全國水環境壓力指數與綠色發展因素研究

王榮森，吳 蓉

(中國科學技術大學 管理學院，合肥 230026)

1 水環境賬戶計算模型

本研究采取2013年張義等人改進模型的水污染生態足跡計算方法，舍棄水資源產量因子，不同的是，本研究單獨考慮水環境狀況，并在其總氮、總磷、化學需氧量三大污染物的基礎上，添加氨氮污染物，具體方法如下：

EFT=max(EFN，EFP，EFCOD，EFNH3N)

EFN=CN/PN

EFP=CP/PP

(1)

EFCOD=CCOD/PCOD

EFNH3N=CNH3N/PNH3N

上式中，EFT為總的水污染生態足跡(hm2)，EFN為總氮污染水生態足跡，EFP為總磷污染水生態足跡，EFCOD為有機物水生態足跡，EFNH3N為氨氮污染水生態足跡，CN、CP、CCOD、CNH3N分別為廢水中總氮、總磷、有機物和氨氮的排放量(t)；PN、PP、PCOD、PNH3N為水域消納總氮、總磷、有機物和氨氮的全球平均能力(t/hm2)，由于幾種污染物在環境影響中的重疊作用，故取其中的最大值作為最終的水污染生態足跡。以下是承載力模型：

CCT=min(CCN,CCP,CCCOD,CCNH3N)

CCN=0.88×(QWP×UN/PN)

CCP=0.88×(QWP×UP/PP)

(2)

CCCOD=0.88×(QWP×UCOD/PCOD)

CCNH3N=0.88×(QWP×UNH3N/PNH3N)

QWP=QW-(QR×K)

其中，CCT為總的水環境承載力(hm2)，CCN、CCP、CCCOD、CCNH3N依次是氮、磷、有機物、氨氮水環境承載力；QWP為研究區用于消納污染物的水量(m3)，UN、UP、UCOD、UNH3N為Ⅲ類水質標椎中基本能維持水體生態服務功能的氮、磷、有機物和氨氮含量上限(mg/L)；承載力中須扣除12%用于生物多樣性保護，故有0.88的系數[1]；QW是水資源總量(m3)，QR為地區取水量(m3)，K為地區綜合耗水率(可由各省水資源公報得到)；由于任一污染物超標都會造成水體生態系統功能的破壞，所以最終的水環境生態承載力取氮、磷、有機物和氨氮水環境承載力中的最小值；水環境賬戶盈余ES為水環境承載力與水污染生態足跡之差；水環境生態壓力指數IP為水污染生態足跡與水環境承載力之比，如下式：

ES=CCT-EFT

IP=EFT/CCT

(3)

2 數據來源

Ⅲ類水質標椎中基本能維持水體生態服務功能的氮、磷、有機物和氨氮含量上限分別為1.0 mg/L、0.2 mg/L、20 mg/L和1.0 mg/L[2]，水資源全球平均生產能力為3 140 m3/hm2，通過單位換算得到水域消納總氮、總磷、有機物和氨氮的全球平均能力分別為0.003 145 t/hm2、0.000 629 t/hm2、0.062 893 t/hm2和 0.003 145 t/hm2，其他數據主要來源于2013-2017年的中國統計年鑒、各省份統計年鑒、水資源公報，部分數據根據原始數據計算得來。

3 全國水環境賬戶情況

根據全國除西藏和港澳臺以外的30個省份的水污染生態足跡的計算結果，得到2013-2017年的各省份水環境盈余/赤字情況，由于大部分地區處于水環境赤字狀況，所以僅列出盈余省份，具體情況如下：

2013年：青海、貴州、廣西、云南、江西、海南。

2014年：青海、貴州、廣西、云南、江西、福建。

2015年：青海、貴州、廣西、云南、江西、浙江、福建。

2016年：新疆、青海、貴州、四川、廣西、云南、吉林、安徽、江西、湖北、湖南、福建、海南。

2017年：新疆、青海、四川、貴州、廣西、云南、江西、湖南、福建、海南。

除上述所列省份之外，其余省份均處于赤字狀態。2013-2017年，只有青海、貴州、廣西、云南、江西5省在各年均處于水環境盈余狀態，可見我國水環境污染形勢十分嚴峻。2015年之后，處于水環境盈余的省份明顯增加，說明近兩年地方水污染狀況得到一定程度的改善。根據水污染生態足跡、水環境承載力數據和公式(3)，分別得到西、中、東部地區的人均水環境壓力指數平均值，如圖1所示：

圖1 分地區人均水環境生態壓力指數Fig.1 Ecological pressure index of water environment per capita by region

從圖1可見，東部人均水環境生態壓力最大，中部次之，西部最小。東部地區2013-2014年壓力指數由20.91陡然增加至84.47，2014年之后又迅速回落，2016年下降到最低點；中部和東部地區變化較為平穩，2016年之前中部的人均壓力指數均位于西部地區之上，2017年兩者趨于一致，西、中部地區在這5年間的人均壓力指數呈平穩波動下降趨勢，東部地區波動較大，且在2017年有翹尾，但總體上處于下降態勢。綜合來看，全國人均水環境壓力指數在2015年之后處于降低狀態。

