區域視角下中國工業行業與工業污染關系

蔣姝睿,王 玥,王 萌,石 磊*,馬 中,陸根法

?

區域視角下中國工業行業與工業污染關系

蔣姝睿1,王 玥1,王 萌1,石 磊1*,馬 中1,陸根法2

(1.中國人民大學環境學院,北京 100872；2.南京大學環境學院,污染控制與資源化研究國家重點實驗室,江蘇南京210023)

基于2005~2014年31個省市25個工業行業的產值和各省工業廢氣、廢水、固體廢棄物排放量,運用灰色關聯度分析各省各行業的綜合環境污染影響程度.按各行業在各省污染貢獻排名前10位的出現頻次,識別中國高、中高、中低和低頻次污染行業;按照生產要素將行業歸類為勞動密集型、資本密集型和技術密集型,并探究各區域污染貢獻的主導行業類型.研究表明,中國省際間不同行業對該省工業污染的貢獻差異明顯,電力、熱力生產和供應業在31個省出現頻度最高,需要從全國層面予以重點監控;各省綜合污染影響度排名前10的行業對當地污染貢獻均超過0.66,需要地方結合實際進行有針對性的防治.勞動、資本密集型工業污染主導的區域應在發展經濟同時促進工業內部結構優化,淘汰落后產能,提升技術實力;技術密集型工業污染主導的區域應加快產業轉移升級,發展第三產業,實現綠色可持續發展.

工業行業；污染；灰色關聯度；區域

2015年,我國第二產業比重占全年國民生產總值的40.93%,表示在我國,工業仍然在GDP中占有重要部分.工業化發展的同時,其污染物排放依然巨大,2015年,我國工業廢氣排放總量達到685190億m3,工業廢水排放量達到199.50億t,工業固體廢棄物達到55.8萬t.關于工業經濟發展與污染方面的研究,國內外學者已經開展了廣泛研究[1-4].環境庫茲涅茨曲線(EKC)作為表征經濟與環境之間關系的經典假說,成為該領域重要的一個研究方向[5].閆蘭玲等[6]、Zhao等[7]和張明志[8]分別從城市、區域和國家的層面,探究了工業污染物排放與經濟發展之間的EKC表征;一些學者則著重探究工業經濟與污染之間的內在聯系及其影響因素[9-10],例如張同斌等[11]運用時變參數向量自回歸模型分析了國家層面三次產業結構與工業三廢之間的內在關聯,研究發現產業結構對于污染物排放具有差異化影響,二產結構對于工業三廢排放具有較強的沖擊作用.就研究方法而言,目前所運用的方法主要涉及面板數據計量[12-13]、空間計量[14-15]、因素分解[16-17]等,但貧信息、數據不足會導致計量和統計方法難以施展,而適用于信息不完備情況的灰色關聯理論被引入到工業發展與污染關系分析領域[18-19].例如韓楠[20]運用灰色關聯法對中國工業細分行業的環境污染物排放強度進行了綜合評價,并依據結果劃分了行業類型,提出有針對性的優化調整.晉盛武等[21]選取安徽6座城市驗證EKC曲線,并用灰色關聯度分析研究環境污染的影響因素,發現產業結構、經濟水平等與環境污染密不可分.康曉風等[22]采用灰色關聯分析法,對京津冀地區PM10與多項工業經濟指標進行了分析,研究表明與PM10關聯最大的指標在各市有一定差異,北京市、天津市為煤炭消費總量,河北省為鋼鐵產量.

但現有研究仍然存在一些問題,研究主體較為單一,主要還是集中在單個區域、省份或國家層面[23-24],缺乏對不同區域間的比較研究.即使有針對多個區域工業行業的研究,研究對象也主要在碳排放與減排方面[19,25-26];由于缺乏相關數據,研究的視角還主要是以宏觀產業結構為主,對于工業各細分行業導致工業三廢污染情況的研究較少.探究全國各省的不同工業行業與污染的相關性,識別各地區污染的主要貢獻行業,進而開展省際之間的比較,不僅有助于掌握全國整體工業行業污染情況,還能對從工業細分行業的視角有針對性地制定各省污染物削減政策起到重要參考價值.為此,本文基于2005~2014年全國31個省市工業行業與工業污染相關數據,從分省份和分區域兩個層次,利用灰色關聯度方法探討了各工業行業對污染的貢獻程度,以期為污染防治提供政策建議.

