中国科学院大学学报  2019, Vol. 36 Issue (1): 72-81   PDF    
吉林省工业增长与工业大气污染脱钩关系的时空演变
任嘉敏1,2, 马延吉1     
1. 中国科学院东北地理与农业生态研究所, 长春 13010;
2. 中国科学院大学, 北京 100049
摘要: 基于脱钩理论,选取工业SO2和工业烟粉尘,对2003—2014年间吉林省9个地市州工业增长与工业大气污染关系展开研究,分析大气污染脱钩状态的时空演变、影响因素及未来变化趋势。结果表明:吉林省两种工业大气污染物均以绝对脱钩为主。根据大气污染脱钩状态变化情况,将9个地市州划分为4种类型。两种工业大气污染脱钩状态空间演变趋势并不一致,研究期内工业SO2扩张性负脱钩状态经历中部集聚—周边扩散—中部集聚—扩散的变化,工业烟粉尘扩张性负脱钩状态逐渐由中部向东部扩展。工业大气污染脱钩弹性系数分解结果显示不同城市制约工业大气污染脱钩状态的提升的因素有所差异。Hurst指数计算结果表明,未来吉林省大部分地区工业SO2脱钩弹性系数呈下降态势,工业烟粉尘脱钩弹性系数变化分异较为明显。
关键词: 工业大气污染     脱钩关系     时空演变     Hurst指数     吉林省    
Spatial-temporal evolution characteristics of decoupling relationship between industrial growth and industrial atmospheric pollution in Jilin Province
REN Jiamin1,2, MA Yanji1     
1. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 13010;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: In this study, the industrial SO2 emission and soot (dust) emission were selected as two indicators of atmospheric pollution, and the space and time patterns of the decoupling relationship between industrial growth and atmospheric pollution from 2003 to 2014 in Jilin Province were evaluated based on decoupling theory. Then, a new decoupling causality chain was established to analyze the change of decoupling indexes. Finally, the evolutionary characteristic of decoupling indexes was analyzed by adopting R/S method. Conclusions are drawn as follows. During the period from 2003 to 2014, decoupling of the emission of SO2 and soot (dust) from industrial growth mainly belonged to absolute decoupling, and the proportion of absolute decoupling of industrial soot (dust) was higher than that of industrial SO2. Based on the changes of decoupling level, we divided the 9 (prefectural) cities in Jilin Province into 4 groups. The spatial evolutions of decoupling state for the two kinds of industrial pollution were different. The decoupling state in the middle of Jilin Province changed more. For soot (dust), the state of expansive negative decoupling graduately expanded toward the east from the middle, and the stress of atmospheric pollution caused by soot (dust) mainly concentrated in cities around Changchun and Songyuan. Decomposition results of decoupling indexes showed that the constraints on decoupling level improvement were different in different cities. Hurst components showed that the decoupling elasticities of industrial SO2 would decrease and the decoupling elasticities of industrial soot (dust) in different cities showed different variation trends in the meantime.
Keywords: industrial atmospheric pollution     decoupling relationship     spatial-temporal evolution     Hurst exponent     Jilin Province    

改革开放以来,中国经济建设取得了举世瞩目的成就,但与此同时,经济发展对生态环境造成的压力却逐渐增大[1],环境污染尤其是大气污染形势愈发严峻,日益呈现出区域性、复合性的新特点[2-3],给人们健康带来强烈的负面影响[4-5]。作为国民经济的重要组成部分,工业主要通过化石能源的大量消耗,向空气中排放硫氧化物、氮氧化物及颗粒物等工业废气,而这正是造成中国大气污染的主要原因之一[6]。当前中国仍处在由工业化中期向工业化后期过渡发展阶段[7],如何在继续推进工业化进程并保证工业增长的前提下,降低工业增长对大气环境的影响,实现经济发展方式的转变成为亟待解决的关键问题。早在20世纪90年代,Grossman和Kruger[8]便以北美自由贸易区国家为例对环境退化与人均收入关系展开研究。1993年,Panayotou[9]首次提出环境库兹涅茨曲线(EKC)这一概念,随后被广泛应用到各地区实证研究中去。但受数据来源、计量模型选择及估计技术的影响,采用EKC模型所得结论存在不一致现象[10],不利于地区经济发展与生态环境关系的判断。

脱钩最早起源于物理学领域,后被广泛应用于资源环境方面的相关研究[11-13]。OECD将其界定为打破环境负荷与经济发展的关联[14]。脱钩理论较好地解释了经济发展与资源环境负荷变化的同步性,能够有效识别二者之间矛盾关系演化的具体阶段及实时动态信息[15]。目前,已有学者利用脱钩模型对工业增长与大气污染关系进行了相应研究,如马丽等[16]对东北地区工业产值与工业SO2排放的脱钩关系及空间格局开展研究,程钰等[17]对山东省工业经济增长的大气环境污染变化趋势进行研究,于忠华等[18]对南京市大气污染减排环境绩效进行研究。