4 分地區水環境賬戶狀況

4.1 西部地區

西部地區的水污染生態足跡與水環境生態承載力的具體狀況如圖2所示：

圖2 西部地區水污染生態足跡與水環境生態承載力Fig.2 Ecological footprint of water pollution and ecological carrying capacity of water environment in Western China

2013-2015年西部地區的人均總污染足跡遠大于人均承載力，處于水環境赤字狀態，但自從2015年以后，人均水污染生態足跡迅速俯沖至水環境承載力以下，使之轉為水環境盈余并維持這一狀態。在此期間，人均水環境承載力先下降后上升，波動較為平穩，而水污染生態足跡變動較大，可見西部的水環境盈虧主要取決于總的水污染生態足跡情況。

4.2 中部地區

中部地區的水污染生態足跡與水環境生態承載力的具體狀況如圖3所示：

圖3 中部地區水污染生態足跡與水環境生態承載力Fig.3 Ecological footprint of water pollution and ecological carrying capacity of water environment in Central China

中部地區的水環境除了2016年以外，其余年份均處于赤字狀態，且水環境承載力有下降趨勢，2017年恢復水環境赤字狀態。2013-2015年水污染足跡最高達到人均承載力的3倍，2015年之后人均總污染足跡顯著下降，2016年達到水環境盈余，但2017年由于承載力有所下降，又恢復赤字狀態，但比之前的赤字狀態緩解許多。

4.3 東部地區

東部地區的水污染生態足跡與水環境生態承載力的具體狀況如圖4所示。東部地區的水污染生態足跡與水環境生態承載力往相反方向波動，形態上近似對稱圖形，2013-2015年水污染足跡緩慢上升，與此同時人均總承載力緩慢下降，2015年赤字達到峰值；2016年人均總污染足跡與人均總承載力之間的落差迅速收窄，赤字達到最小，之后赤字又逐漸擴大。2015年國家通過《水污染防治行動計劃》，簡稱“水十條”，強制規定各省切實加強水污染防治力度，逾期未達標的，決定取消其加劇水污染物排放的建設項目審批資格，并依照有關規定采取撤銷園區資格等懲罰措施[3]。由全國各地區的人均水環境走勢圖可看出，2015年以前人均水污染足跡總體處于高位，但2015年以后都急劇下降，大大緩解水環境赤字狀況，可見“水十條”對全國的水污染防治效果顯著，但中、東部地區在2016年以后又有恢復赤字的狀況出現，這種現象表明建立水污染防治的長效機制任重道遠。

圖4 東部地區水污染生態足跡與水環境生態承載力Fig.4 Ecological footprint of water pollution and ecological carrying capacity of water environment in eastern China

5 綠色因子分析

為進一步分析人均水環境壓力指數與各地區綠色發展因素之間的關系，本研究參考《中國省級綠色經濟指標體系》和《中國區域產業綠色發展指數評價》，并結合與水環境賬戶有關的原則，綜合羅列了影響地方水環境壓力指數的22項綠色指標，并分別與水環境壓力指數進行相關性分析，以2017年數據為例，具體結果如表1。

單從相關性來看，pearson系數在0.5以上的只有人均壽命、平均受教育年限[4]、人均地區生產總值、第三產業勞動生產率和人均可支配收入5項因子，即在綠色因子中，與人均水環境生態壓力指數有相對較強的線性相關性。代表第一、二產業發展水平的第一、二產業勞動生產率沒有通過顯著性檢驗，創新因子(13～15)、環境污染因子(16～18)、環境治理因子(20～22)以及人均耕地面積均未通過檢驗，說明這些因子與人均水環境壓力指數線性無關，但不排除有非線性關系。

對以上通過相關性檢驗的10個指標(1～10)進行標準化處理后(消除量綱效應)[5]進行因子分析，KMO值為0.801，巴特利特檢驗結果顯著，故變量適合做因子分析。提取4個主成分，累計方差貢獻率為87.094%，即所提取的4個主成分可以解釋總體信息的87.094%，旋轉后的因子載荷矩陣如表2所示。

表1 人均水環境壓力指數與綠色發展因子相關性分析結果Tab.1 Analysis results of correlation between per capita water environmental pressure index and green development factors

表2 旋轉后的因子載荷矩陣Tab.2 Factor load matrix after rotation

根據各主成分在不同變量上的載荷大小進行分組，并根據各因子結構特征重新命名，如表3所示：

表3 因子分組結構Tab.3 Factor grouping structure

6神經網絡預測分析

鑒于人工神經網絡處理非線性問題的優越性，現運用SPSS中神經網絡的徑向基函數功能，選取2017年30個省份的數據，將地區發展水平、資源承載度、資源利用效率、政府支持度的標準化得分作為協變量，人均水環境壓力指數為因變量，直觀呈現四大綠色影響因素與水環境壓力指數之間存在的復雜非線性關系，并進行因子相對重要性分析，結果如下：