1 數據與方法

1.1 數據來源

由于我國國民經濟行業分類標準在2011年進行了修訂,導致工業細分行業統計口徑在2012年發生變動;為保障研究時間范圍(2005~2014年)內數據的一致性,最終選取了2005~2014年間保持數據連續可觀的22個行業,并將行業名稱發生變化、但涵蓋內容一致的3個行業(酒、飲料和精制茶制造業,計算機、通信和其他電子設備制造業,儀器儀表制造業)納入研究范圍,最終確定25個行業作為研究的行業對象,即煤炭開采和洗選業,石油和天然氣開采業,黑色金屬礦采選業,有色金屬礦采選業,非金屬礦采選業,農副食品加工業,食品制造業,酒、飲料和精制茶制造業,煙草制造業,紡織業,造紙及紙制品業,石油加工、煉焦及核燃料加工業,電力、熱力生產和供應業,化學原料及化學制品制造業,醫藥制造業,化學纖維制造業,非金屬礦物制品業,黑色金屬冶煉及壓延加工業,有色金屬冶煉及壓延加工業,金屬制品業,通用設備制造業,專用設備制造業,電氣機械及器材制造業,計算機、通信和其他電子設備制造業,儀器儀表制造業.

31個省級單元2005~2014年工業三廢(工業廢氣、工業廢水、工業固廢)排放量、名義GDP以及各省級單元25個工業細分行業產值數據來自2006~2015年《中國環境統計年鑒》、《中國統計年鑒》、《中國工業經濟統計年鑒》.經濟數據均已折算成以2005年為基年的可比價格.

1.2 計算方法

1.2.1 灰色關聯度計算方法 灰色關聯度是根據2個因素之間發展趨勢的異同來衡量因素間關系的方法,便于通過已知信息來研究未知數據.通過灰色關聯度分析,可以直觀反映各省各行業對工業污染的貢獻程度,從而彌補了現有年鑒中各省行業污染排放數據難以獲取的不足.

灰色關聯度分析基于參考數據列和比較數據列.依據Deng[27-28]、以及以往文獻中提出的灰色關聯計算方式[29-33],記參考數據列和比較數據列分別為

0={0(1),0(2),…,0()},=1,2,…,(1)

X={X(1),X(2),…,X()},=1,2,…,(2)

式中:為時間,為比較數列個數,為時間最大值,為比較數列總數.

(1)數據的無量綱化處理,得到參考數據列和比較數據列

0={0(1),0(2),…,0()},=1,2,…,(3)

x={x(1),x(2),…,x()},=1,2,…,(4)

(2)參考數列與比較數列作差,得到新數據列并取絕對值,得到

|0-x|={|0()-1()|,|0()-2()|,…,|0()-x()|},

=1,2,…,(5)

(3)計算參考數列與比較數列在每個時刻的關聯系數

式中:為分辨系數,取值范圍為0~1.按照通常取值,以0.5計算.

(4)求得灰色關聯度,比較數列x()各時刻(=1,2,…,)關聯系數的平均值即為該比較數列對參考數列的灰色關聯度,即

1.2.2 綜合污染影響程度計算過程 (1)計算31個省市25個工業行業與對應省份工業三廢排放量的灰色關聯度(=1,2,3;=1,2,…25),其中表示工業三廢種類,表示工業行業種類.

(2)計算各省三廢排放量與對應省份實際GDP的灰色關聯度.根據關聯度大小,計算出工業三廢的關聯度權重(=1,2,3).

2 研究結果

不考慮部分省份由于不存在該行業而形成的異常零值,根據結果得出31個省市內部各工業行業綜合污染影響程度,如圖1所示.

圖1 31個省市25個工業行業綜合污染影響程度

橫坐標1~31省份依次為:安徽、北京、福建、甘肅、廣東、廣西、貴州、海南、河北、河南、黑龍江、湖北、湖南、吉林、江蘇、江西、遼寧、內蒙古、寧夏、青海、山東、山西、陜西、上海、四川、天津、西藏、新疆、云南、浙江、重慶,下同

從各省內部來看,各個行業均對污染有較為顯著的影響.所有省份各行業的綜合污染影響程度都在0.55以上,表明工業生產與工業污染之間存在較高相關性.同時,各省市工業行業污染影響程度的浮動范圍為0.55~0.95,表明各行業之間對污染影響程度的差異較為明顯.而研究各行業的污染影響程度高低,對于了解各省行業污染情況的差異性具有重要意義.

