2023, Vol. 44
2. 青岛理工大学管理工程学院, 青岛 266520;
3. 青岛佳明测控科技股份有限公司, 青岛 266000;
4. 东北大学机械工程与自动化学院, 沈阳 110819
, XUE Yan2 , GAO Chang3 , WAN Zi-heng1 , WANG Xiao-ning4 , LIU Yong-lin1 , LIU Lin1 , LIU Chang-qing1 , WANG Wei-liang1
2. School of Management Engineering, Qingdao University of Technology, Qingdao 266520, China;
3. Qingdao Jiaming Measurement and Control Technology Co., Ltd., Qingdao 266000, China;
4. School of Mechanical Engineering and Automation, Northeastern University, Shenyang 110819, China
河流是人类生活、生产和生态用水的重要来源, 河流水质是关系到国家饮用水和工业、灌溉用水安全的关键问题[1, 2].中国正处于工业化进程中后期, 河流水质下降和水生生态系统退化严重, 河流水环境问题凸显, 改善河流水环境质量是中央关心、社会关注和群众关切的热点难点[3, 4].河流水质演变是自然过程、人类生产生活综合作用的结果, 科学评价河流环境状况是进行河流环境防治及管理的基础[5, 6].
为了控制和管理河流环境质量, 需要对河流水质演变规律及其驱动因子相关性进行深入分析[7, 8].目前, 常规河流环境质量研究主要集中于河流、湖泊和水库等水体环境特征和污染物时空分布特征, 水质评价方法和模型, 污染物排放和环境质量关系模型等[9~12].水质评价方法包括单因子评价法、污染指数评价法、模糊数学评价法、人工神经网络评价法和综合水质标识指数法等[13].刘彦龙等[14]利用Mann-Kendall趋势检验、层次聚类分析、主成分分析和综合水质标识指数综合评价了黄河干流水质及其时空变化特征, 结果表明黄河干流主要污染指标为氨氮(NH4+-N)和高锰酸盐指数, 污染物来源包括生活源、工业源和农业源, 研究结果能够为黄河流域水污染防治及水质综合管理提供科学依据.陈善荣等[15]从流域主要污染特征和主要超标指标浓度时空变化等方面分析了2016~2019年长江流域水质时空分布特征, 结果发现总磷、NH4+-N和化学需氧量(COD)是长江流域主要污染物, 为加强流域内总磷控制和优化长江流域产业结构、加强污染治理和改善流域水质提供支撑.上述研究对了解河流水环境质量提供了数据支持, 为河流水环境质量改善提供了理论依据, 具有显著的价值.然而目前的研究主要集中在单个流域、湖泊或水库, 国家尺度河流环境质量调查及其驱动因子相关性分析尚未开展.
同时, 中国“十三五规划”提出了环境保护工作应该以改善环境质量为核心[16, 17].中国水环境管理目标同样由以排放量削减为导向转变为以环境质量改善为导向, 实施更加严格的环境质量标准“倒逼”经济结构调整, 实现环境友好型经济增长, 更重视公众的感受及环境权益的实现[18].李名升等[19]基于分析污染物排放与环境质量相互影响构建了污染排放-环境质量关系模型, 并对2005~2010年中国各地区建立模型, 结果表明中国大部分省区属于高污染-低质量类型, 污染物减排是中国面临的首要环境问题, 研究结果有助于判定中国环境形势和改善环境质量.Guan等[20]建立由污染损害补偿模块和污染保护补偿模块组成的生态补偿污染损害-保护双向模型, 得出驻马店小洪河流域生态补偿的重点是污染损害补偿, 未来需要加强水污染防治, 为流域生态补偿量化和流域水环境管理拓宽了思路.Xu等[21]基于2004~2019年地级市面板数据和长江、黄河干流水质监测断面, 研究农业、工业和家庭活动污染源对整体水质的影响, 结果表明工业是环境水污染的主要来源, 其次是家庭和农业污染源, 工业和家庭生活是长江和黄河流域水污染主要来源.目前, 关于河流环境质量演变与经济因素、环境保护治理投资因素的相关性研究较少, 亟需阐明国家尺度河流环境质量演变规律及其驱动因子相关性, 为国家改善河流环境质量提供数据和理论支撑.
本文以中国尺度河流为研究对象, 分析了2002~2020年中国河流环境质量演变规律, 结合污染物排放和环境污染治理投资等数据, 阐明了环境因素(废水、COD、NH4+-N的排放总量)和经济因素(城市基础设施建设投资、工业污染治理投资、建设项目环保投资)与中国河流环境质量改善的相互关系, 定量分析中国河流环境质量演变驱动因子, 科学评估中国河流环境质量改善状况, 以期为污染物减排、环境治理投资增加和中国河流环境质量管控提供科学依据.
1 材料与方法 1.1 数据来源2002~2020年中国流域水质数据、污染物排放数据和环境治理投资数据来源于中国生态环境状况公报(生态环境部)和中国生态环境统计年报(生态环境部); 2002~2020年中国环境污染事故数据来源于环境统计数据(国家统计局)和中国生态环境状况公报(生态环境部); 2002~2020年中国GDP数据来源于中国统计年鉴(国家统计局).