吉林省是中国重要的老工业基地,为新中国工业发展做出了巨大的贡献。为贯彻可持续发展战略,自2001年吉林省便提出生态省建设目标,大力发展生态环保型经济,优化产业结构,推动经济发展方式转变,但仍存在资源环境效率较低情况[19]。当前,吉林省大气污染为工业源主导型[20],而老工业基地振兴的内在要求决定其未来经济发展仍要依靠工业增长带动,如何协调工业增长与大气环境关系是吉林省面临的重要挑战。目前已有学者利用EKC模型对吉林省经济增长与大气污染关系展开实证研究[21-22],但从脱钩视角对全省工业增长及工业大气污染关系的时空演变及内部差异的研究尚需深入。同时,现有关于工业增长及大气污染间脱钩关系的研究较少涉及未来脱钩关系变化趋势的分析。在全面振兴东北老工业基地及工业绿色转型发展背景下,科学认知二者关系的时空演变特征及未来变化趋势,判断其所处发展阶段,具有重要的理论及现实意义。本文基于脱钩理论对2003—2014年间吉林省工业增长与工业大气污染关系的时空演变特征进行分析,在此基础上构造脱钩指数分解模型对影响各地市州脱钩关系变化的影响因素展开研究,最后利用Hurst指数揭示未来各地市州工业大气污染脱钩状态变化趋势,以期为未来吉林省工业大气污染减排及污染防控提供相应的决策依据。

1 研究区概况、方法及数据来源 1.1 研究区介绍

吉林省位于中国东北地区中部,地跨东经121°38′~131°19′、北纬40°50′~46°19′,全省总面积18.74万km2,占全国总面积1.95%。吉林省现辖1个副省级市长春,和吉林、四平等7个地级市及延边朝鲜族自治州,区内具有良好的生态环境及资源本底优势,2014年全省森林覆盖率高达40.38%,远高于全国平均水平。2003年振兴东北地区等老工业基地战略的实施,为吉林省注入了新的发展活力,2014年全省GDP达13 803.81亿元,占全国总量的2.16%,较2003年上升0.22%。虽然吉林省经济社会建设取得了一系列的成就,但工业重型化特点依旧突出,以传统的高能耗、高污染、高排放为主体的产业结构并未得到根本改变。2014年全省大气污染密集型产业比重达15.95%,较2003年的11.70%有所提升,同时能源消费结构仍以煤品燃料为主。2014年全省工业源SO2排放31.97万t,占排放总量的85.87%,所占比重较2003年上升15.18%;工业源烟粉尘排放36.80万t,占排放总量的77.46%,与2003年相比下降并不明显。整体来看,吉林省大气污染仍以工业源为主,工业大气污染对生态环境胁迫仍然较大。

1.2 研究方法 1.2.1 赫芬代尔指数

赫芬代尔指数是研究企业规模集中程度时常用的计算方法[23],本文运用该指数对吉林省工业及大气污染集中程度进行测度,计算公式如下

$ H = \sum\limits_{i = 1}^N {h_i^2} = {\sum\limits_{i = 1}^N {(\frac{{{X_i}}}{X})} ^2}, $ (1)

式中:Xi代表各地区工业增加值及大气污染物排放量;X代表吉林省整体水平;H值范围在[1/N, 1]之间。H值越接近1表明区域内集聚水平越高,区域差异越明显;H值越接近1/N表明区域内集聚水平低。

1.2.2 脱钩指数

目前,常用的脱钩指数测算方法主要有3种,即OECD脱钩因子、Tapio脱钩弹性系数[24]及IGT脱钩指数测算方程[25].其中Tapio脱钩法因其对脱钩状态的划分更加细致,被广泛应用。本文采用Tapio脱钩法对吉林省工业增长与大气污染脱钩状态进行测度,具体公式如下

$ D = \frac{{\% \Delta E}}{{\% \Delta {\text{IND}}}}{\text{ = }}\frac{{({E_{t + 1}} - {E_t})/{E_t}}}{{{\text{(IN}}{{\text{D}}_{t + 1}} - {\text{IN}}{{\text{D}}_t})/{\text{IN}}{{\text{D}}_t}}} $ (2)

式中:%ΔE、%ΔIND分别代表大气污染排放及工业增加值的变化速率;Et+1Et为末期及初期的大气污染排放量;INDt+1、INDt为末期及初期的工业增加值,D为脱钩指数。根据脱钩定义,可以得知当环境污染变化速率慢于经济增长速度时,二者之间呈脱钩状态;当环境污染变化速率快于经济增长速率时,二者之间为负脱钩状态。根据环境污染及经济增长速率变化情况,脱钩状态可以进一步分为绝对脱钩、相对脱钩、衰退性脱钩3种类型,负脱钩可以分为扩张性负脱钩、强负脱钩、扩张性负脱钩3种类型(图 1)。

