东北地区工业污染时空格局演变研究
  环境科学学报  2018, Vol. 38 Issue (5): 2108-2118
东北地区工业污染时空格局演变研究    [PDF全文]
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 130102;
2. 中国科学院大学, 北京 100049
摘要: 基于东北地区2003-2015年地市层面工业废水、工业SO2排放数据,采用标准差椭圆、地理集中度指数,从宏观及微观两个角度分析东北地区工业污染时空格局演变特征,并对工业发展与工业污染演变协同关系展开研究.结果表明,2003-2015年间东北地区两种工业污染排放量及占全国比重均有所提升,工业污染尤其是工业SO2污染对生态环境胁迫逐渐增大;标准差椭圆结果显示,工业污染在空间上均呈南(偏西)-北(偏东)方向分布,工业污染重心轨迹迁移存在相似性,工业SO2污染空间集聚程度高于工业废水;工业污染地理集中度显示,地市层面工业污染集聚情况呈南高北低的空间分布特征,研究期内工业污染集中度高值区分布范围明显收缩,空间特征得到强化;东北地区工业发展与工业污染空间形态演变存在相似性,空间形态上的差异逐渐减弱.分地区看,东北地区中部工业环境绩效最高,而工业污染集中度较低的北部工业环境绩效偏低,局部上表现出工业发展与工业污染变化不一致的特点.最后分析了工业及工业污染空间格局演变趋势及北部地区工业发展与工业污染变化不一致的原因.
关键词: 工业污染     时空演变     标准差椭圆     东北地区    
Studies on the spatiotemporal dynamics of industrial pollution in Northeast China
REN Jiamin1,2, MA Yanji1    
1. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102;
2. University of Chinese Academy of Sciences, Beijing 100049
Received 30 October 2017; received in revised from 16 March 2018; accepted 16 March 2018
Supported by the National Natural Science Foundation of China (No.41371135) and the Jilin Province Science and Technology Development Project (No.20140203027NY)
Biography: REN Jiamin(1993-), male, E-mail: renjiamin@iga.ac.cn
*Corresponding author: MA Yanji, E-mail:mayanji@iga.ac.cn
Abstract: As an important old industrial base, Northeast China has been facing challenges of environment protection. Based on statistics of industrial waste water and industrial SO2 of Northeast China from 2003 to 2015, this article analyzes the spatiotemporal dynamics of industrial pollution by using SDE model, geographical concentration index and investigates spatiotemporal consistency between industrial development and industrial pollution. The results indicate that 1industrial pollution, especially industrial SO2, put heavier pressure on environment, the share of industrial wastewater discharge and industrial SO2 emissions of Northeast China in national total showed an increasing trend 2the spatial distribution and evolution of industrial wastewater and SO2 were similar, concentrating in southern areas, and the spatial concentration of industrial SO2 was higher than that of industrial wastewater 3the spatial mismatch between industrial growth and industrial pollution were decreasing gradually, except for the northeast areas, where there were significant differences between industrial development and industrial pollution. Finally, we analyze the factors driving the spatiotemporal dynamics of industrial pollution in Northeast China, such as industrial development level, industrial structure and environmental expenditure. This study is helpful for understanding the spatiotemporal dynamics of industrial pollution and the connections between industrial growth and industrial pollution in Northeast China.
Key words: industrial pollution     spatiotemporal dynamics     standard deviation ellipse     Northeast China    
1 引言(Introduction)

改革开放以来, 我国经济经历了长期高速及超高速增长, 经济社会建设取得了巨大成就, 成为世界第二大经济体.但长期高速及超高速的经济增长严重透支了资源环境承载能力, 以工业企业生产为代表的生产活动带来生态破坏和环境污染, 在造成较大经济损失的同时, 严重威胁着公众的健康安全(陆大道, 2015; Sun et al., 2013;周沂等, 2014; Lu et al., 2017).