在截取各省污染綜合影響程度最高的前10個行業作為重點污染行業,如圖2所示.各省綜合污染影響程度排名前10的各行業,其綜合污染影響程度均高于0.66,部分省份如黑龍江、遼寧等,達到0.90以上,表明這些行業對環境污染存在很高的關聯度.

各省對污染影響程度高的行業間差異也較為明顯.這表現在對環境污染貢獻高的行業存在著極大差異,例如對于北京市污染貢獻最高的行業是通信設備、計算機及其他電子設備制造業,而對于重慶市污染貢獻最高的行業是黑色金屬礦采選業工業,對于其他省市污染貢獻最高的行業又各有不同.這是各省資源稟賦、技術條件和經濟水平的區別,發展行業側重點有所不同所導致的.常規來說,隨著一個行業工業規模的擴大,污染量的排放也會隨之增加.正是由于各省之間行業發展差異性,導致了各省主要污染貢獻行業的區別,這就要求在控制工業行業污染時,各省應根據自身具體情況,采取差異性措施.

圖2 各省市污染綜合影響程度最高的前10個行業

對圖2進行省際間橫向比較發現,一些行業出現頻率較高,諸如紡織業、有色金屬冶煉及壓延加工業等;此外,結合我國各省地理位置對圖2分析,得出有一些地緣上相近的省份綜合污染影響程度前10的行業當中出現了超過半數的相同行業,如在遼寧省、黑龍江省與吉林省綜合污染影響程度排名前10位的行業均出現了電力、熱力生產和供應業工業,石油和天然氣開采業工業,石油加工、煉焦及核燃料加工業,有色金屬冶煉及壓延加工業;將3個省中任意2個進行比較,遼寧省和吉林省綜合污染影響程度排名前10位的行業重合率達到80%,黑龍江省和吉林省、遼寧省綜合污染影響程度排名前10位的行業重合率分別都達到50%.以下將對此現象進行進一步探討.

3 討論

3.1 全國性視角下的分析

將各行業出現頻次劃分為4個類別:出現頻次10次及以下、11~15次、16~20次、21~31次,依次記為低頻次、中低頻次、中高頻次以及高頻次污染行業;各行業在各省污染綜合影響程度最高的前10個行業出現的頻次,見圖3.

各省高頻次污染行業主要分布在電力、熱力生產和供應業工業(25次)與紡織業(21次);中高頻次行業則集中于有色金屬冶煉及壓延加工業(20次)、造紙及紙制品工業(20次)、黑色金屬礦采選業工業(18次)、煙草制造業(18次)等4個行業;中低頻次行業為石油和天然氣開采工業、通用設備制造業等8個行業;低頻次污染行業為化學原料及化學制品制造業、醫藥制造業等11個行業.從全國范圍角度看,根據各行業在各省污染綜合影響程度最高的前10個行業中出現頻次的高低,應結合情況采取有針對性的污染防治舉措.高頻次(2個)和中高頻次(4個)污染行業對國內半數以上省份的污染都貢獻了較大水平,因此應當按全國重點污染行業進行監管,尤其需了解行業污染治理技術現狀和排污情況,從而實施監督和減排激勵措施,嚴格控制行業的污染排放.國家應加大對以上重點污染行業治污的資金投入,引導企業增強技術改造和創新能力,淘汰落后產能,實施可持續綠色發展戰略.對于中低頻次污染行業,首先各相關省份應當將其列為地方重點污染行業進行防控監督,并在全國范圍內加以重點關注,防止這些行業污染出現進一步擴大趨勢.對于低頻次污染行業,所在省份應結合當地環境質量,制定相應污染防治政策,同時中央制定相應巡查考核機制,對地方予以監督,以保證地方政府治污積極性和合法性.各地方應加強對重點污染行業的監管,并結合當地環境狀況,大力督促本地污染嚴重行業進行整改、治理.

圖3 各行業在各省市前10個污染貢獻行業出現頻次

3.2 區域視角下的分析

秉承每個區域內省份地緣空間相鄰、資源稟賦相似等原則,將各省市按地緣進行劃分,結合國務院發展研究中心中提出的將3大經濟地帶細分以適應新情況的觀點[34],并根據以往經驗[35],將我國除港澳臺以外31個省市從地域上劃分為包括北部沿海地區、東部沿海地區、南部沿海地區、東北地區、黃河中游地區、長江中游地區、西南地區和大西北地區在內的8大區域,具體劃分見圖4.