Download:
图 1 工业增长与大气污染脱钩程度判定标准 Fig. 1 Criteria of decoupling degrees between industrial growth and atmospheric pollution

其中,绝对脱钩为工业发展最理想状态,即工业增长并不会导致大气污染排放的增加,该地区工业具有极强的可持续发展能力;相对脱钩指地区工业增长虽然导致大气污染排放的增加,但工业增速明显高于大气污染排放增速。为更好地判断工业大气污染脱钩状态,参考盖美等[26]研究,进一步将相对脱钩划分为Ⅰ~Ⅳ共4种状态;扩张性负脱钩是大气污染排放增速远高于工业增速的不可持续状态,区内大气污染胁迫较为严重;强负脱钩、弱负脱钩、衰退脱钩分别为区域工业出现衰退情况下(ΔIND<0), 大气污染物排放表现出增加、降低速率低于工业衰退速率、降低速率高于工业衰退速率的情况,其中强负脱钩为工业发展的最差情景,区内工业发展与环境污染问题并重。

1.2.3 脱钩稳定性指数

引入脱钩稳定性指数[27],测算研究期内各地市州工业大气污染脱钩状态波动情况,具体公式如下

$ {S_{\rm{D}}} = \frac{1}{n}|\frac{{{x_{i + 1}} - {x_i}}}{{{x_i}}}|. $ (3)

式中:i=1, 2, 3…, nn为样本数;xi为第i期的脱钩弹性系数;SD为脱钩稳定性指数;SD值越小表明脱钩稳定性越强。

1.2.4 脱钩指数分解及影响力评价

利用恒等式构建脱钩因果链,将工业大气污染脱钩弹性分解为末端治理及清洁生产脱钩因子[28],探究吉林省工业大气污染脱钩状态变化原因。

$ D = \frac{{\% \Delta E}}{{\% \Delta {\rm{IND}}}} = \frac{{\% \Delta E}}{{\% \Delta E'}} \cdot \frac{{\% \Delta E'}}{{\% \Delta {\rm{IND}}}} = \alpha \cdot \beta . $ (4)

式中:%ΔE、%ΔIND含义与前文相同;αβ分别表征末端治理及清洁生产脱钩因子。清洁生产脱钩判断标准与前文相同,绝对脱钩是最理想状态;末端治理脱钩判断标准有所不同,当大气污染产生量及排放量均减少且污染排放量的下降幅度更大时达到理想状态。参照卢强等[29]的研究,将末端治理脱钩弹性判定标准依次设定为扩张性绝对脱钩、扩张性相对脱钩、扩张性负脱钩、强负脱钩、协同性弱脱钩、协同性绝对脱钩。

进一步利用脱钩影响力函数[30]分析脱钩因子影响力大小:

$ I = \left\{ \begin{array}{l} - {\log _{\alpha \beta }}{D_i}, \alpha \cdot \beta > 1\\ {\log _{\alpha \beta }}{D_i}, 0 < \alpha \cdot \beta < 1 \end{array} \right.. $ (5)

式中:αβ相乘之积为对数函数底数;Di为各生产环节脱钩值。由于对数函数性质,计算时并不考虑大气污染绝对脱钩(D<0)及各生产环节脱钩值Di小于0的情况。

1.2.5 Hurst指数

R/S分析是对非线性时间序列进行分析的基本方法,本文引入基于R/S分析法的Hurst指数,对吉林省各地市州工业大气污染脱钩状态的演化趋势进行判断,其基本原理[31]如下

$ \frac{{R(\tau )}}{{S(\tau )}} \buildrel \Delta \over = \frac{R}{S}. $ (6)

式中:R(τ)、S(τ)分别为给定的时间序列增量{ξ(t)}的极差和标准离差;t=1, 2, …,代表观测时刻;τ=1, 2, …,表示时滞。若存在R/SτH,则表明该时间序列存在Hurst现象,Hurst指数可以通过最小二乘法进行模拟。根据Hurst长期理论分析和实验模拟,理想状态下H值通常为0.5,当0<H<0.5时,表明该时间序列具有反持续性,未来变化与现阶段状态呈负相关;当H=0.5时,时间序列为随机序列,未来变化与现阶段状态具有不相关性;当0.5<H<1时,未来变化与现阶段状态呈正相关,时间序列具有持续性。