工业化主要通过消耗大量能源, 释放SO2、烟粉尘和废水等污染物对环境造成影响(杜雯翠等, 2014).随着全球化进程的不断深入, 工业活动区位竞争及资源要素的快速流动改变了经济活动和环境问题交互的空间尺度(贺灿飞等, 2016), 工业污染排放格局的变化日益受到学者们的关注.例如, 赵海霞等(2014)利用重心模型对泛长三角地区2000-2010年工业污染重心转移路径及演变规律进行了研究;胡志强等(2016)采用探索性空间分析方法, 从工业污染总量、污染强度两个方面刻画了2013年全国工业污染地理集聚特征.与此同时, 由于地区技术水平、产业结构、污染治理等方面存在差异, 经济总量与污染排放量间存在不完全协同、匹配的现象(李名升等, 2013), 二者间协同关系同样是学者关注的焦点.丁焕峰等(2009)利用重心模型测算了各省污染重心和经济重心的演变路径, 并阐述了二者之间的动态变化及空间联系;刘满凤等(2014)利用空间相关性模型对我国省域经济集聚度与污染集聚度之间的趋同关系进行检验.总体来看, 现有研究多采用重心分析及探索性空间分析方法对工业污染格局变化进行研究, 较少有学者从空间形态角度进行分析;同时, 针对工业发展与工业污染演变协同关系的研究多集中于微观视角, 缺乏宏观与微观视角的结合.此外, 已有研究多集中于全国尺度或长江三角洲等经济较为发达地区, 针对东北地区的研究相对较少.

东北地区是我国重要的老工业基地, 是全球范围内具有短时限人地关系高强度作用特征的典型地区之一, 近年来环境污染尤其是大气污染频发(宋玉祥, 2002杨婷等, 2017), 在新一轮东北振兴战略实施及“一带一路”建设背景下, 如何协调工业发展与生态环境之间关系将是全区面临的重要挑战.因此, 对东北地区工业污染时空演变特征及工业发展与工业污染演变间关系展开研究, 具有重要的理论及现实意义.本文选取工业废水及工业SO2排放量表征工业污染水平, 从宏观及微观两个层面探讨2003-2015年东北地区工业污染时空格局演变特征, 在此基础上分析工业发展与工业污染协同演变关系, 以期为未来东北地区工业绿色发展提供相应的参考依据.

2 研究区概况、方法及数据来源(Study area, methods and data) 2.1 研究区概况

东北地区包括辽宁、吉林、黑龙江三省及内蒙古自治区东部的“三市一盟”(赤峰市、通辽市、呼伦贝尔市和兴安盟), 区域土地面积共计126万km2, 占全国国土面积的13%, 是我国经济的重要增长极及生态安全屏障.截至2015年年末, 全区总人口约1.2亿人, 占全国人口总数的8.70%, GDP总量达63652.85亿元, 占全国的9.29%.长期以来, 东北地区产业结构重型化的特点依旧突出, 原材料产业比重仍高于全国平均水平, 工业发展对生态环境胁迫依然较大.以东北三省为例, 2015年工业源SO2排放共计145.24万t, 占SO2排放总量的81.23%, 较2003年上升4.64%;工业源废水排放15.83亿t, 占废水排放总量的29.56%, 较2003年有所下降, 但仍接近排放总量的1/3, 产业结构调整及工业污染防治刻不容缓.

2.2 研究方法 2.2.1 标准差椭圆

标准差椭圆(Standard deviational ellipse, SDE)最早由美国学者Lefever(1926)提出, 后经不断完善(Yuill, 1971; Gong, 2002), 逐渐应用到地理现象空间分布研究中.标准差椭圆具有中心性、展布性、密集性、方位及形状5个方面特征, 能够描述节点在各个方向上的离散情况, 反映节点空间组织的总体轮廓和主导方向分布(赵媛等, 2012赵作权, 2014刘晓婷等, 2016).重心(X, Y)、方位角(θ)、x轴标准差(σx)、y轴标准差(σy)的具体公式如下:

(1)
(2)
(3)
(4)
(5)
(6)
(7)

式中, xiyi为研究区内各行政单元的中心坐标;XY为重心坐标;θ为椭圆方位角, 即正北方向顺时针旋转到椭圆长轴所形成的夹角;分别为各研究单元中心坐标到重心的坐标偏差;σxσy分别为沿x轴和y轴的标准差.

2.2.2 地理集中度指数

参考刘满凤等(2016)的研究, 引入地理集中度指数, 通过测算单位面积要素分布情况, 反映该地区要素的空间聚集情况及其在全区的地位.具体公式如下:

(8)
(9)

式中, GDPii区域工业生产总值(亿元), POLi为地区工业废水或工业SO2排放量(万t), AREAi为地区行政区面积(km2), n为地区数量, IiPii地区工业及工业污染聚集度, IiPi值越大, 要素集聚水平越高.

