三峡库区面源污染的时空特征及EKC分析

冯 琳,张婉婷,张钧珂,毛馨卉,于 鑫,叶成松,常天阳

三峡库区面源污染的时空特征及EKC分析

冯 琳1*,张婉婷1,张钧珂1,毛馨卉2,于 鑫3,叶成松3,常天阳1

(1.中国人民大学环境学院,北京 100872；2.中国自然资源经济研究院,北京 101149；3.厦门大学环境与生态学院,福建 厦门 361102)

在全面核算2008～2018年三峡库区19个区县农业面源污染TN、TP排放量的基础上,分析了其时空变化特征.基于环境库兹涅茨曲线(EKC)理论,构建了基于面板数据的回归模型,探究了库区农业经济发展与面源污染排放强度的演替关系.结果显示,库区农业TN排放波动减少,TP波动增加.各区县的TN和TP年均排放量分别在374～6046t和105～1267t之间.其中,农田化肥与畜禽养殖单元的总产污贡献率达80%以上.库区TN排放强度、畜禽养殖与农村生活单元的TN、TP排放强度均存在显著的“倒U型”EKC关系,目前已跨越拐点.农田化肥TP排放强度、水产养殖与农田固废单元的TN、TP排放强度呈现显著的“直线型”EKC关系,处于与经济同步增长的阶段.建议重点升级农田化肥单元的污染防控能力,以配套推进农村人居环境的改善,促进区域氮磷减排.

农业面源污染；单元分析法；环境库兹涅茨曲线(EKC)；三峡库区

全国污染源普查数据显示,农业面源已超过工业源和生活源,成为我国水体污染的第一大来源[1].与点源相比,农业面源分散、面广、来源和途径复杂,防治难度更大,已成为许多地区水环境问题的重要原因[2-4].

三峡库区是长江经济带的重要组成部分,战略地位重要.它集农村、山区、移民区为一体,生态环境保护与移民安稳致富等问题交叉[5-6],面源污染防治任重而道远.根据全国生态环境状况公报,2019年库区主要支流的77个监测断面中,富营养、中营养状态分别占了20.8%、77.9%.在2021年中央一号文件、《全国农业可持续发展规划(2015-2030年)》中,三峡库区均被列为开展面源污染综合防治示范建设的重点地区之一.

关于农业面源污染负荷的评估,主要有经验过程模型和机理模型两类方法.前者包括统计法、水文分离法、输出系数法、单元分析法[7-8]等;后者包括AnnAGNPS、SWAT方法等[9].目前,针对三峡库区兰陵溪、香溪河、笋溪河等小流域[10-12],以及重庆段、湖北段[13-15]分段负荷评估的研究较丰富,为揭示库区农业面源污染的部分排放特征作出了重要贡献,但已有研究空间上多局限于重庆段或湖北段,时间上多关注前三峡时期(2008年以前)或者后三峡时期的某个具体年份,尚缺乏将重庆、湖北库区作为整体,并贯穿后三峡时期的面源负荷评估.

根据污染负荷的评估值,探究经济增长与面源污染水平的内在联系,有助于识别各污染单元潜在的问题,为配套设计面源污染防治政策提供科学依据[16-18].“环境库兹涅茨曲线”(EKC)为环境-经济关系的实证研究提供了重要理论[19-21].虽然传统的EKC曲线形状一般为“倒U型”,但从全国和地区的实证研究结果看,农业面源污染的EKC曲线有“倒U型”[22-23]、“U型”[24-25]、甚至是“N型”、“倒N型”[26-27]、线性增长[28]等多种可能[29].目前关于三峡库区面源EKC的研究,分析维度单一,多用时间序列数据[30-32].如果采用兼具时空信息的面板数据,将可增加数据的自由度并降低解释变量间的共线性,弥补时序和截面数据的不足[33],提高EKC模型估计的有效性.

基于以上背景,本文拓展评估的时空尺度,全面估算库区(重庆段及湖北段)在后三峡时期(2008～ 2018年)的农业面源污染负荷,识别重点防控地域和污染单元.基于评估获得的面板数据求得污染排放强度,借助EKC理论,探究库区农业面源污染与农业经济增长的关系,阐释EKC的现实意义,以期为库区和长江流域农业面源污染防治提供有益的参考.