1.3 数据来源

本文以吉林省9个地市州为研究单元,选取工业增加值表征工业增长水平(为消除价格影响,以2003年为基期,折算成不变价);工业生产过程中产生的大气污染物种类较多,常见的有SO2、烟粉尘、氮氧化物、碳氧化物等,考虑到数据的连续性及可获得性,选取工业SO2、工业烟粉尘排放量表征大气污染状况。文中数据来源于历年《中国区域经济统计年鉴》、《中国城市统计年鉴》、《吉林统计年鉴》。

2 研究结果与分析 2.1 吉林省工业增长及大气污染状况

以2003年为基期(2003=100),得到吉林省工业及两种大气污染物排放变化趋势,并与全国同期水平进行比较,结果如图 2所示。

Download:
Ⅰ吉林省工业增加值; Ⅱ全国工业增加值; Ⅲ吉林省工业SO2排放量; Ⅳ吉林省工业烟粉尘排放量;Ⅴ全国工业SO2排放量;Ⅵ全国工业烟粉尘排放量。 图 2 2003—2014年吉林省工业增长(a)和大气污染物排放(b)的变化情况 Fig. 2 Trends of industrial growth (a) and atmospheric pollution (b) in Jilin Province from 2003 to 2014

研究期内,吉林省与全国工业增加值均呈正向增长态势,但吉林省工业增长幅度明显更高。研究期内除2004—2005年及2013—2014年外,吉林省工业增速均高于全国水平,且年均增长率达15.47%(按可比价格计算)。两种大气污染物排放变化则有所不同,从全国层面看2014年工业SO2及工业烟粉尘排放量均较2003年有所下降,而研究期内吉林省两种大气污染物均呈增长态势。其中工业SO2排放量增加最多,2014年较2003年增长69.31%;工业烟粉尘排放量波动性更强,2005—2012年间大幅下降,随后排放量开始回升,2014年较2003年增长31.61%。总体来看,研究期内吉林省工业的快速增长并未带来同等幅度工业大气污染物排放的增加,工业增长幅度更高,但吉林省工业大气污染排放对生态环境造成压力逐渐增大。

采用赫芬代尔指数计算工业及两种工业大气污染物排放的空间集聚程度,结果如图 3所示。研究期内赫芬代尔指数介于[0.13, 0.30]之间,表明吉林省工业及工业大气污染存在聚集情况,但聚集性分布呈相对均衡态势。具体来看,工业聚集程度高于两种工业大气污染聚集程度,而工业SO2与工业烟粉尘污染聚集程度相差不大,随着时间推移工业与工业污染聚集程度差异有所降低。从变化趋势看,研究期内工业及两种污染物赫芬代尔指数变化趋势有所不同,但相对均衡态势并未改变。工业聚集指数逐渐降低,由2003年的0.291 0下降至2014年的0.220 4。与之相反,工业SO2及工业烟粉尘聚集指数总体略有升高,赫芬代尔指数均于2010年达到峰值。较工业烟粉尘而言,工业SO2聚集程度波动更大,2010—2011年间工业SO2聚集程度短暂超过工业聚集程度。

Download:
图 3 吉林省工业及大气污染集聚程度测算结果 Fig. 3 Calculated results of industrial and atmospheric pollution agglomeration degrees in Jilin Province
2.2 吉林省工业增长与工业大气污染脱钩关系时空演变 2.2.1 脱钩关系时间变化特征

为揭示东北振兴计划实施以来吉林省各地市州工业增长与工业大气污染脱钩状态变化趋势,将研究期划分为11个时间段,计算每一时间段内两种工业大气污染物脱钩弹性系数(表 1)。

表 1 吉林省各地市州工业大气污染脱钩指数测算结果 Table 1 The decoupling indexes of industrial growth and industrial atmospheric pollution in Jilin Province

由于2003年后吉林省各地市州工业均呈增长态势(ΔIND>0),因此研究期内工业大气污染脱钩状态仅包含绝对脱钩、相对脱钩及扩张性负脱钩3类。在此情形下,D值越小表示工业大气污染压力越小。由表 1可知,T1~T11期间吉林省两种工业大气污染物脱钩状态均以绝对脱钩为主,工业SO2及工业烟粉尘分别有41.67%、54.55%时期处于绝对脱钩状态,同时相对脱钩以Ⅰ型、Ⅱ型为主(D<0.5),表明东北振兴以来吉林省工业增长并没有带动工业大气污染产生相同幅度的增长,但工业增长对大气环境产生的压力一直存在,T1~T2期间大气环境压力最高,T5~T7期间大气环境压力最小。分类来看,工业SO2绝对脱钩状态多出现在T5~T6T10~T11时期,T1~T2T8时期以扩张性负脱钩为主,脱钩状态呈“N”型波动;工业烟粉尘绝对脱钩状态多分布在T3~T9时期,而扩张性负脱钩状态多出现在T5~T6T10~T11时期,脱钩状态先升高后降低。综合来看,T1~T11期间各地市州工业增长带来的SO2排放对大气环境压力反复性较强,总体降低;工业烟粉尘排放对大气环境压力先减小后增大。