2.3.3 工业环境绩效

环境绩效是衡量某一行业或地区创造单位价值产生的环境影响大小(UNESCAP, 2010).本文在UNESCAP提出的生态效率计算公式基础上, 考虑到我国已经跨越污染强度倒U型曲线高峰向污染排放倒U型高峰过渡阶段(陈劭锋等, 2010), 从工业污染及工业聚集度角度构建工业环境绩效指数Ei, 具体公式如下:

(10)

式中, IiPi含义同上;Ei取值范围为[0, +∞], Ei值越大表明区域工业环境绩效越低.当0 < Ei < 1时, 区域工业聚集程度高于工业污染聚集程度, 工业集聚呈正向效应, 环境绩效水平较高;当Ei>1时, 工业污染聚集程度高于工业聚集程度, 工业集聚呈负向效应, 环境绩效水平偏低.

2.3 数据来源

本文以东北地区38个地市州为研究基本单元(考虑到数据可获得性, 研究区不包含内蒙古兴安盟及黑龙江大兴安岭地区), 选取能较好表征工业污染的工业废水排放量、工业SO2排放量作为研究对象.文中数据主要来源于相应年份《中国城市统计年鉴》、《辽宁统计年鉴》、《吉林统计年鉴》、《黑龙江统计年鉴》、《内蒙古统计年鉴》.空间数据采用东北地区各地市州行政中心所在地地理坐标作为各地市州空间中心, 经纬度坐标通过Google map获取, 空间参考选用Albers等面积投影.

3 研究结果与分析(Results and analysis) 3.1 东北地区工业污染排放整体态势

以2003年为基期, 计算得到2003-2015年间东北地区工业废水及工业SO2排放变化态势(图 1a).从图 1a可以看出, 2003-2015年间东北地区两种工业污染排放变化态势存在较为明显差异.研究期内工业废水排放量于2005年达到峰值后开始大幅下降, 2009年降到最低值后呈波动增加态势, 2015年较2003年下降4.13%, 排放量较初期略有下降, 但较2009年增加8.14%.与工业废水相比, 工业SO2排放大致呈M型变化态势, 变化幅度也相对较大.2003-2015年间东北地区工业SO2分别于2006、2011年出现两次排放高峰, 2011年后工业SO2排放量逐渐下降, 末期排放量较初期增加43.59%.为更好地从宏观层面把握东北地区工业污染演变态势, 图 1b给出了研究期内东北地区工业污染排放占全国比重的变化情况.2003-2015年间东北地区两种工业污染排放量占全国比重均有所提升, 其中, 工业废水排放占全国比重先下降后升高, 由2003年的8.25%提升至2015年的8.41%, 较初期增加0.16%;工业SO2排放占全国比重总体呈持续增长的态势, 2015年所占比重较2003年提高4.32%, 达10.95%.

图 1 2003-2015年东北地区工业污染排放变化(a, 以2003年为100%)及占全国比重(b)情况 Fig. 1 Trends of industrial pollution emissions(a) and the proportion of China(b) in Northeast China from 2003 to 2015

工业污染是工业活动的副产品, 工业增长快慢在一定程度上影响着工业污染排放的规模.虽然2013年后东北地区受制于整体增长环境的恶化, 出现“新东北”现象, 工业增加值占全国比重明显下滑, 但整体来看, 东北地区工业增速高于两种工业污染排放增速, 反映出东北地区工业快速发展并没有带来同等幅度工业污染增加, 但工业污染排放量及占全国比重增加表明东北地区工业污染尤其是工业SO2污染形势日益严峻, 工业生产对生态环境造成的压力正逐渐增大.

3.2 东北地区工业污染时空演变分析 3.2.1 工业污染空间形态演变

基于ArcGIS空间统计模块计算得到2003-2015年东北地区工业废水及工业SO2污染的标准差椭圆(图 2)及相关参数.