1 研究方法

1.1 面源污染排放量核算

由于三峡库区涉及的行政区县多,地理尺度较大,从数据的可获得性角度,本文拟采用官方统计数据,运用单元分析法[12]对库区农业面源TN、TP污染的排放量进行估算.计算公式如下:

式中:ANP为进入水系的农业面源污染物的排放量;N为单元指标统计数;为单元污染物的产污系数;C(N,,)表示单元污染物的入河系数,由单元特性(N)、资源利用率()和区域环境地理特征()共同决定.

各产污单元TN、TP排放量的具体公式和系数说明如表1所示.

表1 各产污单元TN、TP污染排放量计算公式与系数

注:*《第一次全国污染源普查水产养殖业污染物产排污系数手册》.

1.2 EKC模型

利用面板数据进行EKC模型回归时,由于各区域在地理环境等方面存在异质性,所以被解释变量宜采用强度变量.考虑到EKC曲线的形状有多种可能性,先将其设为三次曲线,若不显著,再设为二次曲线,若还不显著,则拟合成线性模型[37].为减少异方差,本文对各指标进行对数处理,具体模型构建如下:

参与回归的具体指标设置如表2.为消除通胀影响,借助农林牧渔总产值指数,将农业产值调整为以2008年为基期的实际值.面板数据的估计模型主要包括混合模型、随机效应模型及固定效应模型[28].依次利用Eviews软件中的F-test、Hausman-test、LM-test功能对3类模型进行选择.F-test用于检验固定效应与混合效应的适用性,Hausman-test用于检验固定效应与随机效应的适用性,LM-test用于检验随机效应与混合效应的适用性.F-test如果值小于0.05,则拒绝混合效应,固定效应模型更优. Hausman-test如果值小于0.05,则拒绝随机效应,固定效应模型更优.LM-test如果值小于0.05,则拒绝混合效应,随机效应模型更优.

表2 农业面源污染指标与经济指标设置情况

1.3 数据来源

本文的研究对象涉及三峡库区重庆段的15个区县—巫溪、开州、巫山、云阳、奉节、万州、忠县、石柱、丰都、长寿、武隆、涪陵、巴南、渝北、江津,以及湖北段的4个区县—夷陵、秭归、兴山、巴东.各区县的化肥折纯施用量、畜禽饲养量、各作物产量、水产品产量、农村常住人口、农林牧渔总产值和农村居民人均可支配收入数据,来源于2009～2019年重庆各区县的统计年鉴和《湖北农村统计年鉴》.各区县的农林牧渔总产值指数,来源于历年的《重庆市统计年鉴》和《湖北省统计年鉴》;地表水资源量由历年的重庆市水资源公报和湖北省水资源公报获得.本文其余数据,如各污染单元的产污系数、入河系数等则主要参考相关文献[12,18,39-41].

2 结果与讨论

2.1 三峡库区农业面源污染排放时空特征

2.1.1 时间尺度 利用1.1部分的模型、参数和数据,得到2008～2018年三峡库区农业面源的TN和TP排放量(图1).TN从2008年的41248.62t减少到2018年的38527.86t,年均排放量39770.55t.11a间TN排放整体呈显著下降趋势,拟合曲线的斜率为-166.9t/ a (sig=0.000).TP从2008年的7347.19t增加到2018年的8210.21t,年均排放量为8795.23t.11a间TP排放先升后降,但总体呈上升趋势,拟合曲线的斜率为208.03t/a (sig=0.000).其中,2014年TP排放的年增幅最大,为31.13%.开州的磷肥施用量在当年骤然增加,是造成这一结果的主要原因.

如图2所示,5个污染单元对库区农业面源TN、TP的排放贡献由高到低依次为:农田化肥>畜禽养殖>农村生活>水产养殖>农田固废.该结果与江西省面源污染贡献率“农村生活>畜禽养殖>种植业>水产养殖”[37]有所不同,也与汉江流域荆门段TN贡献率“农村生活>农业用地>畜禽养殖”,TP贡献率“畜禽养殖>农村生活>农业用地”[38]有着较大的差异.三峡库区农田化肥和畜禽养殖两个单元对TN与TP的贡献之和大于80%,该结果与张广纳等[14]、蔡金洲等[15]学者的发现一致.