1.2 指标构建本研究范围为七大流域(长江、黄河、珠江、淮河、海河、辽河和松花江流域)、浙闽片河流域、西南诸河流域和西北诸河流域.《地表水环境质量标准》(GB 3838~2002)将我国地表水水质划分为Ⅰ~劣Ⅴ类, 本研究中将Ⅰ~Ⅲ类、Ⅳ~Ⅴ类和劣Ⅴ类定义为良好水质、中等水质和劣等水质[22].因此水质指标为Ⅰ~Ⅲ类水、Ⅳ~Ⅴ类水和劣Ⅴ类水占比.污染物排放指标由废水排放总量(工业废水、生活污水的排放总量)、COD排放总量(工业废水、生活污水的COD排放量)和NH4+-N排放量(工业废水、生活污水NH4+-N的排放量)组成.环境污染治理投资指标由城市环境基础设施建设投资、工业污染源治理投资和建设项目环保投资组成.
1.3 研究方法 1.3.1 典型相关分析典型相关分析通过不断提取各组变量的各指标线性组合, 使其每对线性组合具有最大相关系数而各对线性组合之间互不相关, 直至两组变量之间的相关性被提取完毕, 典型相关系数显著的典型变量能够反映综合变量的代表性[23].典型相关分析过程如式(1)所示：
|
(1) |
式中, V和W分别为河流环境质量-污染物排放指标相关性分析中环境质量指标(Ⅰ~Ⅲ类、Ⅳ~Ⅴ类、劣Ⅴ类占比)的典型变量和污染排放指标(废水、COD、NH4+-N的排放总量)的典型变量, X1、X2和X3分别为各流域Ⅰ~Ⅲ类水、Ⅳ~Ⅴ类水和劣Ⅴ类水占比, X4、X5和X6分别为各流域的全国废水、COD和NH4+-N的排放总量; N和M分别为河流环境质量-环境污染治理投资指标相关性分析中环境质量指标(Ⅰ~Ⅲ类、Ⅳ~Ⅴ类、劣Ⅴ类占比)的典型变量和环境污染治理投资指标(城市基础设施建设投资、工业污染治理投资、建设项目环保投资)的典型变量, Y1、Y2和Y3分别为各流域的Ⅰ~Ⅲ类水、Ⅳ~Ⅴ类水和劣Ⅴ类水比例, Y4、Y5和Y6分别为各流域的城市环境基础设施建设投资、工业污染源治理投资和建设项目环保投资; i为1、2、3和4时分别代表七大流域、浙闽片河流、西南诸河和西北诸河, j=1, 2, …, n, n为各典型相关系数通过威尔克斯检验显著的数量, a和b为标准化典型相关系数.
1.3.2 Spearman相关系数Spearman相关系数是一种非参数相关系数, 适用于呈单调关系但不呈线性相关的数据[24].本研究采用Spearman相关系数计算各流域Ⅰ~Ⅲ类、Ⅳ~Ⅴ类和劣Ⅴ类水占比与污染物排放指标和环境污染治理投资指标的相关性, 计算过程如式(2)所示：
|
(2) |
式中, rS为Spearman相关系数, n为样本容量(n=19), di为Xi和Yi在样本X和Y自小到大排序后的等级差, 在计算河流环境质量-污染物排放指标相关性中, Xi为i年Ⅰ~Ⅲ类和劣Ⅴ类水占比, Yi为i年废水、COD和NH4+-N的排放总量, 在计算河流环境质量-环境污染治理投资指标相关性中, Xi为i年Ⅰ~Ⅲ类和劣Ⅴ类水占比, Yi为i年城市环境基础设施建设投资、工业污染源治理投资和建设项目环保投资.
2 结果与讨论 2.1 中国河流环境质量状况 2.1.1 环境污染事故2002~2020年中国环境污染事故整体呈下降趋势, 如图 1所示.2002~2020年环境污染事故分3个阶段：2002~2007年中国环境污染事故呈快速下降趋势, 环境污染事故数量与时间线性规律为：y=-295.23x+2 352.5 (R2=0.941); 2008~2013年我国环境污染事故呈缓慢上升趋势, 环境事故数量与时间线性规律为：y=48.114x+349.6 (R2=0.672), 平均每年发生518次环境污染事故; 2014~2020年我国环境污染事故呈缓慢下降趋势, 环境事故数量与时间线性规律为：y=-34.036x+445.57 (R2=0.811), 平均每年发生309次环境污染事故.特大和重大环境污染事件数量随时间变化规律与环境污染事故总量趋势一致.
|
图 1 2002~2020年中国环境污染事件和突发性水污染事件数量 Fig. 1 Number of environmental pollution accidents and abrupt water pollution accidents in China from 2002 to 2020 |
突发性水污染事件仍是我国面临的主要环境安全问题.2002~2020年突发性水污染事件呈上升趋势, 与时间线性规律为：y=2.614x-5 179.1 (R2=0.593), 目前突发性水污染事件主要来源于企业违规排污、工厂事故泄漏等人为因素以及自然条件破坏[25~27].