图 2 2003-2015年东北地区工业废水(a)及工业SO2 (b)污染空间分布格局 Fig. 2 Spatial distribution patterns of industrial waste water(a), industrial SO2(b) in Northeast China from 2003 to 2015

从两种工业污染重心分布及迁移轨迹来看(图 3), 工业废水重心主要位于辽宁省铁岭市境内, 在124.02°~124.43°E、42.57°~42.99°N之间变动.从重心移动轨迹来看, 东北地区工业废水重心总体上向西南方向移动39.83 km, 其中, 2003-2005年重心向南迁移35.32 km;2005-2007年重心向西北方向迁移21.93 km;2007-2013年重心向东北方向移动44.67 km;2013-2015年重心向西南方向移动47.27 km.与工业废水相比, 工业SO2污染重心介于123.38°~124.08°E、42.94°~43.42°N之间, 主要在内蒙古自治区通辽市与辽宁省沈阳市、铁岭市交界处变化.研究期内工业SO2重心迁移轨迹同样可以划分为2003-2004年、2004-2005年、2005-2010年、2010-2014年4个阶段, 其中, 2005-2015年间工业SO2重心同样经历了东北-西南方向移动.与初期相比, 末期工业SO2重心垂直方向(南向)移动较小, 以西向移动为主, 重心逐渐由铁岭市迁移至沈阳市.

图 3 2003-2015年东北地区工业废水(a)及工业SO2 (b)重心迁移轨迹 Fig. 3 Trajectories of industrial pollution gravity in Northeast China from 2003 to 2015

从方位角变化趋势来看(图 4a), 研究期内两种工业污染方位角θ整体上均呈波动减小态势, 其中, 工业废水方位角θ变化波动性较大, 研究期内θ大致呈M型变化趋势, 末期较初期略有下降, 达到15.73°.与工业废水相比, 工业SO2方位角θ自2005年后基本呈减小态势, 2015年方位角θ为16.41°, 工业SO2偏转性更强.结合图 2可以看出, 研究期内, 东北地区工业污染空间上呈南(偏西)-东(偏北)方向分布, 但这种空间分布呈弱化态势, 东北地区西部对污染格局影响力逐渐强于东部.

图 4 2003-2015年东北地区工业污染标准差椭圆方位角(a)、形状(b)、面积(c)变化情况 Fig. 4 Change of the azimuth(a), shape(b) and area (c) of SDE in Northeast Chia from 2003 to 2005

图 4b进一步给出了2003-2015年间工业废水及工业SO2形状指数(短轴/长轴).从变化趋势看, 工业废水形状指数先增加后减小, 2010年达到峰值后开始下降, 研究期内形状指数略有增加;工业SO2形状指数自2005年后基本呈增加态势, 2015年形状指数达0.64, 两种工业污染标准差椭圆空间形态差异逐渐增大, 工业废水标准差椭圆空间分布上更为扁平.研究期内, 工业污染仍主要沿长轴方向分布, 但短轴方向工业污染尤其是工业SO2污染自2010年后出现较为明显的极化现象.从标准差椭圆面积来看(图 4c), 2005-2010年间两种工业污染标准差椭圆面积变化存在明显差异.其中, 工业废水标准差椭圆面积先减小后增加, 工业废水污染先集聚后扩散;而工业SO2标准差椭圆面积则波动增加, 工业SO2污染在长轴方向扩散较为明显, 2010年后两种工业污染空间上重新开始集聚, 工业SO2污染空间集聚程度重新高于工业废水集聚程度.

3.2.2 工业污染内部格局演变

根据式(8)计算东北地区各市(州)工业污染地理集中度, 利用ArcGIS自然间断点法将各年份地理集中度指数划分为5个等级(高、较高、中、低、较低), 结果如图 5所示.

图 5 2003、2015年东北地区工业废水(a1、a2)及工业SO2 (b1、b2)地理集中度 Fig. 5 Spatial distribution of industrial waste water(a1, a2) and industrial SO2(b1, b2) geographic concentration index in Northeast China in 2003 and 2015

从工业废水地理集中度来看:①2003年高污染聚集度类型仅包括大连市, 研究期内并无其它城市进入该类型, 同时大连市工业废水集聚程度波动增加, 2015年工业废水排放总量较2003年增加8.39%;②较高污染聚集度城市数量先减小后增加, 2003年该类型城市全部分布在辽宁省, 形成包括鞍山、本溪、辽阳、抚顺在内的团状分布, 2015年类型区城市数量增加至7个, 通化市进入该行列;③2003年, 中污染聚集度城市多分布在较高污染聚集度城市外围, 沈阳、锦州、丹东等8个城市属于该种类型, 研究期内, 该类型城市数量变化较小, 2015年共有9个城市属于该种类型;④2003年低污染聚集度城市主要分布在辽宁西部及吉林、黑龙江两省东部, 并在吉林、黑龙江两省东部形成带状分布, 共有11个城市属于该种类型.随着时间推移, 位于吉林、黑龙江两省东部的带状集聚区逐渐消失, 重新在吉林省中部及黑龙江西部形成新的集聚区, 2015年共有11个城市属于该类型;⑤较低污染聚集度城市数量有所下降, 2003年为15个, 2015年降至10个, 辽宁省并无该类型城市分布.