进一步计算研究期内各地市州工业SO2及工业烟粉尘脱钩稳定性指数,结果如图 4所示。

Download:
图 4 吉林省工业大气污染脱钩稳定性 Fig. 4 The decoupling stability of industrial atmospheric pollution in Jilin Province

研究期内,长春、吉林两市除吉林市工业烟粉尘脱钩状态波动下降外,其余大气污染脱钩状态呈波动向好态势,但研究期内两市大气污染3种脱钩状态变化较为频繁,属于脱钩稳定性较差类别。四平、辽源、通化、白山、白城等5个地市属于脱钩稳定性较好类型,脱钩状态连续性更强,但工业SO2及工业烟粉尘脱钩状态变化趋势相反。研究期内各地市工业SO2脱钩状均态波动向好,其中四平自T5时期后脱钩状态变维持在绝对脱钩水平;而工业烟粉尘脱钩状态则呈波动下降态势,其中辽源市下降最为明显。其余地区各有一种工业大气污染物脱钩稳定性较差,其中松原市工业烟粉尘脱钩稳定性较差,脱钩状态波动向好;延边州工业SO2脱钩稳定性较差,脱钩状态在扩张性负脱钩与绝对脱钩之间反复。总体来看,研究期内两种工业大气污染物脱钩状态变化均处于相对稳定状态的地市所占数量较多。

2.2.2 脱钩关系空间演变特征

利用ArcGIS对研究期内各地市州工业大气污染脱钩状态进行空间表达(图 5)。图 5列出T1T11时期吉林省工业大气污染脱钩状态空间分布情况。

Download:
图 5 吉林省工业SO2(a、b)及工业烟粉尘(c、d)脱钩空间分布 Fig. 5 Spatial distributions of decoupling indexes of industrial SO2(a, b) and industrial soot (dust) (c, d) in Jilin Province

T1时期吉林省工业大气污染处于绝对脱钩的地区较少,绝大多数地区处于扩张性负脱钩状态,该阶段工业增长对大气环境造成的压力较大,各地区中又以吉林省中部的吉林、辽源及东部的通化、白山最为严重。进入T2时期,工业SO2扩张性负脱钩状态开始由中部向两侧扩张,辽源、白山两市脱钩状态有所好转,呈相对脱钩Ⅰ状态;工业烟粉尘扩张性负脱钩开始向中部地区集聚,并在外围出现绝对脱钩状态。该时期吉林省中部地区的大气环境压力仍然较大。T2时期后,各地区工业大气污染脱钩状态逐渐好转,并于T5时期达到最优,该时期各地区均实现工业SO2绝对脱钩;除中部地区的长春及西部的白城外,其余地区也均实现工业烟粉尘绝对脱钩。T5时期后,各地区工业大气污染脱钩状态开始反弹,T8时期大气环境压力达到了一个新的高峰,中部地区仍然是工业大气污染环境压力较高区域。随后,各地区工业SO2排放压力逐渐减小,扩张性负脱钩状态地区逐渐西移,T11时期绝大部分地区重新达到绝对脱钩状态;而伴随着工业烟粉尘脱钩状态的波动变化,扩张性负脱钩状态区域也发生变化,逐渐呈现由中部向东扩张态势,T11时期工业烟粉尘对大气环境压力达到最高峰。总体来看,两种工业大气污染物脱钩状态空间变化有所差异,吉林省中部地区脱钩状态反复性较强。

2.3 脱钩状态变化影响因素分析

根据脱钩指数分解模型计算得到研究期内各地市州两种大气污染物的末端治理及清洁生产脱钩因子,图 6给出两种类型脱钩因子不同脱钩状态所占时期比重情况。

Download:
A:扩张性负脱钩; B:扩张性绝对脱钩; C:扩张性相对脱钩; D:协同性相对脱钩; E:协同性绝对脱钩; F:强负脱钩; G:相对脱钩; H:绝对脱钩; 1:工业SO2; 2:工业烟粉尘。 图 6 吉林省末端治理(a)及清洁生产(b)脱钩弹性系数计算结果 Fig. 6 Calculated results of end-of-pipe (a) and cleaner production (b) decoupling indexes in Jilin Province

工业SO2末端治理脱钩状态以扩张性脱钩为主,占总时期的72.63%,研究期内吉林省各地市州工业SO2产生量仍以增长为主。其中扩张性负脱钩状态出现频次略高于其他两种扩张性脱钩状态,并主要分布于T2~T3时期。研究期内仅辽源市未出现协同性绝对脱钩状态,白山市出现次数最多,表明白山市工业SO2末端治理能力最优。同工业SO2相比,工业烟粉尘扩张性脱钩状态所占比重仅为57.14%,研究期内工业烟粉尘产生量的增长控制较好。强负脱钩及扩张性负脱钩主要分布在T1T11时期,协同性绝对脱钩及扩张性绝对脱钩主要分布在T3~T9时期,烟粉尘末端治理能力波动较为明显。