各单元污染排放量随时间变化的特点为:

农田化肥的TN排放整体上波动减少,从2008年30407.67t下降到2018年28006.89t,降幅约8%;TP排放虽然总体增幅达13.3%,但在2015～2018年期间持续下降.以上结果可能与国家2015年颁布《到2020年化肥使用量零增长行动方案》,库区随后积极开展橘渣饲料化、肥料化和沼液利用等技术研究,减施化肥,增施有机肥有关.

畜禽养殖的TN排放略有减少,2018年减至5163.34t,降幅约0.58%;TP排放波动上升,2018年增至1908.91t,总体增幅约12.4%.这与十二五期间丰都曾大力发展肉牛养殖业,江津、开州、云阳和万州新开了一些大型生猪养殖厂有关.

农村生活的TN排放变化不大,TP排放略有下降.水产养殖、农田固废的TN与TP排放略有上升.

2.1.2 空间尺度 2008～2018年间,三峡库区的19个区县农业面源TN、TP的年均排放量空间差异明显(图3).

各区县TN年均排放量在374～6046t之间.其中,开州最高(6046t),其次为涪陵、江津、万州(3000～4000t),渝北、巴南和兴山最少(小于1000t).渝北、巴南在重庆主城区外围,城镇化建设较为发达,农业生产活动较少;而湖北兴山地形复杂,“八分半山一分田”,种植业较少,所以这3个区县的TN排放量比较低.

各区县TP年均排放量在105～1267t.其中,开州最高(1267t),其次为夷陵、万州、江津、云阳(600～ 800t),巴南和兴山最少(小于200t).相对于TN排放量的地区排序,夷陵、渝北的TP次序前移,其农用磷肥施用量较多可能是主要原因.

图3 三峡库区2008～2018年农业面源污染TN及TP年均排放量

5个污染单元对各个区县TN和TP的年均排放贡献,如图4所示.除了巴南的农村生活单元对TN的贡献率大于畜禽养殖单元,奉节、巴南的畜禽养殖单元对TP的贡献率大于农田化肥以外,其他区县5个污染单元对农业面源TN、TP排放量的贡献率由大到小的顺序均为:农田化肥>畜禽养殖>农村生活>水产养殖>农田固废.

库区绝大多数区县农田化肥单元对TN、TP的年均贡献率超过了50%.其中,化肥单元对TN贡献率最高的4个区县为:涪陵(81.88%)、开州(81.61%)、秭归(81.50%)和夷陵(80.07%);对TP贡献率最高的4个区县为:秭归(84.60%),夷陵(81.11%)、开州(77.84%)、巫溪(76.65%).畜禽养殖单元对TN年均贡献率最高的4个区县为:丰都(32.95%)、兴山(30.70%)、忠县(26.59%)、巴南(25.35%);对TP贡献率最高的4个区县为:奉节(44.05%),涪陵(38.63%)、丰都(38.34%)、兴山(36.12%).

各区县在农田化肥与畜禽养殖这两个主要产污单元TN、TP的年均排放量,如图5所示.可以看出,在19个区县中,开州的化肥TN、TP年均排放量最多,丰都的畜禽养殖TN、TP年均排放量最多.库区的农业面源污染防治工作,对这2个区县需要给予较多的关注.

图4 2008～2018年污染单元对三峡各区县TN、TP排放的贡献

审图号:GS(2021)6024号

2.2 三峡库区农业面源污染的EKC曲线分析

2.2.1 面板单位根检验 面板数据兼具截面数据和时间序列数据的双重特性,为了识别面板数据中各组变量的平稳性、避免伪回归现象的存在,常采用LLC、IPS、Fisher等方法进行单位根检验.本文对库区及各污染单元的TNS、TPS和AGDP数据进行了上述检验,得到的平稳性结论一致,限于篇幅文中仅列出LLC检验结果,如表3所示.所有变量的原始序列均拒绝了原假设,各变量均没有单位根,说明数据是长期平稳的,无需进行协整检验,可以构建面板模型.

2.2.2 库区及各产污单元的EKC拟合结果 由于各组数据的三次曲线模型均未通过10%的显著水平检验,故先设为二次曲线.如不显著,再设为一次曲线,回归结果如表4所示.

