全国水环境压力指数与绿色发展因素研究

王荣森，吴 蓉

(中国科学技术大学 管理学院，合肥 230026)

1 水环境账户计算模型

本研究采取2013年张义等人改进模型的水污染生态足迹计算方法，舍弃水资源产量因子，不同的是，本研究单独考虑水环境状况，并在其总氮、总磷、化学需氧量三大污染物的基础上，添加氨氮污染物，具体方法如下：

EFT=max(EFN，EFP，EFCOD，EFNH3N)

EFN=CN/PN

EFP=CP/PP

(1)

EFCOD=CCOD/PCOD

EFNH3N=CNH3N/PNH3N

上式中，EFT为总的水污染生态足迹(hm2)，EFN为总氮污染水生态足迹，EFP为总磷污染水生态足迹，EFCOD为有机物水生态足迹，EFNH3N为氨氮污染水生态足迹，CN、CP、CCOD、CNH3N分别为废水中总氮、总磷、有机物和氨氮的排放量(t)；PN、PP、PCOD、PNH3N为水域消纳总氮、总磷、有机物和氨氮的全球平均能力(t/hm2)，由于几种污染物在环境影响中的重叠作用，故取其中的最大值作为最终的水污染生态足迹。以下是承载力模型：

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为总的水环境承载力(hm2)，CCN、CCP、CCCOD、CCNH3N依次是氮、磷、有机物、氨氮水环境承载力；QWP为研究区用于消纳污染物的水量(m3)，UN、UP、UCOD、UNH3N为Ⅲ类水质标椎中基本能维持水体生态服务功能的氮、磷、有机物和氨氮含量上限(mg/L)；承载力中须扣除12%用于生物多样性保护，故有0.88的系数[1]；QW是水资源总量(m3)，QR为地区取水量(m3)，K为地区综合耗水率(可由各省水资源公报得到)；由于任一污染物超标都会造成水体生态系统功能的破坏，所以最终的水环境生态承载力取氮、磷、有机物和氨氮水环境承载力中的最小值；水环境账户盈余ES为水环境承载力与水污染生态足迹之差；水环境生态压力指数IP为水污染生态足迹与水环境承载力之比，如下式：

ES=CCT-EFT

IP=EFT/CCT

(3)

2 数据来源

Ⅲ类水质标椎中基本能维持水体生态服务功能的氮、磷、有机物和氨氮含量上限分别为1.0 mg/L、0.2 mg/L、20 mg/L和1.0 mg/L[2]，水资源全球平均生产能力为3 140 m3/hm2，通过单位换算得到水域消纳总氮、总磷、有机物和氨氮的全球平均能力分别为0.003 145 t/hm2、0.000 629 t/hm2、0.062 893 t/hm2和 0.003 145 t/hm2，其他数据主要来源于2013-2017年的中国统计年鉴、各省份统计年鉴、水资源公报，部分数据根据原始数据计算得来。

3 全国水环境账户情况

根据全国除西藏和港澳台以外的30个省份的水污染生态足迹的计算结果，得到2013-2017年的各省份水环境盈余/赤字情况，由于大部分地区处于水环境赤字状况，所以仅列出盈余省份，具体情况如下：

2013年：青海、贵州、广西、云南、江西、海南。

2014年：青海、贵州、广西、云南、江西、福建。

2015年：青海、贵州、广西、云南、江西、浙江、福建。

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

2017年：新疆、青海、四川、贵州、广西、云南、江西、湖南、福建、海南。

除上述所列省份之外，其余省份均处于赤字状态。2013-2017年，只有青海、贵州、广西、云南、江西5省在各年均处于水环境盈余状态，可见我国水环境污染形势十分严峻。2015年之后，处于水环境盈余的省份明显增加，说明近两年地方水污染状况得到一定程度的改善。根据水污染生态足迹、水环境承载力数据和公式(3)，分别得到西、中、东部地区的人均水环境压力指数平均值，如图1所示：

图1 分地区人均水环境生态压力指数Fig.1 Ecological pressure index of water environment per capita by region

从图1可见，东部人均水环境生态压力最大，中部次之，西部最小。东部地区2013-2014年压力指数由20.91陡然增加至84.47，2014年之后又迅速回落，2016年下降到最低点；中部和东部地区变化较为平稳，2016年之前中部的人均压力指数均位于西部地区之上，2017年两者趋于一致，西、中部地区在这5年间的人均压力指数呈平稳波动下降趋势，东部地区波动较大，且在2017年有翘尾，但总体上处于下降态势。综合来看，全国人均水环境压力指数在2015年之后处于降低状态。