从工业SO2地理集中度来看:①2003年共有包括大连、鞍山、抚顺等8个城市属于高污染聚集类型, 在辽宁省呈倒Y型分布, 随着时间推移, 2015年高污染集聚类型区仍分布在辽宁省, 阜新、沈阳、盘锦取代朝阳、锦州、抚顺、本溪进入第一等级, 空间分布范围发生明显变化, 空间上在沈阳-大连一线聚集;②较高污染聚集类型城市数量有所增加, 2003年仅辽源、葫芦岛、沈阳三市属于该种类型, 2015年增加至5个, 分布在高污染聚集城市两侧;③中污染聚集类型区城市数量无变化, 2003、2015年都有8个城市, 与低污染类型区大致呈对称分布;④低污染类型区城市数量变化较为明显, 2003年有11个城市属于该类型区, 主要分布在东北地区东部, 2015年下降到4个城市, 仅大庆、松原、赤峰、通辽属于该类型;⑤较低污染集聚城市数量较多, 由2003年的6个城市增加至2015年的14个城市, 类型区分布范围也由以东北地区西北部为主向东逐渐扩散.

总体来看, 东北地区两种工业污染地理集中度空间上均呈南高北低态势, 且研究期内这一态势逐渐强化, 与前述工业污染空间形态变化一致.其中, 工业SO2地理集中度高值区分布范围更广, 工业SO2污染更加严重.从东北地区内部各工业污染差异来看, 两种工业污染地理集中度变异系数均波动增加, 区域间差异逐渐增大, 工业废水区域差异程度高于工业SO2.

3.3 东北地区工业污染与工业发展演变对比分析 3.3.1 基于标准差椭圆的空间形态对比

选取工业增加值表征地区工业发展水平, 利用标准差椭圆对东北地区工业发展与工业污染空间形态演变进行对比分析(图 6).由图 6可以看出, 工业标准差椭圆空间分布方向与两种工业污染具有一致性, 工业标准差椭圆空间分布同样呈逆时针转动(向正北方向靠拢).

图 6 2003、2015年工业与工业污染标准差椭圆对比 Fig. 6 Comparison of the SDE of industrial development and industrial pollution in 2003 and 2015

研究期内, 工业重心位于辽宁省铁岭市境内, 地理坐标介于工业废水及工业SO2之间, 随着时间推移, 工业SO2重心逐渐向工业重心靠拢, 二者间距离由47.87 km降至38.59 km, 而与工业废水重心间距离有所增加.从重心迁移轨迹来看, 工业重心总体上同样向西南方向移动, 工业污染在工业发展影响下进行转移.

进一步利用空间差异指数(赵璐等, 2014)对工业与工业污染标准差椭圆空间形态差异进行测算(表 1).总体来看, 研究期内东北地区工业与工业废水及工业SO2的空间差异指数呈阶段性变化特征, 2004年二者空间差异程度均达到最大, 随着东北地区工业标准差椭圆空间分布范围的扩大, 工业标准差椭圆与两种工业污染物标准差椭圆相交面积逐渐增大, 空间差异指数随后波动下降.从两种工业污染空间差异指数对比来看, 2010年后工业与工业废水空间形态上的差异远大于与工业SO2的空间差异.进一步结合标准差椭圆展布性来看, 研究期内工业标准差椭圆形状指数与两种工业污染差异逐渐减小.其中, 工业与工业废水标准差椭圆空间形态差异主要存在于长轴方向, 而与工业SO2标准差椭圆空间形态差异体现在短轴方向.总体来看, 研究期内工业与两种工业污染空间形态存在一定差异, 但三者在空间变化趋势上具有一致性.