TNS、CQTNS、CQTPS、SHTNS、SHTPS与经济发展呈显著的“倒U型”关系,总体上模型拟合效果较好,说明伴随着农业发展,库区农业面源的TN、畜禽养殖、农村生活的污染强度表现为“升-降”趋势.TNS拟合的2值相对较小,可能是由于面源污染产生的机制较为复杂,仅将AGDP作为解释变量,对该模型回归结果的解释能力不足,种植结构、农业机械投入强度等因素或许应增设为该模型重要的控制变量[33].

表3 三峡库区农业面源及各污染单元TN、TP排放强度的面板单位根(LLC)检验结果

注:*、**和***分别表示在10%、5%和1%水平显著;括号内数据为值.

表4 三峡库区农业面源及各产污单元TN、TP排放强度的EKC回归结果

注:*、**和***分别表示在10%、5%和1%水平显著.

经过一阶求导和自然底数的指数函数求值,得到TNS曲线拐点对应的AGDP为6933.96元, CQTNS、CQTPS的拐点分别为7464.05、7670.93元,SHTNS、SHTPS的拐点为5268.38元.对比三峡各年份的AGDP,库区于2011年跨越了TNS的拐点,2012年跨越了CQTNS、CQTPS的拐点,2008年跨越了SHTNS、SHTPS的拐点.说明库区在畜禽养殖与农村生活单元的环境污染与经济发展已基本脱钩.究其原因,一方面是由于当地农民对畜禽养殖收入的依赖程度降低,以及外出打工使得农村常住人口减少.另一方面,库区两级政府自2008年实施了农村居民点污水处理示范项目,对这两个单元的拐点跨越作出了积极贡献.

HFTPS、SCTNS、SCTPS、GFTNS、GFTPS与经济发展呈显著的“直线型”关系,说明库区农田化肥的TP、水产养殖、农田固废的污染强度处于与经济同步增长的耦合阶段,需加以重视并科学防控.农用化肥单元TPS的一次曲线虽然模型显著,但拟合的2值较小.这可能是由于各区县在种植结构、磷肥施用种类、农业政策等方面存在差异,产生了门槛效应[29],从而使得ADGP在跨越门槛值前后对农田化肥TPS的影响有所不同,进而呈现出不完全的线性关系. TPS、HFTNS与经济发展之间的关系不显著.

对于模型的稳健性检验,本文选用变量替换法[39].鉴于人均收入是衡量经济发展的常用指标之一,且曾用于世行EKC公式的推导以及北美自由贸易协定的环境效应分析[19],本文将解释变量替换为农村居民人均可支配收入,重新进行回归分析.结果显示新模型的回归系数,在显著性、方向和大小关系上与原回归模型基本一致,说明本研究的模型估计结果具有一定的稳健性.

3 结论及建议

3.1 结论

3.1.1 面源排放 2008～2018年,库区TN排放波动减少,年均排放量39770.55t;TP排放波动增加,年均排放量为8795.23t.各区县的TN、TP年均排放量,分别在374～6046t和105～1267t之间.农田化肥和畜禽养殖的总产污贡献率达80%以上.在库区19个区县中,TN年均排放量最多的前4名区县为开州、涪陵、江津和万州,TP年均排放量最多的前4名为开州、夷陵、万州和江津.开州与丰都分别是农田化肥污染、畜禽养殖污染最严重的区县.

3.1.2 面源排放强度的EKC特征 基于2008～ 2018年的面板数据,三峡库区的TN排放强度、畜禽养殖与农村生活单元的TN、TP排放强度,与农业经济发展呈显著的“倒U型”关系,跨越拐点的时间分别为2011年、2012年、2008年.畜禽养殖与农村生活单元的环境污染与经济发展已基本脱钩.农田化肥的TP排放强度、水产养殖与农田固废单元的TN、TP排放强度与经济发展呈显著的“直线型”关系,它们处于与经济同步增长的阶段,需加以重视并科学防控.

3.2 建议

农业面源污染的控制,不仅是我国后续水污染防治工作的关键,还是实现乡村振兴战略中“生态宜居”要求的重要组成部分.综合以上分析和背景,建议重点升级三峡库区农田化肥的污染防控能力,以配套推进农村人居环境的改善.可采取的措施包括:适当调整种植结构,因地制宜地推广精准施肥、高效缓释肥、测土配方施肥、有机肥,研发推广适用施肥设备,机械深施,提高化肥利用率.