圖4 我國8大區域劃分

表1 25個工業行業按類型劃分

勞動、資本和技術在工業升級、轉型過程中發揮了不可替代的作用,也反映了產業結構變化.同時,根據以往研究表明,勞動、資本和技術密集型產業帶給環境的影響是不同的[36],因此,探究不同要素主導下行業類型的綜合污染影響程度,對于制定更為有針對性的環境管制政策具有重要價值.依據行業分類標準并結合產業分類[36-37],將選取的25個工業行業劃分為勞動密集型、技術密集型、資本密集型共3類,具體劃分情況如表1所示.

為了便于比較不同區域的污染情況,計算出各區域內省份各行業綜合污染影響程度的平均值,記為該區域行業綜合污染影響程度,8大區域的行業綜合污染影響程度見表2.根據表2中數值,得出這8大區域內貢獻污染較多的工業行業污染類型.

3.2.1 勞動密集型工業主導 該類型的區域影響工業污染關聯程度最高的是勞動密集型行業,其次是資本密集型行業,主要集中在大西北地區.大西北地區由于發展起步晚,經濟水平相對落后,在資金和技術都相對短缺的情況下,首先發展勞動密集型工業行業,再加上東部和中部地區不斷進行產業轉移,使得勞動密集型行業成為該區域環境污染的主因.考慮到該區域各省自然條件惡劣,生態環境較為脆弱,應該要因地制宜發展產業,不能過分追求經濟建設而承接一些對環境破壞嚴重的工業.考慮進行工業內部結構優化升級,積極向資本、技術密集型工業轉變,同時適時發展符合當地特點的第三產業.

表2 按區域劃分的各類型行業綜合污染影響程度

3.2.2 資本密集型工業主導 該類型的區域影響工業污染關聯程度最高的是資本密集型行業,其次是技術密集型行業.主要包括北部沿海地區、東北地區和黃河中游地區.這3塊區域同屬國內偏北部地區,該地區長期以來以重工業為發展重點,對于資本和技術要求較高.該地區應當要注意在發展傳統工業行業時,進一步提升技術實力,特別注意引進環境友好型工業,避免高能耗、高污染行業對環境造成損害.

3.2.3 技術密集型工業主導 該類型的區域影響工業污染關聯程度最高的是技術密集型行業,主要包括東部、南部沿海地區、長江中游地區和西南地區.一個地區的工業污染排放水平往往由該地區的工業規模、技術水平、產業結構、管理能力等有關.偏南部地區的工業污染更多地來自需要較多技術投入的行業.東南部沿海地區工業起步早,經濟發展水平高,技術進步快.有研究表明,工業規模對環境污染的影響會隨著經濟增長而增長[38].因此,在提高工業排放技術水平,追求生產效率提升和擴大資金投入的同時,還應關注相關產業帶來的污染問題,推動工業行業整體往低污染、低能耗、高收益的方向發展.此外,加快產業優化升級,促進產業結構調整,積極發展第三產業,也是提升地區經濟可持續發展能力,減少產業發展所致污染的重要舉措之一.包括長江中游地區和西南地區在內的南部非沿海地區除了技術密集型工業污染以外,由于長期發展的輕工業多屬于勞動密集型行業,發展時間長規模也大,因此對環境污染的影響水平也比較高.應當在積極監督技術密集型行業帶來污染的同時,促進當地勞動密集型工業向資金、技術密集型工業轉變.

4 結論

4.1 應用灰色關聯度分析顯示,所有省份各行業的綜合污染影響程度都在0.55以上,所有省份綜合污染影響程度排名前10的各行業綜合污染影響程度均高于0.66,這表示工業行業與污染存在較高關聯.

4.2 各省污染行業情況差異明顯,政策制定需要根據具體情況有所側重.需要全國層面重點監控的重點污染行業是電力、熱力生產和供應業工業、紡織業、有色金屬冶煉及壓延加工業、造紙及紙制品工業、黑色金屬礦采選業工業、煙草制造業.

4.3 我國大西北地區的工業污染主要是由勞動密集型工業所產生的;北部沿海地區、東北地區和黃河中游地區則主要是由資本密集型工業所產生的;東南沿海地區、長江中游地區和西南地區則是主要由技術密集型工業所產生的.考慮到污染主導產業的區域差異性,地方政府應基于不同主導產業類型,采取有針對性的污染防治舉措.

