余秋菊,武以敏,高凤伟,栾诗晴
宿州学院统计调查咨询服务中心,安徽宿州,234000
山东省近二十年来不断扩大规模总量,优化产业结构,其中农业发展取得了辉煌成就,山东省已成为农业生产大省之一。2018年,山东省农业增加值约占农林牧渔业总增加值的55.143%。随着农业生产规模的扩大以及农药、化肥、地膜等各种生产要素的投入,山东省农业面源污染逐渐加重,主要产生水体富营养化、土壤次生盐渍化和耕地通透性变差等污染现象。中共十八大和十九大会议中分别提出了建设“资源节约型、环境友好型”社会和“绿水青山就是金山银山”理念,强调了人与自然和谐共生,坚定走生态文明发展道路。2021年,国家相关部门发布了《“十四五”全国农业绿色发展规划》,其中将加强农业面源污染防治作为总体要求之一。在此背景下,积极探讨山东省农业面源污染的来源以及影响因素具有重要的理论意义及实际意义。
目前,国内外学者围绕生态文明建设及绿色发展进行了研究,且环境污染一直是研究的热门话题。如屈文波等[1]从非正式环境规制减排角度出发,利用动态空间面板模型探究公众参与对环境污染的影响,研究表明公众参与度的提高能够有效减少环境污染物的排放,且环境污染具有空间溢出效应;
施震凯等[2]利用面板数据模型研究进口复杂度对雾霾污染的影响效应,实证发现进口复杂度的提升能够促进产业结构升级及技术创新等,进而对雾霾污染具有正向积极作用;
姚成胜等[3]运用面板数据模型对全国31个省份的环境污染影响因素进行研究,研究表明大部分地区的工业集聚水平对环境污染产生了抑制作用,并且土地城镇化水平、工业集聚水平对全国的环境污染均具有正向促进作用。梳理并归纳文献[4-6]可知,关于绿色发展水平的研究主要体现在绿色发展效率的测算及影响因素分析,研究表明经济发展水平、产业结构、科技进步、外商直接投资等因素对绿色发展具有显著的正向促进作用。同时注意到,国内外大多数学者对高质量经济发展的研究仅仅从工业污染、雾霾污染、绿色发展等视角进行研究,而对农业面源污染进行量化分析的研究偏少。
在此背景下,本文选取山东省17个地市作为研究对象,利用清单分析法和固定效应模型探究山东省17个地市的农业面源污染排放量及其影响因素,并运用Moran’I指数、LISA散点图、集聚图等分析山东省17个地市农业面源污染是否具有空间溢出效应。
本文研究目的是运用清单分析法测算山东省17个地市的农业面源污染排放量,且根据Moran’I指数、LISA散点图、集聚图等分析山东省17个地市的农业面源污染排放的空间效应,并利用面板数据模型探究农业面源污染的影响因素。
1.1 农业面源污染排放量的测算
查阅文献[7],利用清单分析法测算农业面源污染物全氮(TN)、全磷(TP)、化学需氧量(COD)。在现有研究基础上进行扩展,得到农业面源污染产污清单表,如表1所示。
表1 农业面源污染产污清单
文中选取上表中五类污染源,其污染源产污系数分别来源于:肥料施用污染源中使用的系数参考梁流涛和张佳卓的文献[8-9]、畜禽养殖中使用的系数参考《全国污染普查畜禽养殖业产污系数与排污系数手册》、水产养殖中使用的排污系数参考《水产养殖业污染源产排污系数手册》、农作物污染系数参考《全国种植业污染源普查排污系数测算实施方案》,其污染排放量的计算公式如下:
其中,E表示农业面源污染排放量;
EUi表示污染单元i的统计量;
Pi为污染单元i的产生系数;
Ci为污染单元i的流失系数;PEi为农业面源污染产生量。通过上面的污染排放量计算公式,可分别测算2009—2018年山东省及17个地市的农业面源污染物全氮、全磷、化学需氧量排放量。
1.2 空间效应检验
运用全局Moran′s I指数检验山东省农业面源污染的整体空间相关性,用局部Moran′s I指数检验各区域与周边区域的空间相关性,用LISA统计量检验空间集聚现象。其全局Moran′s I指数和局部Moran′s I指数的计算公式分别如下[10]:
1.3 面板数据模型