[1] 生态环境部,国家统计局,农业农村部.第二次全国污染源普查公报[R]. 2020.6.

Ministry of Ecology and Environment, National Bureau of Statistics, Ministry of Agricutural and Rural Affairs. Second National Pollution Source Census Bulletin [R]. 2020.6.

[2] Han D M, Currell M J, Cao G L. Deep challenges for China's war on water pollution [J]. Environmental Pollution, 2016,218:1222-1233.

[3] 欧阳威,鞠欣妍,高 翔,等.考虑面源污染的农业开发流域生态安全评价研究 [J]. 中国环境科学, 2018,38(3):1194-1200.

Ou Y W, Ju X Y, Gao X, et al. Ecological security assessment of agricultural development watershed considering non-point source pollution [J]. China Environmental Science, 2018,38(3):1194-1200.

[4] 杨金凤,冯爱萍,王雪蕾,等.海河流域农业面源污染潜在风险识别方法[J]. 中国环境科学, 2021,41(10):4782-4791.

Yang J F, Feng A P, Wang X L, et al. An identification method of potential risk for agricultural non-point source pollution in the Haihe River Basin [J]. China Environmental Science, 2021,41(10):4782- 4791.

[5] Feng L, XuJ Y. Farmers’ willingness to participate in the next-stage grain-for-green project in the Three Gorges Reservoir Area, China [J]. Environmental Management, 2015,56:505-518.

[6] 冯 琳,孙 平,李 丁,等.三峡库区肉牛养殖环境承载力研究[J]. 水生态学杂志, 2016,37(3):26-33.

Feng L, Sun P, Li D, et al. Environmental carrying capacity of beef cattle in the Three Gorges Reservoir Area [J]. Journal of Hydroecology, 2016,37(3):26-33.

[7] 徐 浩,左新宇,兰 峰.基于环境库兹涅茨曲线方法的三峡库区重庆段水质演变预测[J]. 水利水电快报, 2019,40(8):40-44,56.

Xu H, Zuo X Y, Lan F. Prediction of water quality evolution in Chongqing section of the Three Gorges Reservoir Area based on environmental Kuznets curve method [J]. Express Water Resources & Hydropower Information, 2019,40(8):40-44,56.

[8] 赖斯芸,杜鹏飞,陈吉宁.基于单元分析的非点源污染调查评估方法[J]. 清华大学学报(自然科学版), 2004,(9):1184-1187.

Lai S Y, Du P F, Chen J N. Evaluation of non-point source pollution based on unit analysis [J]. Journal of Tsinghua University (Science and Technology), 2004,(9):1184-1187.

[9] 李玉华.基于SWAT模型的三峡库区径流模拟研究[D]. 重庆:西南大学, 2010.

Li Y H. Runoff simulation using SWAT Model in the Three Gorges Reservoir [D]. Chongqing: Master's Dissertation, Southwestern University, 2010.

[10] 胡文杰,王晓荣,付 甜,等.三峡库区兰陵溪小流域农业面源污染排放特征解析[J]. 环境污染与防治, 2021,43(5):568-573.

Hu W J, Wang X R, Fu T, et al.Analysis of agricultural non-point source pollution emission characteristics of Lanlingxi small watershed in Three Gorges Reservoir Area [J]. Environmental Pollution & Control, 2021,43(5):568-573.

[11] 郑永林,王海燕,秦倩倩,等.三峡库区笋溪河流域水质评价及其空间差异[J]. 水生态学杂志, 2021,42(4):1-9.

Zheng Y L, Wang H Y, Qin Q Q, et al. Assessment and spatial variation of water quality in the Sunxi River Basin in the Three Gorges Reservoir Area [J]. Journal of Hydroecology, 2021,42(4):1-9.

[12] 苏青青,刘德富,刘绿波,等.三峡水库蓄水期支流水体营养盐来源估算[J]. 中国环境科学, 2018,38(10):3925-3932.

Su Q Q, Liu D F, Liu L B, et al. Analysis of the nutrient supply of tributaries in the Three Gorges Reservoir during impounding period [J]. China Environmental Science, 2018,38(10):3925-3932.