[1] He J. What is the role of openness for China's aggregate industrial SO2emission?: A structural analysis based on the Divisia decomposition method [J]. Ecological Economics, 2010,69(4): 868-886.

[2] Mamun M A, Sohag K, Mia M A H, et al. Regional differences in the dynamic linkage between CO2, emissions, sectoral output and economic growth [J]. Renewable and Sustainable Energy Reviews, 2014,38(5):1-11.

[3] 劉輝煌,王紫薇.中國工業產權結構有利于環境污染治理嗎?——基于動態最小二乘法和面板門檻模型的實證研究[J]. 產業經濟研究, 2016(5):100-110.

[4] 石敏俊,鄭 丹,雷 平,袁靜沛.中國工業水污染排放的空間格局及結構演變研究[J]. 中國人口·資源與環境, 2017,27(5):1-7.

[5] Liddle B, Messinis G. Revisiting sulfur Kuznets curves with endogenous breaks modeling: Substantial evidence of inverted-Us/Vs for individual OECD countries [J]. Economic Modelling, 2015,49:278-285.

[6] 閆蘭玲,徐海嵐,唐 偉,等.城市大氣污染物排放與產業發展關系研究——基于杭州市EKC曲線的實證分析[J]. 中國人口·資源與環境, 2014,24(5):147-150.

[7] Zhao Y, Wang S, Zhou C. Understanding the relation between urbanization and the eco-environment in China's Yangtze River Delta using an improved EKC model and coupling analysis [J]. Science of the Total Environment, 2016,571:862-875.

[8] 張明志.我國制造業細分行業的碳排放測算——兼論EKC在制造業的存在性[J]. 軟科學, 2015,29(9):113-116.

[9] Xu B, Lin B. What cause a surge in China's CO2emissions? A dynamic vector autoregression analysis [J]. Journal of Cleaner Production, 2017,143:17-26.

[10] 陳桂月,李海濤,梁 濤.內蒙古經濟發展與環境污染之間關系的檢驗[J]. 自然資源學報, 2012,27(11):1845-1859.

[11] 張同斌,李金凱,程立燕.經濟結構、增長方式與環境污染的內在關聯研究——基于時變參數向量自回歸模型的實證分析[J]. 中國環境科學, 2016,36(7):2230-2240.

[12] Dogan E, Turkekul B. CO2emissions, real output, energy consumption, trade, urbanization and financial development: testing the EKC hypothesis for the USA [J]. Environmental Science and Pollution Research, 2016,23(2):1203-1213.

[13] 袁程煒,張 得.能源消費、環境污染與經濟增長效應——基于四川省1991-2010年樣本數據 [J]. 財經科學, 2015(7):132- 140.

[14] 丁 鐳,劉 超,黃亞林,等.湖北省城市環境空氣質量時空演化格局及影響因素 [J]. 經濟地理, 2016,36(3):170-178.

[15] 王曉碩,宇超逸.空間集聚對中國工業污染排放強度的影響[J]. 中國環境科學, 2017,37(4):1562-1570.

[16] 馬 麗.基于LMDI的中國工業污染排放變化影響因素分析[J]. 地理研究, 2016,35(10):1857-1868.

[17] 何維達,張 凱.我國鋼鐵工業碳排放影響因素分解分析[J]. 工業技術經濟, 2013,32(1):3-10.

[18] 于鳳玲,陳建宏.基于灰色關聯與優勢分析的能源消費與工業環境污染的實證研究[J]. 環境污染與防治, 2012,34(11):93-97.

[19] 龔新蜀,李 龍.西北五省產業結構與碳排放量的關聯分析 [J]. 工業技術經濟, 2014,33(4):154-160.

[20] 韓 楠.環境約束下的工業結構優化調整研究 [J]. 工業技術經濟, 2016,35(1):98-104.

[21] 晉盛武,吳 鵬,金菊良.安徽典型城市環境K線形態及灰色關聯度分析 [J]. 環境科學學報, 2013,33(7):2068-2077.

[22] 康曉風,王 光,張明華,等.京津冀地區經濟發展與PM10濃度變化的灰色關聯分析[J]. 中國環境監測, 2015,31(5):1-6.

[23] 賀 祥,林振山,劉會玉,等.基于灰色關聯模型對江蘇省PM2.5濃度影響因素的分析 [J]. 地理學報, 2016,71(7):1119-1129.

[24] 閆蘭玲.杭州市產業結構與環境污染間的灰色關聯度分析研究 [J]. 環境科學與管理, 2013,38(10):112-115.