面板数据同时含有横截面和时间序列的数据,是对一组固定调查对象的多次观测得到的数据,即由横截面上个体在不同时间的重复观测而形成的数据。在建立面板数据模型需要确定模型类别:根据对截距项和解释变量系数的不同假设,可以将面板数据回归模型具体划分为混合回归模型、固定效应模型和随机效应模型三种,其中固定效应模型公式如下[10]:
yit=xitβ+zi′δ+ri+ui+εit
其中,yit,xit分别表示因变量和自变量在横截面i和时间t上的数值,β,δ分别是系数项,zi是不随时间变化的个体特征,ui+εit是复合扰动项,i=1,2,…N表示截面个体数,t=1,2,…N表示对每个截面的观察时点数。
2.1 时序变化分析
由于数据可获取性,文中选取2009—2018年面源污染指标数据进行分析。根据清单分析法可得2009—2018年山东省农业面源污染物全氮、全磷、化学需氧量的排放量,由于年份较多,本文选取2018年的农业面源污染排放量进行分析。如表2所示。
表2 2018年山东省农业面源污染物排放量
由表2可知,2018年山东省农业面源污染物排放量较多的是TN和COD,其分别为555 660.9 t、203 107.3 t,两者分别占总污染排放量的66.35%、24.25%;
而TP排放量为78 661.47 t,仅占总污染排放量的9.39%。并且从各类污染源看,由畜禽养殖产生的污染物为577 298.6 t,其占总污染排放量的68.94%;
而由农作物产生的污染物占总污染排放量的17.33%,这两种污染源是农业面源污染产生的主要部分。同理观察2009—2018年山东省农业面源污染物排放量也可发现,各年山东省畜禽养殖和农作物产生的污染物也居于前位。
由图1可知,2009—2018年山东省农业面源污染物排放量最多的是TN,最少的是TP。此外,2009—2018年山东省农业面源污染物TN、TP和COD处于较小波动状态,其中TP长期内呈平稳趋势,TN和COD从2014—2018年整体上呈缓慢下降趋势。
图1 2009—2018年山东省农业面源污染物排放量
根据图2可知,将2009年作为比较基期,2010—2018年山东省农业面源污染物排放量增长率变化趋势较大的是2018年,且三种污染物排放量增长率达到最大的负增长。此外,2010—2014年山东省农业面源污染物COD排放量增长率均为正增长,而2015—2018年三种农业面源污染物排放量增长率均处于负增长。这表明2010—2014年山东省农业种植和水产养殖过程中产生了大量的污染物COD,但从2015—2018年山东省逐渐意识到生态环境的重要性,注重绿色发展之路,进而农业面源污染物排放量逐步较弱。
图2 2010—2018年污染物排放量增长率变化趋势图
2.2 空间效应分析
由于涉及年份较多,本文利用2018年数据对山东省17个地市农业面源污染排放量进行空间效应分析。首先利用全局Moran’s I指数检验山东省农业面源污染排放量是否具有空间相关性,检验结果如图3所示。
图3 2018年山东省各地市Moran’s I散点图
由图3可知,2018年山东省17个地市的Moran′s I指数为0.289,大于0。另外,在5%的显著性水平下,p值小于0.05。由此表明,2018年山东省17个地市的农业面源污染排放总量具有显著的空间正向相关性,也即是山东省整体农业面源污染具有空间溢出性。同理,若分别对TN、TP、COD污染排放量进行全局Moran′s I指数检验,可得TN、TP、COD污染排放量的全局Moran′s I指数在5%的显著性水平下,三者均显著。由此表明,2018年山东省各类农业面源污染物也分别具有空间溢出性。下面利用局部空间相关性检验某地区与周边地区是否具有空间相关性,输出结果如图4所示。
图4 2018年山东省各地市LISA显著性和集聚图
根据LISA显著图4可知,在1%的显著性水平下,2018年山东省德州市和聊城市的农业面源污染总量通过了检验。在5%的显著性水平下,2018年山东省济南市和潍坊市农业面源污染总量通过了检验。由LISA集聚图发现,2018年山东省的济南市处于H-L象限,潍坊市处于L-L象限,德州市和聊城市均处于L-H象限。此外,从LISA和集聚图发现,数十年山东省农业面源污染聚集情况没有产生较大变化。