[13] 胡静锋.重庆市农业面源污染测算与空间特征解析[J]. 中国农业资源与区划, 2017,38(1):135-144.

Hu J F. Measurement and spatial feature analysis of agricultural non-point source pollution in Chongqing [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(1):135-144.

[14] 张广纳,邵景安,王金亮,等.三峡库区重庆段农村面源污染时空格局演变特征[J]. 自然资源学报, 2015,30(7):1197-1209.

Zhang G N, Shao J A, Wang J L, et al. Spatial and temporal variations of agricultural non-point source pollution in the Three Gorges Reservoir Area of Chongqing [J]. Journal of Natural Resources, 2015,30(7):1197-1209.

[15] 蔡金洲,范先鹏,黄 敏,等.湖北省三峡库区农业面源污染解析[J]. 农业环境科学学报, 2012,31(7):1421-1430.

Cai J Z, Fan X P, Huang M, et al. Sources analysis of agricultural non-point source pollution in the Three Gorges Reservoir Area of Hubei Province, China [J]. Journal of Agro-Environment Science, 2012,31(7):1421-1430.

[16] 于 骥,蒲 实,周 灵.四川省农业面源污染与农业增长的实证分析[J]. 农村经济, 2016,(9):56-60.

Yu J, Pu S, Zhou L. Empirical analysis of agricultural surface source pollution and agricultural growth in Sichuan Province [J]. Rural Economy, 2016,(9):56-60.

[17] 闫桂权,何玉成,张晓恒.绿色技术进步、农业经济增长与污染空间溢出——来自中国农业水资源利用的证据[J]. 长江流域资源与环境, 2019,28(12):2921-2935.

Yan G Q, He Y C, Zhang X H. Green technology progress, agricultural economic growth and pollutionspace spillover effect: Evidence of agricultural water utilization process in China [J]. Resources and Environment in the Yangtze Basin, 2019,28(12): 2921-2935.

[18] 彭甲超,肖建忠,李 纲,等.长江经济带农业废水面源污染与农业经济增长的脱钩关系[J]. 中国环境科学, 2020,40(6):2770-2784.

Peng J C, Xiao J Z, Li G, et al. Decoupling relationship between agricultural wastewater non-point source pollution and agricultural economic growth in the Yangtze River Economic Belt [J]. China Environmental Science, 2020,40(6):2770-2784.

[19] Grossman G M, Krueger A B. Environmental impacts of a North American Free Trade Agreement [R]. Cambridge, MA: National Bureau of Economic Research, 1991.

[20] 李 竞,侯丽朋,唐立娜.基于环境库兹涅茨曲线的我国大气污染防治重点区域环境空气质量与经济增长关系研究 [J]. 生态学报, 2021,41(22):8845-8859.

Li J, Hou L P, Tang L N. Relationship between air quality and economic growth in key areas ofair pollution control in China based on the Environmental Kuznets Curve [J]. Acta Ecologica Sinica, 2021,41(22):8845-8859.

[21] 王 远,王春春,赵 静,等.江苏省SO2排放环境库茨涅茨关系研究——基于半参数面板数据模型分析[J]. 中国环境科学, 2016, 36(10):3143-3149.

Wang Y, Wang C C, Zhao J, et al. Investigating the environmental Kuznets curve hypothesis for SO2emissions in Jiangsu Province: A semi-parametric panel data analysis [J]. China Environmental Science, 2016,36(10):3143-3149.

[22] 孙大元,杨祁云,张景欣,等.广东省农业面源污染与农业经济发展的关系[J]. 中国人口·资源与环境, 2016,26(S1):102-105.

Sun D Y, Yang Q Y, Zhang J X, et al.Positive analysis on the relationship between agriculture non-point source pollution and economic growth of Guangdong Province [J]. China Population, Resources and Environment, 2016,26(S1):102–105.

[23] 揭昌亮,王金龙,庞一楠.中国农业增长与化肥面源污染:环境库兹涅茨曲线存在吗? [J]. 农村经济, 2018,(11):110-117.

Jie C L, Wang J L, Pang Y N. Agricultural growth and fertilizer surface-source pollution in China: Does the environmental Kuznets curve exist [J].Rural Economy, 2018,(11):110–117.