表 1 东北地区工业与工业污染空间形态差异指数 Table 1 Index of spatial difference between industrial development and industrial pollutions in Northeast China
3.3.2 基于工业污染集中度-环境绩效的分析

根据公式(9)计算东北地区各地市(州)环境绩效, 为更好地分析工业污染变动背景下环境绩效是否同步变化, 将工业污染地理集中度与工业环境绩效指数作为两项基本参数进行分析(分别将高、较高污染集聚及低、较低污染集聚类型合并), 结果如图 7所示.研究期内, 东北地区工业污染-环境绩效格局变化较为明显.

图 7 2003、2015年东北地区工业污染-环境绩效(a.工业废水, b.工业SO2)空间分布 Fig. 7 Spatial distribution patterns of industrial pollutions-environmental performance (a.waste water, b.SO2) types in Northeast China in 2003 and 2015

就工业废水而言:①2003-2015年间高污染高绩效、中污染低绩效两种类型区城市数量有所增加.其中, 高污染高绩效类型区由2003年的仅鞍山市增加至2015年的4个, 进一步在辽宁省集聚;中污染低绩效类型区城市数量较2003年增加至7个城市, 从空间上看该类型区除进一步向辽宁省集聚并分布在高污染高绩效类型区外围外, 吉林、黑龙江两省也有分布, 形成局部集聚、总体分散的空间格局.②中污染高绩效、低污染低绩效类型区城市数量有所减少, 2015年两种类型区城市数量分别较2003年下降2个及4个.从空间分布上看, 中污染高绩效类型区逐渐向吉林省中部靠拢;低污染低绩效类型区分布范围收缩较为明显, 空间上逐步向东北地区北部集聚, 辽宁省朝阳市、吉林省延边州同样属于该类型区.③研究期内高污染低绩效、低污染高绩效类型区城市数量并未发生明显变化, 低污染高绩效类型区城市数量最多, 空间上略向西部移动.2015年除通化市替代抚顺市进入高污染低绩效类型区内外, 其余城市并未发生变化, 空间分布也基本未发生变化.

就工业SO2而言:①2003-2015年间低污染高绩效、高污染低绩效、中污染低绩效类型区城市数量有所增加, 其中, 低污染高绩效类型区城市数量增加最多, 2015年共有9个城市属于该类型, 空间上逐渐向吉林、黑龙江两省交界处靠拢, 形成较为明显的聚集区.高污染低绩效、中污染低绩效城市数量略有增加, 其中, 高污染低绩效类型区空间上向辽宁沿海地区转移, 中污染低绩效类型区分布在该类型区外围.②中污染高绩效、低污染低绩效类型区城市数量有所下降, 其中, 低污染低绩效类型区下降较多, 但城市数量所占比重仍然较高, 空间上形成了东北地区北部及西南部两个集聚区, 原来位于吉林省东部的集聚区消失.中污染高绩效类型区分布逐渐收缩, 形成长吉集聚区.③高污染高绩效类型区城市城市数量及空间分布基本未发生变化, 2003年仅沈阳、大连、鞍山三市属于该类型, 2015年辽源市替代鞍山市进入该类型区.

总体来看, 在工业及工业污染重心向西南方向移动及工业污染南高北低格局背景下, 东北地区南部尤其是辽宁沿海地区无论是工业废水还是工业SO2环境绩效均偏低;中部地区工业污染集聚度下降的同时环境绩效水平有所提升;北部地区虽然工业污染聚集水平保持较低, 但工业环境绩效仍然较差, 工业污染的转移并未提高该地工业环境绩效.

3.3.3 影响因素分析

由上述分析可知, 宏观上看工业发展与工业污染存在一定的协同关系, 工业及工业污染空间格局仍偏向西南地区, 但局部上二者间仍存在一定差异.首先对工业发展与工业污染协调演变原因进行分析.