4 分地区水环境账户状况

4.1 西部地区

西部地区的水污染生态足迹与水环境生态承载力的具体状况如图2所示：

图2 西部地区水污染生态足迹与水环境生态承载力Fig.2 Ecological footprint of water pollution and ecological carrying capacity of water environment in Western China

2013-2015年西部地区的人均总污染足迹远大于人均承载力，处于水环境赤字状态，但自从2015年以后，人均水污染生态足迹迅速俯冲至水环境承载力以下，使之转为水环境盈余并维持这一状态。在此期间，人均水环境承载力先下降后上升，波动较为平稳，而水污染生态足迹变动较大，可见西部的水环境盈亏主要取决于总的水污染生态足迹情况。

4.2 中部地区

中部地区的水污染生态足迹与水环境生态承载力的具体状况如图3所示：

图3 中部地区水污染生态足迹与水环境生态承载力Fig.3 Ecological footprint of water pollution and ecological carrying capacity of water environment in Central China

中部地区的水环境除了2016年以外，其余年份均处于赤字状态，且水环境承载力有下降趋势，2017年恢复水环境赤字状态。2013-2015年水污染足迹最高达到人均承载力的3倍，2015年之后人均总污染足迹显著下降，2016年达到水环境盈余，但2017年由于承载力有所下降，又恢复赤字状态，但比之前的赤字状态缓解许多。

4.3 东部地区

东部地区的水污染生态足迹与水环境生态承载力的具体状况如图4所示。东部地区的水污染生态足迹与水环境生态承载力往相反方向波动，形态上近似对称图形，2013-2015年水污染足迹缓慢上升，与此同时人均总承载力缓慢下降，2015年赤字达到峰值；2016年人均总污染足迹与人均总承载力之间的落差迅速收窄，赤字达到最小，之后赤字又逐渐扩大。2015年国家通过《水污染防治行动计划》，简称“水十条”，强制规定各省切实加强水污染防治力度，逾期未达标的，决定取消其加剧水污染物排放的建设项目审批资格，并依照有关规定采取撤销园区资格等惩罚措施[3]。由全国各地区的人均水环境走势图可看出，2015年以前人均水污染足迹总体处于高位，但2015年以后都急剧下降，大大缓解水环境赤字状况，可见“水十条”对全国的水污染防治效果显著，但中、东部地区在2016年以后又有恢复赤字的状况出现，这种现象表明建立水污染防治的长效机制任重道远。

图4 东部地区水污染生态足迹与水环境生态承载力Fig.4 Ecological footprint of water pollution and ecological carrying capacity of water environment in eastern China

5 绿色因子分析

为进一步分析人均水环境压力指数与各地区绿色发展因素之间的关系，本研究参考《中国省级绿色经济指标体系》和《中国区域产业绿色发展指数评价》，并结合与水环境账户有关的原则，综合罗列了影响地方水环境压力指数的22项绿色指标，并分别与水环境压力指数进行相关性分析，以2017年数据为例，具体结果如表1。

单从相关性来看，pearson系数在0.5以上的只有人均寿命、平均受教育年限[4]、人均地区生产总值、第三产业劳动生产率和人均可支配收入5项因子，即在绿色因子中，与人均水环境生态压力指数有相对较强的线性相关性。代表第一、二产业发展水平的第一、二产业劳动生产率没有通过显著性检验，创新因子(13～15)、环境污染因子(16～18)、环境治理因子(20～22)以及人均耕地面积均未通过检验，说明这些因子与人均水环境压力指数线性无关，但不排除有非线性关系。

对以上通过相关性检验的10个指标(1～10)进行标准化处理后(消除量纲效应)[5]进行因子分析，KMO值为0.801，巴特利特检验结果显著，故变量适合做因子分析。提取4个主成分，累计方差贡献率为87.094%，即所提取的4个主成分可以解释总体信息的87.094%，旋转后的因子载荷矩阵如表2所示。

表1 人均水环境压力指数与绿色发展因子相关性分析结果Tab.1 Analysis results of correlation between per capita water environmental pressure index and green development factors

表2 旋转后的因子载荷矩阵Tab.2 Factor load matrix after rotation

根据各主成分在不同变量上的载荷大小进行分组，并根据各因子结构特征重新命名，如表3所示：

表3 因子分组结构Tab.3 Factor grouping structure

6神经网络预测分析

鉴于人工神经网络处理非线性问题的优越性，现运用SPSS中神经网络的径向基函数功能，选取2017年30个省份的数据，将地区发展水平、资源承载度、资源利用效率、政府支持度的标准化得分作为协变量，人均水环境压力指数为因变量，直观呈现四大绿色影响因素与水环境压力指数之间存在的复杂非线性关系，并进行因子相对重要性分析，结果如下：