[24] 沈 能,张 斌.农业增长能改善环境生产率吗?——有条件“环境库兹涅茨曲线”的实证检验[J]. 中国农村经济, 2015,(7):17-30.

Shen N, Zhang B. Can agricultural growth improve environmental productivity? --An empirical test of the conditional "environmental Kuznets curve"[J].Chinese Rural Economy, 2015,(7):17–30.

[25] Martin Wagner. The carbon Kuznets curve: A cloudy picture emitted by bad econometrics? [J]. Resource and Energy Economics, 2008, 30(3):388–408.

[26] 刘 扬,陈劭锋,张云芳.中国农业EKC研究:以化肥为例[J]. 中国农学通报, 2009,25(16):263-267.

Liu Y, Chen S F, Zhang Y F.Study on Chinese agricultural EKC: Evidence from fertilizer [J].Chinese Agricultural Science Bulletin, 2009,25(16):263–267.

[27] 尚 杰,李 新,邓雁云.基于EKC的农业经济增长与农业面源污染的关系分析——以黑龙江省为例[J]. 生态经济, 2017,33(6):157- 160,166.

Shang J, Li X, Deng Y Y. Analysis of the relationship between agricultural economic growth and agricultural non-point source pollution based on EKC: Taking HeilongjiangProvince as an example [J]. Ecological Economy, 2017,33(6):157-160,166.

[28] 陈 勇,冯永忠,杨改河.农业非点源污染源的环境库兹涅茨曲线实证研究——基于陕西省农业投入和废弃物排放的研究[J]. 干旱地区农业研究, 2010,28(3):191-198.

ChenY, Feng Y Z, Yang G H.Empirical study on Environmental Kuznets Curve of non-point sourcepollution——A case study of agricultural input and agricultural waste'soutput in Shaanxi Province [J]. Agricultural Research in the Arid Areas, 2010,28(3):191–198.

[29] 侯孟阳,姚顺波.异质性条件下化肥面源污染排放的EKC再检验——基于面板门槛模型的分组[J]. 农业技术经济, 2019,(4):104- 118.

Hou M Y, Yao S B. EKC Retest of fertilizer non-point source pollution emissionunderheterogeneous conditions——grouping based on Panel Threshold Model [J]. Journal of Agrotechnical Economics, 2019,(4): 104-118.

[30] 刘志欣,邵景安,李阳兵.重庆市农业面源污染源的EKC实证分析[J]. 西南师范大学学报(自然科学版), 2015,40(11):94-101.

Liu Z X, Shao J A, Li Y B. The empirical analysis of EKC on agricultural non-point source pollution in Chongqing [J].Journal of Southwest China Normal University (Natural Science Edition), 2015, 40(11):94-101.

[31] 牟新利,祁俊生,黄 宇,等.重庆农业面源污染的环境库兹涅茨曲线评价[J]. 贵州农业科学, 2011,39(1):228-230.

Mu X Li, Qi J S, Huang Y, et al.Pollution of agricultural non-point source based on Environmental Kuznets Curve Model in Chongqing [J]. Guizhou Agricultural Sciences, 2011,39(1):228-230.

[32] Zhang T, Ni J P, Xie D T. Assessment of the relationship between rural non-point source pollution and economic development in the Three Gorges Reservoir Area. Environmental Science and Pollution Research [J]. 2016,23(8):8125-8132.

[33] 雷俊华,苏时鹏,余文梦,等.中国省域化肥面源污染时空格局演变与分组预测[J]. 中国生态农业学报(中英文), 2020,28(7):1079-1092.

Lei J H, Su S P, Yu W M, et al. Temporal and spatial pattern evolution and grouping prediction of non-point source pollution of chemical fertilizers in China [J]. Chinese Journal of Eco-Agriculture, 2020, 28(7):1079-1092.

[34] 陈玉成,杨志敏,陈庆华,等.基于“压力-响应”态势的重庆市农业面源污染的源解析[J]. 中国农业科学, 2008,41(8):2362-2369.

Chen Y C, Yang Z M, Chen Q H, et al. Source apportionment of agricultural non-point source pollution in Chongqing based on pressure-response system [J]. Scientia Agricultura Sinica, 2008,41(8): 2362-2369.