2.3 农业面源污染影响因素分析
选取2009—2018年山东省各地市的年末总人口数(PE)、化肥使用量(HS)、农药使用量(NS)、地膜(DM)、灌溉面积(GG)、柴油使用量(NC)作为解释变量;
用上文测算出的2009—2018年山东省各地市的TP、TN、COD排放总量分别作为被解释变量,用Y表示。所有数据均来源于2010—2019年《山东省统计年鉴》、各地市《统计公报》等。
首先利用F检验和Hausman检验确定适合的面板数据模型,得到的结果如下所示:
根据表3可知,以TN为被解释变量的模型中,P值小于0.05,则表明应接受备择假设,建立固定效应模型。
表3 污染物全氮随机效应模型的Hausman检验
此外,通过F检验发现(表4),P值小于0.05,则表明应拒绝原假设,建立固定效应模型,这也与Hausman检验结果相一致。同理,通过对TP和COD模型的一系列检验发现,以TP和COD为被解释变量的模型也应建立固定效应模型。
表4 污染物全氮固定效应模型的F检验
其次,文中分别以TN、TP、COD为被解释变量建立固定效应模型,整理结果如表5所示。
表5 固定效应模型回归结果
从表5可知,以TN、TP、COD为被解释变量的三个固定效应模型中,模型的F统计量都显著超过相应临界值水平,这表明三个固定效应模型的整体显著性水平较好。观察以TN被解释变量的固定效应模型发现,HS、NS、GG的回归系数在1%的显著性水平下显著,且HS、NS的系数为正值,GG的系数为负值,这表明化肥使用量和农药使用量对TN污染物的排放具有显著的正向作用,农田灌溉面积对TN污染物的排放具有显著的负向作用。DM的回归系数在10%的显著性水平下显著,且DM的系数为正值,这表明地膜使用量对TN污染物的排放具有显著的正向作用。同理,观察以TP、COD为被解释变量的固定效应模型发现,PE、HS、NS的回归系数在1%的显著性水平下显著,且年末总人口数、化肥使用量对TP污染物的排放具有显著的正向作用。PE、HS、GG的回归系数在1%的显著性水平下显著,且年末总人口数、化肥使用量、农田灌溉面积对COD污染物的排放具有显著的正向作用,这也与胡鞍钢[11]、葛继红[12]等人的研究结果相一致。从回归系数绝对值发现,三个模型中柴油使用量的系数较小,也表明这个变量对三种污染物的排放具有较小的影响。
文中主要利用清单分析法测算2009—2018年山东省各地市的农业面源污染排放量,并对各地市的农业面源污染排放量进行时空效应分析,以及运用固定效应模型分析农业面源污染排放的影响因素,得到的结论有:第一,2009—2018年山东省整体农业面源污染中TN和COD的排放量较多,TP最少;
且2015—2018年山东省农业面源污染物排放量增长率均处于负增长。第二,2009—2018年山东省农业面源污染TN、TP、COD的排放量具有空间溢出性,且德州市、聊城市以及潍坊市的农业污染排放量相对较高。第三,人口数、化肥使用量以及地膜等变量对TN、TP、COD的排放具有正向作用,也即是表明TN、TP、COD的排放量会随着人口数、化肥和地膜使用量的增加而增加。因此,笔者提出以下建议:第一,政府应积极提倡绿色发展,鼓励居民和企业投身于生态文明建设,加强可持续发展理念。第二,在农业发展进程中,合理控制并规划农药、地膜、化肥等污染环境的生产要素投入,积极引进先进农业技术水平,提高生产效率和能源使用效率。第三,各地市政府要重点关注农业面源污染的空间效应,努力减少污染源,共同治理环境污染,协调发展。
——山东省济宁市老年大学之歌老年教育(老年大学)(2021年10期)2021-11-12天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28山东省即墨市中国学校体育(2016年11期)2016-12-0150%,全球最富有的10%人口碳排放量占全球一半中国国情国力(2016年1期)2016-11-26