研究期内大庆-长春-沈阳-大连四市主导的工业发展空间格局并未发生明显改变, 从工业发展速度来看, 西南地区工业增速明显快于其它地区, 如内蒙古的呼伦贝尔、通辽两市在东北地区工业发展整体不景气的情况下2015年仍能保持8%以上的增速.而黑龙江省近年来经济发展受外部环境影响较大, 工业增速趋于放缓, 各地市工业增速远落后于其它地区, 工业发展开始向西南方向转移.已有研究表明, 当工业增加值每增加1%, 工业相对污染密度增加0.847%(赵海霞, 2009), 工业增速较快的西部地区工业污染聚集程度也因此有所增加.此外, 过于重型化的工业结构容易给生态环境造成较大的胁迫, 整体上看研究期内辽宁、吉林、黑龙江三省及蒙东地区重工业变化明显不同, 吉林、黑龙江两省尤其是黑龙江省外加呼伦贝尔市重工业比重下降较为明显, 辽宁省重工业比重波动较增加, 重工业比重远高于吉林、黑龙江两省, 同时西南部的通辽、赤峰两市重工业发展较快, 重工业大幅提升, 由此可以看出, 重工业重心同样向西南方向移动, 在此影响下, 工业污染也朝向该方向转移.一般情况下, 区域环境治理投资比重越高, 环境规制能力越强, 更有利于控制工业污染的增长.从环保支出占GDP比重来看, 各地区之间存在较为明显的差异, 环保支出比重较高地区主要集中在吉林、黑龙江两省, 辽宁省各地市环保支出比重偏低, 大部分城市环保支出比重均低于0.5%, 环保投入严重滞后于自身经济发展水平, 较低的环境规制能力一定程度上促进了工业污染重心的转移.

随着工业发展与工业污染空间格局的演变, 东北地区北部出现了低污染低绩效类型区, 在局部上表现出变化不一致特征.北部地区如黑河、伊春、鹤岗等市多为衰退型资源型城市, 产业结构相对不合理.以双鸭山市为例, 双鸭山市属于衰退型的煤炭城市, 煤炭产业在城市经济发展中占据重要地位, 2015年为煤炭开采和洗选业仍占工业比重的38.49%.相对来说, 处于产业链底端的以原材料开采业为主导的低端产业更容易受外部发展环境的扰动, 2013年后随着工业产品市场出现萎缩, 双鸭山市经济下行压力逐渐增大, 2014年全市规模以上工业企业增加值下降更是达到49%, 是东北地区工业经济下滑最严重的地区.从产业结构来看, 除煤炭开采和洗选业外, 电力热力的生产和供应业(17.58%)、农副食品加工业(17.04%)、黑色金属冶炼和压延工业(6.63%)、非金属矿物制品业(4.02%)产业比重较高, 高耗能、高污染产业比重较高.在以重工业为主的工业结构背景下, 全市能源消耗以原煤为主, 资源利用能力偏低, 2011-2015年间工业增加值累计能耗下降率为负, 2013年后单位工业增加值能耗均呈上升态势.综合来看, 产业结构的不合理在制约工业经济发展的同时造成了工业环境绩效偏低的情况.

4 结论(Conclusions)

1) 研究期内东北地区工业废水及工业SO2排放量变化态势存在明显差异, 但两种工业污染排放量占全国比重均有所提升.与工业增加值增速相比, 东北地区工业发展并未带来同等程度工业污染的增加, 但工业污染尤其是工业SO2污染对生态环境造成的胁迫逐渐增加.

2) 从空间形态来看, 两种工业污染空间上均呈南(偏西)-北(偏东)方向分布, 工业污染重心迁移轨迹存在相似性.研究期内工业污染主要沿长轴方向分布, 但随着时间推移来自短轴方向的污染逐渐增加, 工业SO2空间集聚程度高于工业废水集聚程度.从工业污染地理集中度来看, 两种工业污染空间上均呈现南高北低态势, 研究期内这一空间特征逐渐强化.

3) 宏观上看, 研究期内工业发展与工业污染空间形态演变存在一致性, 随着时间推移空间形态差异逐渐减弱.工业与工业废水空间形态上的差异远大于与工业SO2的空间差异, 工业发展与工业废水空间差异主要体现在长轴方向上, 而与工业SO2空间形态差异在短轴方向上存在较为明显差异.微观层面, 东北地区北部存在着较为明显的工业发展与工业污染变动不一致现象.

4) 东北地区西南部城市工业的快速发展、过于重型化的产业结构及相对较低的环境规制能力带动了工业污染的转移, 而产业结构的不合理导致了东北地区北部城市工业发展与工业环境变化存在不一致性.未来东北地区工业污染防控总体上应以工业SO2为主, 同时加强对工业废水污染防控, 防治污染反复.实施分区分类管理, 长期来看应将监管重点放在高污染低绩效、低污染低绩效类型区, 短期内应优先解决高污染高绩效类型区环境污染问题.调整及优化产业结构, 控制高污染、高耗能行业比重, 淘汰落后产能, 推进清洁生产, 从根本上解决工业发展与生态环境之间的矛盾, 实现东北地区工业污染的总体调控.

