基于综合水污染指数的EKC拐点判别与例证

2018-03-21雷金桥严长安

统计与决策 2018年1期

雷金桥，严长安，高伟

（1.云南大学生态学与环境学院，昆明 650091；2.昆明市环境科学研究院，昆明 650032）

0 引言

随着经济发展过程中环境污染问题日益突出，经济与环境之间的关系成为重要的研究课题。早在1955年，Kuznets[1]在总结西方国家发展经验时，提出了经济增长与环境质量呈现倒“U”型关系曲线的思想，即著名的环境库兹涅茨曲线（Environmental Kuznets Curve,EKC）。随着20世纪80年代全球环境问题的发展，EKC理论、方法与应用得到进一步发展。国内外学者对各个时期不同地区的EKC进行了大量实证验证并基于此进行环境决策。在水环境方面，Orubu[2]建立了非洲的人均GDP与有机水污染物EKC曲线，认为经济增长有利于促进非洲地区水环境的改善。我国EKC研究始于20世纪末，主要集中于碳排放、二氧化碳排放、工业“三废”和大气污染物方面的研究[3]。由于长序列水质监测数据较难获取，水质影响因素复杂且可借鉴的研究相对不足，水污染EKC研究相对较少，特别是湖泊水环境与集水区经济社会之间的关系研究尤为缺乏。EKC曲线研究的重要内容之一是对经济与环境关系拐点的判识，通常选取一定时间序列长度的人均GDP或人均收入与某种污染物存量或流量数据[4]，建立两者之间的多元回归关系，根据回归方程判断拐点所对应的经济增长水平。由于不同指标的数值存在差异，同一地区同一时段对不同污染物建立EKC曲线得出的拐点往往不同，如程曦[5]对太湖1979—2010年五项湖泊水质指标EKC拐点研究发现拐点出现的人均GDP为8972～13881元之间（1990年可比价）。因此，基于单污染物指标的EKC曲线研究在拐点识别上存在不一致性，增加了经济与环境关系的拐点判断难度与不确定性，因此，有必要从多种污染物综合的角度开展EKC规律研究。

滇池流域位于云南省经济与社会发展中心，改革开放以来，该流域经历了经济飞速增长和水环境急剧恶化的发展阶段。滇池的经济社会变化和湖体水质响应不仅在地区具有一定的代表性和典型性，也在一定程度上反映了我国湖泊水环境变化的基本特征。本文选取滇池流域作为研究对象，基于1987—2015年长序列经济社会与水质数据，分析其经济增长与湖泊水环境污染之间的环境库茨涅兹曲线特征，辨识经济增长对环境的影响，研究结果拟对滇池流域经济增长阶段判识和环境政策制定提供决策支持。

1 EKC拟合与拐点识别模型

1.1 水环境综合质量评估模型

当前水环境相关的EKC研究多选择单一污染物指标，如高锰酸盐指数、化学需氧量、总氮、总磷、叶绿素等[5-7]。为反映污染的综合特性，本文采用综合指标法对反映湖体水质的多个指标进行综合。目前水质综合评价方法主要有平均污染指数法、内梅罗指数法、灰色关联分析、模糊综合评价、物元可拓评价法、综合水质标识指数法6种[8]。其中，内梅罗指数法是国内外用于评判水质综合指数的最常用方法之一，比较适用于有突出的特征性污染物情形。该方法是通过先计算每个水质因子的指数，再求出指数的平均值，最后以指标均值和最大值为基础计算综合污染指数，从而兼顾了污染的平均状况和突出污染物的贡献。

根据资料可得性，选取了高锰酸盐指数、氨氮、TN和TP四项指标。由于氨氮和TN数据呈现显著相关性（线性相关系数为0.951，p=0.0000），为避免信息重复，选择数据较为完整的氨氮指标。故本文使用的指标为高锰酸盐指数、氨氮、TP全湖年均值，数据来源于昆明市环境监测站。

