发展重化工业,在推动社会经济加速发展的同时,工业废水排放也随之增长^[33].而自2006年始,“十一五”规划的出台要求建设资源节约型、环境友好型社会,在资源开采、生产消耗、废物产生、消费等环节,逐步建立全社会的资源循环利用体系,要求工业废水经处理后排放或循环利用,并于同年颁布《取水许可和水资源费征收管理条例》加强对水资源的管理和保护,并监督退水地点和退水中所含的主要污染物及污水处理设施.2012年,《国务院关于实行最严格水资源管理制度的意见》（国发〔2012〕3号）进一步促进了长江经济带各城市对水资源利用效率的重视,因此2005年后工业废水排放整体呈下降趋势. ...

20世纪90年代长江流域经济发展过程分析

2002

长江经济带经济-环境协调发展格局及演变

2016

... 整体来看,影响长江经济带工业废水排放的因素中：① 经济发展效应2002~2008年变化不大,2008~2009年出现小幅下降,随后迅速回升,2011年后又开始大幅下降,但始终呈现出正贡献量并且居于主导地位.② 产业结构效应在2002~2004年、2005~2007年、2009~2011年为正贡献量,其他年份则为负贡献量,说明产业结构调整对工业废水的影响较为明显.受政策影响,若着重发展第二产业则工业废水排放增加,呈现出正贡献量;若转变经济发展模式,提升第三产业及高新技术产业比重,则工业废水排放明显减少,表现为负贡献量.③ 技术改善效应则一直处于负贡献量,对工业废水排放的抑制作用显著,技术效应对工业废水排放的影响在一定程度上也缓和了由于经济发展不健康所带来的严重废水排放问题.④ 人口规模对工业废水排放的贡献在2002~2013年同样一直处于正贡献量且较为稳定,然而在整体影响结构中仅占极小的份额,对工业废水排放的影响总体来说比较小.由工业废水排放变化量可以看出,长江经济带除2002~2005年工业废水排放呈增长状态,2005年后一直呈下降趋势负增长.即“十一五”规划开展后,国家高度重视长江经济带的可持续发展问题,随着长江经济带发展战略的提出,更加关注长江生态安全,提出一系列节能减排政策,使长江经济带成为促进经济健康增长的有力推手,为中国经济持续发展提供重要支撑^[34]. ...

长江经济带经济-环境协调发展格局及演变

2016

长江经济带区域经济差异分析

2006

... 产业结构效应对工业废水排放的影响存在显著的空间差异.因产业结构调整使得工业废水排放增加的城市多位于湖南、湖北、江西、安徽等省,这些地区原本工业废水排放较少,但作为产业转移接收地,大量高耗能高污染的产业迁移落户^[35],随着工业增加值占比越来越大,其对工业废水排放的影响也愈发明显,在空间上即表现为中排放量城市增多.而传统的工业基地重庆则开始通过产业结构的调整降低自身的排放量,杭州、上海、南京、无锡、苏州等东部沿海地区城市也在加速转变经济发展模式,重点发展第三产业及高新技术产业,工业占比下降,这些高排放城市的工业废水排放也随之减少. ...

长江经济带区域经济差异分析

2006

〈

〉

长江经济带工业废水排放的时空格局演化及驱动因素

Spatial-temporal Pattern and Driving Factors of Industrial Wastewater Discharge in the Yangtze River Economic Zone

1 研究说明

1.1 研究区

1.2 数据来源

1.3 研究方法

2 长江经济带工业废水排放的时空格局演化

2.1 时间演化

2.2 空间分布变化

2.3 空间关系变化

3 长江经济带工业废水排放的驱动因素分析

4 结论

参考文献 文献选项 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

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