参考文献
陈劭锋, 刘扬, 邹秀萍, 等. 2010. 1949年以来中国环境与发展关系的演变[J]. 中国人口·资源与环境, 2010, 20(2): 43–48.
丁焕峰, 李佩仪. 2009. 中国区域污染重心与经济重心的演变对比分析[J]. 经济地理, 2009, 29(10): 1629–1633.
杜雯翠, 朱松, 张平淡. 2014. 我国工业化与城市化进程对环境的影响及对策[J]. 财经问题研究, 2014(5): 22–29.
Gong J X. 2002. Clarifying the standard deviational ellipse[J]. Geographical Analysis, 34(2): 155–167. DOI:10.1111/gean.2002.34.issue-2
贺灿飞, 周沂. 2016. 环境经济地理研究[M]. 北京: 科学出版社.
胡志强, 苗健铭, 苗长虹. 2016. 中国地市尺度工业污染的集聚特征与影响因素[J]. 地理研究, 2016, 35(8): 1470–1482.
Lefever D W. 1926. Measuring geographic concentration by means of the standard deviational ellipse[J]. The American Journal of Sociology, 1: 88–94.
李名升, 张建辉, 罗海江, 等. 2013. 经济发展与污染排放的空间错位分析[J]. 生态环境学报, 2013, 22(9): 1620–1624.
刘满凤, 甘卢暘. 2016. 区域污染集聚性的时空演化分析[J]. 生态经济, 2016, 32(7): 158–162.
刘满凤, 谢晗进. 2014. 中国省域经济集聚性与污染集聚性趋同研究[J]. 经济地理, 2014, 34(4): 25–32.
刘晓婷, 陈闻君. 2016. 基于ESDA-GIS的新疆能源碳排放空间差异动态演化分析[J]. 干旱区地理, 2016, 39(3): 678–685.
陆大道. 2015. 中速增长:中国经济的可持续发展[J]. 地理科学, 2015, 35(10): 1207–1209.
Lu Z N, Chen H Y, Hao Y, et al. 2017. The dynamic relationship between environmental pollution, economic development and public health:evidence from China[J]. Journal of Cleaner Production, 166: 134–147. DOI:10.1016/j.jclepro.2017.08.010
宋玉祥. 2002. 东北地区生态环境保育与绿色社区建设[J]. 地理科学, 2002, 22(6): 655–659.
Sun D Q, Zhang J X, Hu Y, et al. 2013. Spatial analysis of China's eco-environmental quality:1990-2010[J]. Journal of Geographical Sciences, 23(4): 695–709. DOI:10.1007/s11442-013-1038-2
UNESCAP. 2010. Eco-efficiency indicators: Measuring resource-use efficiency and the impact of economic activities on the environment united nations environment[OL]. 2017-10-25. https://econpapers.repec.org/paper/esswpaper/id_3a2684.htm
杨婷, 晏平仲, 王自发, 等. 2017. 基于数值模拟的2015年11月东北极端重污染过程成因的定量评估[J]. 环境科学学报, 2017, 37(1): 44–51.
Yuill R S. 1971. The standard deviational ellipse; An updated tool for spatial description[J]. Geografiska Annaler, 53(1): 28–39. DOI:10.1080/04353684.1971.11879353
赵海霞. 2009. 经济发展、制度安排与环境效应[M]. 北京: 中国环境科学出版社.
赵海霞, 蒋晓威, 崔建鑫. 2014. 泛长三角地区工业污染重心演变路径及其驱动机制研究[J]. 环境科学, 2014, 35(11): 4387–4394.
赵璐, 赵作权. 2014. 中国经济的空间差异识别[J]. 广东社会科学, 2014(4): 25–32.
赵媛, 杨足膺, 郝丽莎, 等. 2012. 中国石油资源流动源-汇系统空间格局特征[J]. 地理学报, 2012, 67(4): 455–466. DOI:10.11821/xb201204003
赵作权. 2014. 空间格局统计与空间经济分析[M]. 北京: 科学出版社.
周沂, 贺灿飞, 王锐, 等. 2014. 环境外部性与污染企业城市内空间分布特征-基于深圳污染企业的实证分析[J]. 地理研究, 2014, 33(5): 817–830. DOI:10.11821/dlyj201405002