圖5 神經網絡預測值散點圖Fig.5 Scatter diagram of neural network prediction value

圖6 神經網絡預測值殘差圖Fig.6 Residual map of neural network prediction value

神經網絡預測值的散點圖如圖5所示。從散點圖可以看出人均壓力指數的預測值基本呈現線性趨勢。神經網絡預測值的殘差圖如圖6所示。模型的殘差基本在0附近波動，說明模型效果好。自變量重要性如表4所示。未正態化前的變量重要性依次是地區發展水平0.494、資源承載度0.178、政府支持度0.167、資源利用效率0.161，正態化后的變量重要性依次是地區發展水平100%、資源承載度36%、政府支持度33.9%、資源利用效率32.6%。圖7是神經網絡自變量正態化后的變量重要性條形圖。可見地區發展水平在評價人均水環境壓力指數的過程中重要性占比最高，資源承載度、政府支持度、資源利用效率重要性均為30%左右，約占地區發展水平的1/3。這種分布特征為后續制定具體、有傾向化的政策方針提供了方向和依據。

表4 自變量的重要性Tab.4 Importance of independent variable

圖7 變量相對重要性條形圖Fig.7 Bar chart of relative importance of variables

7 結論

本研究通過計算2013-2017年全國30個省份的水污染生態足跡，表明大部分地區的水環境處于不安全的狀態，這一狀況在2015年以后有明顯好轉，但中東部地區有恢復赤字趨勢。因子分析綜合相關變量信息，并將輸出作為預測水環境壓力指數的參考變量，神經網絡預測的結果表明，要從根本上改善全國的水環境安全狀況，需從以下方面著手：

地區發展水平。目前地區的高度發展仍然是以水環境的惡化為代價的，第三產業勞動生產率與人均水環境生態壓力指數成正相關，說明僅調整產業結構向第三產業轉移并不能有效緩解地區水環境壓力，而應將綠色產業作為第三產業中最重要的經濟增長點，從根本上解決經濟效益與水環境保護的矛盾，提升全國水環境安全水平。人均壽命、平均受教育年限與水環境壓力指數正相關，說明人口素質中的水環境保護意識有待加強，為培養居民的綠色用水習慣，應將與水環境保護有關的知識培訓納入國民教育體系，樹立防治水污染與節約水資源的綠色消費理念。加速淘汰落后產能，提高項目環評的審核標準，嚴格規定用水及排放必須達到行業先進水準，方可授予開發經營權益。整合政府部門與銀行業的信息資源，全面建立企業環境信用評價制度，并根據企業環評狀況實現貸款發放階梯化，放寬有利于水生態保護的企業貸款限制，嚴格限制環境違法企業貸款，營造綠色信貸環境。另一方面，應大力發展環保產業，盡快實現水環境保護體系化、服務化、產業化，打造一批現代化的環保服務型標桿企業。

資源承載度。在人均水資源量一定的情況下，節約水資源對水環境安全起到至關重要的作用。將用水計劃管理落到實處，規定用水設施必須通過節水標準，否則不予投入使用。引進新型適用的節水裝備和器具，全面更換市場中不符合節水標準的用水設備，并禁止其再次生產、出售。以政策補貼的方式激勵用戶更換落后的耗水型用具，選購使用節水型水嘴、便器水箱等環保產品。充分發揮森林資源在涵養水源方面所起的作用，加大退耕還林、還草、還濕力度，不定期更新危害生態修復工作的商業開發負面清單，扶持花卉苗木、森林旅游休閑等新型業態的適度規模經營，依托綠色資源，因地制宜。

政府支持度。加大政府資金投入，設立水環境保護專項基金，為實現項目開發經營各環節的水環境監控提供資金支持，將事故應對轉為事前預防。參考以往環境違法典型案例，加緊推進水環境保護立法工作，確定環境違法訴訟制度并建立咨詢委員會，追溯監管部門、排污企業在水環境違法中的責任歸屬。企業為支持水環境保護政策所依賴進口的核心原材料和零部件，應予以減免關稅，將高耗水、高水污染產品納入消費稅征收范圍。影響周邊居民水環境的大型建設項目需舉行公開聽證會，限期研究并解決群眾反映強烈的問題。

資源利用效率。為有效降低單位地區生產總值水耗，減少工業固體廢棄物中有害物質所造成的水體污染，應加大包括水循環在內的資源綜合利用領域的經濟投入，加緊相關重大工藝及材料的技術突破。對自主研發循環利用產品并探索市場化路徑的企業實行降低準入，稅收優惠和政策補貼，充分調動資本市場的投資熱情。