就清洁生产脱钩状态而言,吉林省工业SO2脱钩状态以相对脱钩为主,占比达46.31%,远高于绝对脱钩及扩张性负脱钩状态所占比重。其中扩张性负脱钩状态分布在T1~T3T7~T11时期,工业SO2清洁生产能力先升高后降低。工业烟粉尘脱钩状态分异较为明显,脱钩状态以扩张性负脱钩及绝对脱钩为主,所占时期比重之和达79.59%。自T2时期后两种脱钩状态开始交替出现,由T1时期的以绝对脱钩为主演变为T11时期的扩张性负脱钩为主,工业烟粉尘清洁生产能力波动下降。

由上述分析可知,不同时期造成工业大气污染脱钩状态变化因素有所差异,进一步利用脱钩影响力函数分析造成大气污染扩张性负脱钩及相对脱钩影响因素。根据计算结果,两种工业大气污染物末端治理脱钩因子以负向影响为主,清洁生产脱钩因子多呈正向影响,分布时期有所不同。研究期内长春、吉林两市两种工业大气污染物末端治理脱钩影响力均由负变正,逐渐取代清洁生产成为脱钩变化的主要影响因素,清洁生产逐渐成为制约长吉两市工业大气污染脱钩状态提升的主要原因。对于四平、辽源、通化、白山、白城而言,工业SO2脱钩状态的提升均与末端治理脱钩状态明显改善有关,末端治理脱钩逐渐呈正向影响;而工业烟粉尘与之相反,末端治理能力下降是造成脱钩状态下降的主要原因。松原市工业SO2脱钩状态的下降与清洁生产能力下降有关,工业烟粉尘脱钩状态下降属于末端治理能力下降带动型。延边州工业SO2脱钩状态的下降主要与末端治理能力下降有关,而制约工业烟粉尘脱钩状态提升的主要原因为清洁生产能力的下降。

2.4 脱钩状态变化趋势分析

表 2给出基于Matlab计算得到的吉林省各地市州工业大气污染脱钩弹性系数演变趋势的Hurst指数。

表 2 吉林省脱钩指数演变的Hurst指数 Table 2 Hurst exponents for the evolutions of decoupling indexes in Jilin Province

就工业SO2脱钩弹性系数演变趋势而言,9个地市H值均大于0.5,表明这些地区脱钩弹性系数演变长期相关,具有一定的持续性。其中H值介于0.5~0.6之间的地区最多,长春、吉林、白山、松原、白城、延边州均属该种情况,除松原呈脱钩状态呈弱下降趋势外,其余地区均呈弱上升态势即维持绝对脱钩状态。四平、辽源两市H值介于0.6~0.7之间,脱钩弹性系数变化持续性略高,未来两市脱钩状态将逐渐提升。通化市H值最高,脱钩弹性系数变化持续性最强,未来脱钩弹性系数呈下降趋势,脱钩状态同样呈提升态势。

就工业烟粉尘脱钩弹性系数演变趋势而言,9个地市州仅有吉林、通化、延边州H值小于0.5,未来脱钩弹性系数演变具有反持续性,脱钩弹性系数呈弱减小趋势,脱钩状态有所提升,但同时因为其H值接近0.5,所以这种反持续性相对较弱。其余6个地市州H值均大于0.5,该地区未来工业烟粉尘脱钩弹性系数的演变与过去状态呈正相关。其中长春、四平、松原H值介于0.5~0.6之间,长春、松原脱钩状态未来呈弱提升态势,四平呈弱下降趋势。H值在0.6~0.7之间的有辽源、白山、白城3市,脱钩状态变化持续性相对较强,未来该地区烟粉尘脱钩状态仍将呈下降趋势。

3 结论与讨论

基于脱钩理论,综合运用Tapio脱钩法、脱钩稳定性指数、脱钩指数分解、Hurst指数等多种方法,分析吉林省9个地市州工业增长及大气污染脱钩关系的时空演变特征及脱钩关系变化影响因素,并对未来各地市州大气污染脱钩状态变化趋势进行研究,得到以下主要结论:

1) 2003年以来,吉林省工业的高速增长并未带来同等规模工业大气污染排放,但其对大气环境造成的压力逐渐增大。期内工业SO2排放量增加最多,工业烟粉尘排放波动性较强;赫芬代尔指数显示工业聚集程度高于两种工业大气污染聚集程度,工业SO2与工业烟粉尘污染聚集程度相差不大,随着时间推移工业与工业污染聚集程度差异有所降低,整体来看,工业经济及两种工业大气污染物空间上呈相对均衡的聚集态势。