图5 神经网络预测值散点图Fig.5 Scatter diagram of neural network prediction value

图6 神经网络预测值残差图Fig.6 Residual map of neural network prediction value

神经网络预测值的散点图如图5所示。从散点图可以看出人均压力指数的预测值基本呈现线性趋势。神经网络预测值的残差图如图6所示。模型的残差基本在0附近波动，说明模型效果好。自变量重要性如表4所示。未正态化前的变量重要性依次是地区发展水平0.494、资源承载度0.178、政府支持度0.167、资源利用效率0.161，正态化后的变量重要性依次是地区发展水平100%、资源承载度36%、政府支持度33.9%、资源利用效率32.6%。图7是神经网络自变量正态化后的变量重要性条形图。可见地区发展水平在评价人均水环境压力指数的过程中重要性占比最高，资源承载度、政府支持度、资源利用效率重要性均为30%左右，约占地区发展水平的1/3。这种分布特征为后续制定具体、有倾向化的政策方针提供了方向和依据。

表4 自变量的重要性Tab.4 Importance of independent variable

图7 变量相对重要性条形图Fig.7 Bar chart of relative importance of variables

7 结论

本研究通过计算2013-2017年全国30个省份的水污染生态足迹，表明大部分地区的水环境处于不安全的状态，这一状况在2015年以后有明显好转，但中东部地区有恢复赤字趋势。因子分析综合相关变量信息，并将输出作为预测水环境压力指数的参考变量，神经网络预测的结果表明，要从根本上改善全国的水环境安全状况，需从以下方面着手：

地区发展水平。目前地区的高度发展仍然是以水环境的恶化为代价的，第三产业劳动生产率与人均水环境生态压力指数成正相关，说明仅调整产业结构向第三产业转移并不能有效缓解地区水环境压力，而应将绿色产业作为第三产业中最重要的经济增长点，从根本上解决经济效益与水环境保护的矛盾，提升全国水环境安全水平。人均寿命、平均受教育年限与水环境压力指数正相关，说明人口素质中的水环境保护意识有待加强，为培养居民的绿色用水习惯，应将与水环境保护有关的知识培训纳入国民教育体系，树立防治水污染与节约水资源的绿色消费理念。加速淘汰落后产能，提高项目环评的审核标准，严格规定用水及排放必须达到行业先进水准，方可授予开发经营权益。整合政府部门与银行业的信息资源，全面建立企业环境信用评价制度，并根据企业环评状况实现贷款发放阶梯化，放宽有利于水生态保护的企业贷款限制，严格限制环境违法企业贷款，营造绿色信贷环境。另一方面，应大力发展环保产业，尽快实现水环境保护体系化、服务化、产业化，打造一批现代化的环保服务型标杆企业。

资源承载度。在人均水资源量一定的情况下，节约水资源对水环境安全起到至关重要的作用。将用水计划管理落到实处，规定用水设施必须通过节水标准，否则不予投入使用。引进新型适用的节水装备和器具，全面更换市场中不符合节水标准的用水设备，并禁止其再次生产、出售。以政策补贴的方式激励用户更换落后的耗水型用具，选购使用节水型水嘴、便器水箱等环保产品。充分发挥森林资源在涵养水源方面所起的作用，加大退耕还林、还草、还湿力度，不定期更新危害生态修复工作的商业开发负面清单，扶持花卉苗木、森林旅游休闲等新型业态的适度规模经营，依托绿色资源，因地制宜。

政府支持度。加大政府资金投入，设立水环境保护专项基金，为实现项目开发经营各环节的水环境监控提供资金支持，将事故应对转为事前预防。参考以往环境违法典型案例，加紧推进水环境保护立法工作，确定环境违法诉讼制度并建立咨询委员会，追溯监管部门、排污企业在水环境违法中的责任归属。企业为支持水环境保护政策所依赖进口的核心原材料和零部件，应予以减免关税，将高耗水、高水污染产品纳入消费税征收范围。影响周边居民水环境的大型建设项目需举行公开听证会，限期研究并解决群众反映强烈的问题。

资源利用效率。为有效降低单位地区生产总值水耗，减少工业固体废弃物中有害物质所造成的水体污染，应加大包括水循环在内的资源综合利用领域的经济投入，加紧相关重大工艺及材料的技术突破。对自主研发循环利用产品并探索市场化路径的企业实行降低准入，税收优惠和政策补贴，充分调动资本市场的投资热情。