1.2 经济社会发展指标

目前在EKC研究中表征经济发展常用的指标有人均GDP、GDP、城镇化率、工业产值、第三产业比重以及农牧面积等[9,10]。其中，人均GDP是最常用的指标。本文为了便于与其他研究的比较，选择人均GDP作为经济社会发展表征指标。为了让经济数据具有可比性，统一以2010年的不变价格计算。经济数据来源于昆明市统计年鉴，滇池流域内的人均GDP数据根据滇池内土地利用占各区县土地利用数据折算，其中第一产业根据耕地面积计算，第二和第三产业根据建成区面积折算。

1.3 环境库兹涅茨曲线拟合

环境库茨涅茨曲线拟合常用多项式和对数方程进行拟合。其中，多项式拟合应用得相对广泛，特别是三次方程应用最多。目前多根据可决系数大小选择拟合方程[4]，但在多项式拟合中，往往存在多项式的次数越高，可决系数越高的现象。因此无法根据可决系数选取合适方程，本文提出在选择合适的多项式时，兼顾调整可决系数[7]和拟合参数的显著性标准，即在拟合出的参数达到统计显著的前提下，优先选择调整可决系数高的拟合方程。

环境库兹涅茨曲线拟合方程基本形式为：

式中，y为污染指标；x为人均GDP，a,b,c为拟合系数；n为多项式的次数。

1.4 Mann-Kendall突变分析

环境库兹涅茨曲线的拐点一般是环境质量由恶化向改善转变的突变点。在湖泊水质变化影响因素中，除了人类活动因素外，气象条件特别是降雨和气温也会影响水体的污染物浓度[11，12]。为了检验湖泊水环境库兹涅茨曲线识别出的拐点是否是由于自然因素突变造成的，本文采用Mann-Kendall突变分析法对滇池的降雨和气温进行了突变分析。根据气象因素突变点与EKC拐点的对比，分析拐点识别的合理性。

Mann-Kendall法属于非参数统计检验法，主要特点是不要求样本遵循一定的分布且不易受异常值干扰，在气象水文数据突变研究中获得广泛应用。

Mann-Kendall法的计算步骤如下：

（1）构造秩序列Sk

设时间序列xn具有n个样本{X|X=(x1,x2,…,xn),i=1,2,…,n}，构造一个秩序列Sk：

其中，

式中，Sk为序列的秩，ri表示序列数xi大于前序数xj的累计数；r为样本大小比对值。

（2）定义统计量UFk和UBk

Mann-Kendall法是根据UFk和UBk两个统计量的交叉情况识别突变点的。在时间序列随机独立的假设下，它们的计算公式如下：

其中，

将时间序列xn进行逆时间序排列xn,xn-1,..,x1，重复以上步骤，计算出一个新的统计量UFk’（UF1’=0），UBk的计算公式如下：

UF值的符号表示时间序列x趋势方向，UF大于零表示上升趋势，反之，小于零表示下降趋势，如果变化趋势显著，UF值会超过临界显著性直线（本研究区0.05显著性水平，对应的临界值为±1.96）；对UF和UB两个序列作随以时间为横坐标的折线图，如果两条线在临界线范围内出现交叉点，该交叉点即为突变时间点。

本文使用的气象数据来源于中国气象数据网，选用的站点为昆明站。

2 实证分析

2.1 研究区域

滇池是我国著名的高原淡水湖泊，属中国六大淡水湖之一，是西南第一大湖。滇池地处金沙江、红河、珠江三大水系的分水岭地带。流域全部位于云南省昆明市境内，涉及7个区县，面积2920 km2。滇池呈南北向分布，位于流域中心，湖体总面积309.5 km2（1887.4 m水位），分草海和外海两个子湖，其中外海是滇池的主体部分（见图1）。滇池流域以0.7%的土地资源和0.4%的水资源承载了云南省18%的人口和23%的地区生产总值，流域内的人类活动强度剧烈，特别是20世纪80年代以来，流域经济社会发展程度不断提高，人均GDP从1987年的0.48万元/人（2010年不变价）增长到2015年的9.67万元/人，增长了18倍。随着流域经济社会的发展，滇池水质发生了显著变化，呈现出先恶化后改善的演变特征[13]。在经济增长的不同阶段，滇池水质表现出差异性的响应特征。