2) 研究期内两种工业大气污染物脱钩状态变化趋势有所不同,工业烟粉尘脱钩状态2010年前明显优于工业SO2脱钩状态,但随后出现显著下降。脱钩稳定性结果显示,长吉地区属于脱钩稳定性较差地区,脱钩状态反复较为明显。从脱钩状态空间格局变化来看,两种工业大气污染物间同样存在差异。总体来看,研究期内吉林省中部地区工业大气污染脱钩状态变化反复性较强,期末中部地区的核心城市长春、吉林两市工业SO2呈绝对脱钩状态,相反在长吉地区外围的松原、辽源、通化地区,工业SO2排放对大气环境造成的压力逐渐提升;工业烟粉尘扩张性负脱钩状态逐渐呈现由中部向东扩张态势,长春及松原两市外围工业烟粉尘排放对大气环境造成的压力逐渐增加。

3) 不同地市州造成工业大气污染脱钩状态变化的主要因素有所差异。清洁生产逐渐成为限制长吉两市脱钩状态提升的主要限制因素;对于四平、辽源、通化、白山、白城而言,工业SO2脱钩状态的提升主要与末端治理能力提升有关,但末端治理能力制约了工业烟粉尘脱钩状态的提升;松原市工业SO2脱钩状态的下降与清洁生产能力下降有关,工业烟粉尘脱钩状态下降属于末端治理能力下降带动型,延边州与之相反。Hurst指数计算结果显示,未来吉林省各地市州工业SO2脱钩状态主要呈提升态势,而工业烟粉尘脱钩状态下降地市仍占很大比重。

经济活动产生环境影响的同时,环境要素与环境问题开始成为重塑经济活动空间组织的重要力量[32]。未来吉林省实现工业增长与工业大气污染的稳定脱钩应采取以下措施:

1) 建立健全区域大气污染联防联控机制,以加大工业烟粉尘污染治理,抑制工业烟粉尘排放增加,强化工业SO2排放监控力度,防止工业SO2污染反复为总体目标。以工业大气污染脱钩状态变化类型区为依托,实施分区分类管理。将长吉地区为设为工业大气污染重点监管区,防止工业污染反复;四平、辽源、通化、白山、白城为工业烟粉尘污染重点控制区,工业SO2一般控制区;松原市为工业SO2污染重点控制区,工业烟粉尘污染重点监管区;延边州为工业烟粉尘污染重点控制区,工业SO2污染重点监管区。

2) 末端治理与清洁生产并重。首先对末端治理能力较低地区,应加大对大气污染处理设施及技术投入,提升火电、水泥等行业工业大气污染物尤其是工业烟粉尘末端治理能力,缩小地区间差距。同时,对以长春、吉林两市为代表地区积极引导重点行业企业对生产流程进行改造,推广清洁生产技术,由末端治理向源头预防转变,实现工业污染总量消减与污染强度控制的统一。

3) 进一步优化工业结构,加大传统产业如非金属矿物制品业、黑色金属冶炼及压延工业、化学原料及化学制品制造业、电力热力的生产和工业业改造,淘汰落后产能,严格控制高耗能、污染密集型项目建设,优化能源利用结构,大力发展绿色制造业,培育绿色新兴产业。调整优化产业布局,加强地区间产业联系,合理分工,推动工业绿色转型升级。