[35] 国家环境保护总局.全国规模化畜禽养殖业污染情况调查及防治对策[M]. 北京:中国环境科学出版社, 2002,25:77-78.

State Environmental Protection Administration. Survey of pollution in the national large-scale livestock and poultry farming industry and countermeasures for prevention and control [M]. Beijing: China Environmental Science Press, 2002,25:77-78.

[36] 葛继红.江苏省农业面源污染及治理的经济学研究[D]. 南京:南京农业大学, 2011.

Ge J H. Economics of agricultural surface source pollution and management in Jiangsu Province [D]. Nanjing: Nanjing Agricultural University, 2011.

[37] 熊昭昭,王书月,童 雨,等.江西省农业面源污染时空特征及污染风险分析[J]. 农业环境科学学报, 2018,37(12):2821-2828.

Xiong Z Z, Wang S Y, TONG Y, et al. Analysis on spatio-temporal characteristics of agricultural non-point sources pollution and pollution risk in Jiangxi Province, China [J]. Journal of Agro- Environment Science, 2018,37(12):2821-2828.

[38] 许 策,李 晔,束继年等.汉江流域荆门段面源污染负荷时空分布与污染现状评价[J]. 水土保持通报, 2017,37(4):63-68.

XU C, Li Y, SHU J N, et al. Spatial distribution and evaluation of non-point pollution source in Jingmen Region of Hanjiang Watershed [J]. Bulletin of Soil and Water Conservation, 2017,37(4):63-68.

[39] 孙传旺,罗 源,姚 昕.交通基础设施与城市空气污染——来自中国的经验证据 [J]. 经济研究, 2019,54(8):136-151.

Sun C W, Luo Y, Yao X.Transportation Infrastructure and urban air pollution - Empirical evidence from China [J]. Economic Research Journal, 2019,54(8):136-151.

Analysis on spatial-temporal characteristics and Environmental Kuznets Curve of non-point source pollution in the Three Gorges Reservoir Area.

FENG Lin1*, ZHANG Wan-ting1, ZHANG Jun-ke1, MAO Xin-hui2, YU Xin3, YE Cheng-song3, CHANG Tian-yang1

(1.School of Environment & Natural Resources, Renmin University of China, Beijing 100872, China；2.Chinese Academy of Natural Resources Economics,Beijing 101149, China；3.College of the Environment & Ecology, Xiamen University, Xiamen361102, China)., 2022,42(7)：3325～3333

Total Nitrogen(TN) and total phosphorous(TP) emissions of agricultural non-pointsource pollution in 19 regions of the Three Gorges Reservoir Area(TGRA) were estimated from 2008 to 2018. Their spatial-temporal variation characteristics were further analyzed. According to Environmental Kuznets Curve (EKC) theory, a regression model based on panel data was constructed to explore the relationship between agricultural economy development and non-point source pollution emission intensity in TGRA. Our study found that TN emissions of agriculture decreased with fluctuation, and TP increased with fluctuation in TGRA. The average annual emissions of TN and TP in each region ranged from 374～6046 tons and 105～1267 tonsrespectively. Agricultural fertilizer and livestock breeding units contributed to more than 80% of total TN and TP. There were significant "inverted U-shape" EKC relationships to TN emission intensity, TN/TP emission intensity in livestock & poultry breeding unit and rural living unit, indicating that the turning points have been showed in these curves. There were significant "linear" EKC relationships to TP emission intensity in agricultural fertilizer unit, TN/TP emission intensity in aquaculture unit and farmland solid-waste unit, indicating a simultaneous growth with economy. The research finally proposed that agricultural fertilizer unit should upgrade the pollution prevention capacity, so as to improve rural living environment and reduce regional TN and TP emission.

agricultural non-point source pollution；unit analysis method；Environmental Kuznets Curve (EKC)；Three Gorges reservoir area(TGRA)

X501

A

1000-6923(2022)07-3325-09

冯 琳(1979-),女,江苏泰州人,副教授,博士,主要研究方向为环境规划与管理.发表论文30余篇.

2021-12-17

中国人民大学2022年度“中央高校建设世界一流大学(学科)和特色发展引导专项资金”

* 责任作者, 副教授, feng.lin@163.com