图1 滇池流域地理位置

2.2 流域经济社会发展与水环境演变特征

滇池流域位于云南省省会昆明境内，昆明的主城区均在滇池流域范围内，流域内人类活动十分强烈。20世纪80年代以来，滇池流域的经济社会发展十分迅速。1987—2015年期间，滇池流域的GDP从105亿元增长到2658亿元（2010年不变价），呈现显著的指数增长趋势（图2a）。在人口总量和城市化水平快速发展的同时，滇池流域人均GDP从1987年的702美元/人迅速增长到2015年的14284美元/人，29年内增长了19倍，也表现为显著的指数增长趋势（图2b）。滇池流域人均GDP在2005年就超越了中等发达国家水平，并且仍然保持高速增长趋势。总体来看，经过29年的不断发展，滇池流域的经济从低收入水平跨入了高收入水平阶段。

图2 1987—2015年滇池流域GDP与人均GDP变化

在滇池流域经济高速发展的同时，滇池水环境也发生了剧烈变化，特别是威胁湖泊生态安全的营养盐水平不断升高。从1987—2015年，滇池的高锰酸盐指数始终维持在IV类水质，年际波动剧烈（图3a）；氨氮指标从18世纪80年代的III类水迅速恶化为劣V类，直到2010年才有所改善（图3b）；总磷指标从1987—2010年始终保持上升趋势，在整个研究期间为IV-劣V类水质（图3c）；水污染综合指数（内梅罗指数）变化表明滇池水质从1987—2009年持续恶化，随后出现好转（图3d）。不同水污染指标年际变化特点不同，污染最高和最低的出现时间存在差异，特别是高锰酸盐指数的变化与其他指标在趋势上和极值点均不相同，表明湖泊水污染构成和表现形式的复杂性，在进行水环境质量评价时，应当综合不同指标的数值。总体上，与经济社会发展相对应，滇池水质经历了不同的发展阶段。

图3 1987—2015年滇池湖体主要污染物指标变化

2.3 EKC曲线拐点识别

根据历年人均GDP数据和相关水质指标，采用2.4的拟合方程与公式优选方法，得出滇池流域水环境EKC曲线（见下页图4）。从高锰酸盐指数指标看（图4a），EKC曲线呈现U型+倒U型曲线形状，最优拟合方程为4次方程，拟合方程的可决系数达到0.51。在整个研究期限内，高锰酸盐指数EKC出现两个拐点，分别是人均GDP为3284美元/人和8485美元/人。实际上在第一个拐点之后，高锰酸盐指数是趋于一个平稳的状态。滇池的高锰酸盐指数在人均GDP低于3284美元/人低水平阶段就发生了明显下降。造成这一现象的原因可能有两个方面：一是点源是高锰酸盐指数的重要来源，18世纪80年代滇池流域就开始加大工业和城镇生活污染源的治理力度，使得短期内点源排放得到一定的控制[14]，从而湖体高锰酸盐指数出现显著下降；高锰酸盐指数在浓度高时降解速率较快而低浓度时相对较慢可能是造成3284美元/人拐点后变化不显著的原因。氨氮、TP、内梅罗指数的EKC表现为典型的倒U型曲线，最优拟合方程均为三次方程（图4b至图4d）。根据拟合方程，判断出三种污染指标对应的拐点分别为4979美元/人，4118美元/人和4168美元/人。氨氮和TP的拐点较为接近，说明氮磷污染对经济发展的响应较为一致，其中氨氮的拐点人均GDP略高于总磷，表明氨氮控制效果对经济发展的响应相对迟缓。与高锰酸盐指数比较可以发现，氮磷的EKC拐点明显落后于高锰酸盐指数，可能的原因是氮磷的重要来源是难以控制的非点源，特别是农业和城市面源。虽然点源控制措施也有一定的削减效果，但对高锰酸盐指数和氮磷的削减率也是不一样的。以2007年为例，滇池流域8个污水处理厂与船房河、大清河两个截污泵站对COD入湖削减率高达72.6%，但对TP和TN削减率相对较低，仅为63.1%和46.2%[15]。一般认为，环境库茨涅茨曲线转折点是人均GDP在4000～5000美元左右[16]，基于内梅罗指数得出的拐点和氮、磷指标得出的拐点均在此范围内，滇池流域的水环境EKC曲线符合典型EKC特征。