参考文献
[1]
Sun D Q, Zhang J X, Hu Y, et al. Spatial analysis of China's eco-environmental quality:1990-2010[J]. Journal of Geographical Sciences, 2013, 23(4): 695-709. DOI:10.1007/s11442-013-1038-2
[2]
蓝庆新, 陈超凡. 制度软化、公众认同对大气污染治理效率的影响[J]. 中国人口·资源与环境, 2015, 25(9): 145-152. DOI:10.3969/j.issn.1002-2104.2015.09.019
[3]
Wang Y, Lai N, Mao G Z, et al. Air pollutant emissions from economic sectors in China:A linkage analysis[J]. Ecological Indicators, 2017, 77: 250-260. DOI:10.1016/j.ecolind.2017.02.016
[4]
张淑平, 韩立建, 周伟奇, 等. 城市规模对大气污染物和NO2和PM2.5浓度的影响[J]. 生态学报, 2016, 36(16): 5049-5057.
[5]
韩明霞, 过孝民, 张衍燊. 城市大气污染的人力资本损失研究[J]. 中国环境科学, 2006, 26(4): 509-512. DOI:10.3321/j.issn:1000-6923.2006.04.028
[6]
赵其国, 黄国勤, 马艳芹. 中国生态环境状况与生态文明建设[J]. 生态学报, 2016, 36(19): 6328-6335.
[7]
张同斌, 宫婷. 中国工业化阶段变迁、技术进步与能源效率提升:基于时变参数状态空间模型的实证分析[J]. 资源科学, 2013, 35(9): 1772-1781.
[8]
Grossman G M, Krueger A B. Environmental impacts of a North American free trade agreement[R]. Cambridge: National Bureau Economic Research, 1991.
[9]
Panayotou T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. Geneva, International Labor Office, 1993.
[10]
周静, 杨桂山, 戴胡爽. 经济发展与环境退化的动态演进:环境库兹涅茨曲线研究进展[J]. 长江流域资源与环境, 2007, 16(4): 414-419. DOI:10.3969/j.issn.1004-8227.2007.04.003
[11]
Yu Y D, Zhou L, Zhou W J, et al. Decoupling environmental pressure from economic growth on city level:the case study of Chongqing in China[J]. Ecological Indicators, 2017, 75: 27-35. DOI:10.1016/j.ecolind.2016.12.027
[12]
刘艳军, 张婧. 城市拓展对资源消耗的影响程度分析:以长春市为例[J]. 地理科学, 2012, 32(9): 1093-1098.
[13]
易平, 方世明, 马春艳. 地质公园旅游经济增长与生态环境压力脱钩评价:以嵩山世界地质公园为例[J]. 自然资源学报, 2014, 29(8): 1282-1296.
[14]
OECD. Indicators to measure decoupling of environmental pressure from economic growth[EB/OL]. (2002-05-16)[2017-08-29].http://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?doclanguage=en&cote=sg/sd(2002)1/final.
[15]
夏勇, 钟茂初. 经济发展与环境污染脱钩理论及EKC假说的关系:兼论中国地级城市的脱钩划分[J]. 中国人口·资源与环境, 2016, 26(10): 8-16. DOI:10.3969/j.issn.1002-2104.2016.10.002
[16]
马丽, 张博, 杨宇. 东北地区产业发展与工业SO2排放的时空耦合效应研究[J]. 地理科学, 2016, 36(9): 1310-1319.
[17]
程钰, 徐成龙, 刘雷, 等. 1991-2011年山东省工业经济增长的大气污染效应及其时空格局:以SO2和粉尘为例[J]. 地理科学进展, 2013, 32(11): 1703-1711. DOI:10.11820/dlkxjz.2013.11.013
[18]
于忠华, 谢放尖, 李婉嫕, 等. 南京市大气污染减排多维度环境绩效评估[J]. 环境科学与技术, 2016, 39(7): 174-178.
[19]
王敏, 张晓平. 基于PCA-DEA模型的中国省际生态效率研究[J]. 中国科学院大学学报, 2015, 32(4): 520-527.
[20]
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]. 地理学报, 2016, 71(11): 1911-1925.
[21]
许清涛, 高标, 房骄. 吉林省经济增长与环境污染水平演进关系的实证研究[J]. 水土保持研究, 2013, 20(4): 258-267.
[22]
梁彩懿. 吉林省工业"三废"污染与经济发展的关系:基于EKC曲线[J]. 中国石油大学学报(社会科学版), 2014, 30(6): 26-30.
[23]
唐志鹏, 刘红光, 刘志高, 等. 经济地理学中的数量方法[M]. 北京: 气象出版社, 2012.
[24]
Tapio P. Towards a theory of decoupling:degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137-151. DOI:10.1016/j.tranpol.2005.01.001
[25]
Gao C K, Wang D, Cai J J, et al. Scenario analysis on economic growth and environmental load in China[J]. Procedia Environmental Sciences, 2010, 2(6): 1335-1343.
[26]
盖美, 胡杭爱, 柯丽娜. 长江三角洲地区资源环境与经济增长脱钩分析[J]. 自然资源学报, 2013, 28(2): 185-198.
[27]
齐静, 陈彬. 城市工业部门脱钩分析[J]. 中国人口·资源与环境, 2012, 22(8): 102-106. DOI:10.3969/j.issn.1002-2104.2012.08.016
[28]
郭付友, 佟连军, 魏强, 等. 松花江流域(吉林省段)产业系统生态效率时空分异特征与影响因素[J]. 地理研究, 2016, 35(8): 1483-1494.
[29]
卢强, 吴清华, 周永章, 等. 广东省工业绿色转型升级评价的研究[J]. 中国人口·资源与环境, 2013, 23(7): 34-41. DOI:10.3969/j.issn.1002-2104.2013.07.006
[30]
李忠民, 韩翠翠, 姚宇. 产业低碳化弹性脱钩因素影响力分析:以山西省建筑业为例[J]. 经济与管理, 2010, 24(9): 41-44.
[31]
陈彦光. 基于Matlab的地理数据分析[M]. 北京: 高等教育出版社, 2012.
[32]
贺灿飞, 周沂. 环境经济地理研究[M]. 北京: 科学出版社, 2016.