[25] 王文舉,李 峰.中國工業碳減排成熟度研究 [J]. 中國工業經濟, 2015,(8):20-34.

[26] 佟 昕,陳 凱,李 剛.中國碳排放與影響因素的實證研究——基于2000~2011年中國以及30個省域的灰色關聯分析 [J]. 工業技術經濟, 2015,34(3):66-78.

[27] Deng J L. Control problems of grey systems [J]. Systems & Control Letters, 1982,1(5):288-294.

[28] 鄧聚龍.社會經濟灰色系統的理論與方法 [J]. 中國社會科學, 1984,(6):47-60.

[29] 劉思峰,黨耀國.灰色系統理論及其應用(第五版) [M]. 北京:科學出版社, 2010:169-175.

[30] Huang M, Wang B. Factors influencing CO2emissions in China based on grey relational analysis [J]. Energy Sources Part A- Recovery Utilization & Environmental Effects, 2016,38(4):555- 561.

[31] Shuen-Chin Chang, Tzu-Yi Pai, Hsin-Hsien Ho, et al. Evaluating Taiwan's air quality variation trends using grey system theory [J]. Journal of the Chinese Institute of Engineers, 2007,30(2):361- 367.

[32] 張鳳太,王臘春,蘇維詞.基于DPSIRM概念框架模型的巖溶區水資源安全評價[J]. 中國環境科學, 2015,35(11):3511-3520.

[33] 梁 偉,張慧穎,朱孔來.基于模糊數學和灰色理論的城市生態環境競爭力評價[J]. 中國環境科學, 2013,33(5):945-951.

[34] 王夢奎,謝伏瞻,李劍閣,等.實現地區協調發展的戰略思路和政策措施 [J]. 調查研究報告, 2005,(40):1-17.

[35] 沈 鐳,劉立濤.中國能源可持續發展區域差異及其因素分析 [J]. 中國人口·資源與環境, 2010,20(1):17-24.

[36] 唐德才.工業化進程、產業結構與環境污染——基于制造業行業和區域的面板數據模型 [J]. 軟科學, 2009,23(10):6-11.

[37] 羅 勇,曹麗莉.中國制造業集聚程度變動趨勢實證研究 [J]. 經濟研究, 2005,22(8):106-115.

[38] 梁流濤,郭子萍,王海榮.工業發展與環境污染關系的區域差異分析基于江蘇省的實證研究 [J]. 生態環境學報, 2010,19(2): 415-418.

Industrial sectors and pollution in China based on the regional perspective.

JIANG Shu-rui1, WANG Yue1, WANG Meng1, SHI Lei1*, MA Zhong1, LU Gen-fa2

(1.School of Environment and Natural Resources, Renmin University of China, Beijing 100872, China；2.State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing 210046, China)., 2017,37(11)：4380~4387

This paper, based on industrial gross output and the emission of industrial waste gas, wastewater and solid waste of 25 industrial sectors in 31 provinces during 2005~2014, explores the general environmental pollution score by grey correlation analysis. According to frequencies of top 10 industrial sectors contributing to regional pollution, this paper classifies the industrial sectors into 4 levels: high-frequency, medium-high frequency, medium-low frequency, and low-frequency. We classify industrial sectors, based on principal factors of production, into labor-intensive industry, capital-intensive industry and technology-intensive industry, and distinguish the main type of main local pollution industry in all regions. The result shows that the contribution to industrial pollution of different sectors varies greatly among provinces. Production and supply of electric power and heat power has the highest frequency in 31 provinces, which needs special monitoring at the national level; Since the top 10 general-environmental-pollution industries have more than 0.66 contribution degree to local pollution, the local government should take targeted measures to prevent and control pollution. Regions with labor-intensive and capital-intensive industrial pollution should promote the optimization of the internal industrial structure and eliminate backward production capacity when developing economy; regions with technology-intensive industrial pollution should accelerate the industry upgrading and develop tertiary industry to achieve green and sustainable development.

industrial sector；pollution；grey correlation；region

X196

A

1000-6923(2017)11-4380-08

蔣姝睿(1994-),女,江蘇南通人,中國人民大學碩士研究生,研究方向為環境經濟與管理.

2017-05-10

國家社科基金青年項目(12CGL069);國家社科基金重大招標項目(09&ZD052);國家重點研發計劃專項(2016YFC0209204)

* 責任作者, 副教授, shil@ruc.edu.cn