图4 滇池流域人均GDP与水污染EKC关系

2.4 EKC曲线拐点影响因素分析

传统的EKC曲线研究多是对比经济发展水平与污染物排放量之间的关系，而湖泊水环境的影响因素较多，相对于污染物排放量，中间的污染物入湖过程和湖体生化反应过程也会影响湖体水质浓度。在众多影响因素中，气象因素对污染物入湖过程影响较大，控制着非点源的入湖量。本文选择降雨和气温两个对非点源入湖过程和水体生化过程有重要影响的气象因素，采用Mann-Kendall突变检验法分析气象因子的变化趋势与突变特征，结果如图5所示。从年降雨看，1987-2015年期间滇池流域在2008年发生了一次由上升向下降转变的突变过程，与滇池的氨氮和TP浓度突降时间（2009年）一致（图3）。由于面源入湖的主要驱动力是降雨，降雨量的减少有利于面源入湖负荷的下降；此外，降雨强度下降对城市下水管道的冲刷强度也会下降，进一步减少入湖负荷。气温的突变点发生在1996年，经历了一次气温升高的突变，但突变时间点与水质突变点关联不显著，无法判断其影响。总体来看，滇池流域的降雨量突变可能对氮磷浓度下降有一定影响，从而造成EKC突变点的提前。

图5 1987—2015年滇池流域年降雨量（a）与年均气温（b）突变检验

3 结论

（1）1987—2015年滇池流域经济从低收入水平跨入高收入水平，滇池氮磷浓度也发生了先恶化后改善的阶段性变化特征，呈现典型的EKC变化特征。

（2）不同水环境指标的EKC形状有所差异，高锰酸盐指数EKC呈现U型+倒U型形状，氨氮、TP、内梅罗指数的EKC表现为典型的倒U型曲线。基于综合污染指数，滇池流域水环境EKC出现拐点的人均GDP为4168美元/人。

（3）流域降雨量在2008年发生了一次下降突变过程，与滇池的氨氮和TP浓度突降时间一致。流域的降雨量突变可能对氮磷浓度下降有一定影响，从而造成EKC突变点的提前。今后研究应考虑如何将气象效应剔除。

[1]Kuznets S.Economic Growth and Income Inequality[J].American Eco-nomic Review,1955,45(1).

[2]Orubu C O,Omotor D G.Environmental Quality and Economic Growth:Searching for Environmental Kuznets Curves for Air and Water Pollutants in Africa[J].Energy Policy,2011,39(7).

[3]孙建.区域碳排放库兹涅兹曲线门槛效应研究[J].统计与决策,2016,(12).

[4]樊庆锌,丁达,冯喆等.哈尔滨市人均GDP和大气污染的关系研究[J].干旱区资源与环境,2016,30(5).

[5]程曦.太湖水质变化与经济发展关系研究——基于环境库兹涅茨曲线(EKC)方法[J].环境与可持续发展,2012,37(5).

[6]柯高峰,丁烈云.洱海流域城乡经济发展与洱海湖泊水环境保护的实证分析[J].经济地理,2009,29(9).

[7]杜鑫,许东,付晓等.辽河流域辽宁段水环境演变与流域经济发展的关系[J].生态学报,2015,35(6).

[8]李名升,张建辉,梁念等.常用水环境质量评价方法分析与比较[J].地理科学进展,2012,31(5).

[9]郑海涛,胡杰,王文涛.中国地级城市碳减排目标实现时间测算[J].中国人口·资源与环境,2016,26(4).

[10]王立平,刘敏,李然等.中国二氧化硫污染的“稳健性”影响因素——基于空间面板数据EBA模型的实证分析[J].环境科学学报,2015,35(8).

[11]盛海燕,吴志旭,刘明亮等.新安江水库近10年水质演变趋势及与水文气象因子的相关分析[J].环境科学学报,2015,35(1).

[12]马健荣,邓建明,秦伯强等.湖泊蓝藻水华发生机理研究进展[J].生态学报,2013,33(10).

[13]何佳,徐晓梅,杨艳等.滇池水环境综合治理成效与存在问题[J].湖泊科学,2015,27(2).

[14]李跃勋,徐晓梅,何佳等.滇池流域点源污染控制与存在问题解析[J].湖泊科学,2010,22(5).