2.1.2 中国河流环境质量演变规律2002~2020年中国河流环境质量显著改善：中国七大流域Ⅰ~Ⅲ类水占比由2002年的29.1%上升到2020年的87.4%, 而劣Ⅴ类水占比由2002年的40.9%下降为2020年的0.2%, 如图 2所示.2002~2020年中国七大流域主要污染物变化显著, 分为两个阶段：2002~2010年, 生化需氧量、NH4+-N、高锰酸盐指数和石油类污染物问题突出, 重金属(汞)和酚类(挥发酚)污染改善; 2011~2020年, COD和生化需氧量污染问题突出, 并伴随NH4+-N、高锰酸盐指数和总磷污染随机出现, 没有重金属和酚类污染.
|
图 2 2002~2020年中国河流环境质量变化规律和主要污染物 Fig. 2 Variation law and major pollutants in China's rivers from 2002 to 2020 |
长江流域水资源总量9 755亿m3, 约占全国河流径流总量36%, 是我国水资源最丰富的河流, 长江上游水质演变主要受自然因素影响, 中下游主要受化肥使用量和水库建设驱动[28]. 2002~2020年长江流域Ⅰ~Ⅲ类水占比由51.5%提升至96.7%, 劣Ⅴ类水占比由25%下降为0%, 如图 3(a)所示.长江流域污染程度由中度和轻度污染(2002~2004年)逐步改善为良好(2005~2018年)和优(2019~2020年), 长江流域总体水质提升与我国近年来实施的长江保护修复攻坚, 水资源保护“三水共治”等系列专项行动密切相关[29].黄河流域是我国第二大流域, 保障黄河流域水质在区域经济社会可持续发展和生态安全方面具有十分重要的地位. 2002~2020年黄河流域Ⅰ~Ⅲ类水占比由22.7%提升至84.7%, 劣Ⅴ类水占比由49.7%下降到0%. 2002~2020年黄河流域水质得到较大改善, 由重度污染(2002年)逐步改善为中度污染(2003~2010年)和轻度污染(2011~2019年), 并在2020年改善为良好[图 3(b)].文献[30]研究表明, 将黄河流域生态保护和高质量发展上升为国家战略是黄河流域环境质量将得到进一步改善的原因.
|
图 3 2002~2020年长江和黄河流域环境质量变化规律 Fig. 3 Variation law of environmental quality in Yangtze River and Yellow River basins from 2002 to 2020 |
2002~2020年珠江流域Ⅰ~Ⅲ类水占比由73.5%提升为92.7%, 劣Ⅴ类水比例由8.2%下降到0%, 流域污染程度一直保持在良好和优, 如图 4所示.2002~2020年淮河流域Ⅰ~Ⅲ类水占比由16.1%提升为78.9%, 劣Ⅴ类水比例由44.1%下降到0%, 流域污染程度由重度污染(2001年)逐步改善为中度污染(2003~2008年)和轻度污染(2009~2019年), 并在2020年水质达到良好, 淮河流域水质改善与南水北调东线工程密切相关.2002~2020年海河流域Ⅰ~Ⅲ类水占比由14.4%提升为64%, 劣Ⅴ类水占比由71.2%下降到0.6%, 海河流域水质污染严重, 污染程度由污染严重(2002~2003年)和重度污染(2004~2010年, 2016年)逐步改善为中度污染(2011~2015年和2017~2018年)和轻度污染(2019~2020年).2002~2020年辽河流域Ⅰ~Ⅲ类水占比由17.9%提升为70.9%, 劣Ⅴ类水占比由52.2%下降到0%, 辽河流域由污染严重(2002年)和重度污染(2005~2007年)逐步改善为中度污染(2008~2010年)和轻度污染(2011~2020年).2002~2020年松花江流域Ⅰ~Ⅲ类水占比由27.8%提升为82.4%, 劣Ⅴ类水占比由14.8%下降到0%, 松花江流域污染程度由中度/轻度污染(2002~2019年)逐步改善为良好(2020年).2002~2020年浙闽片河流域Ⅰ~Ⅲ类水占比由50%提升为96.8%, 劣Ⅴ类水占比由15.4%下降到0%, 浙闽片河流域污染程度由轻度污染(2002~2004年, 2008~2089年)逐步改善为良好(2005~2007年, 2010~2015年, 2017~2018年)和优(2016年, 2019~2020年).2002~2020年西南诸河流域Ⅰ~Ⅲ类水占比由87.5%提升为95.2%, 劣Ⅴ类水占比由12.5%下降到3.2%, 西南诸河污染程度由轻度污染(2003年)逐步改善为良好(2004~2010年)和优(2011~2020年).2005~2020年西北诸河Ⅰ~Ⅲ类水占比由85%提升为98.4%, 劣Ⅴ类水占比由4%下降到0%, 西北诸河污染程度由轻度污染(2009年)逐步改善为优(2010~2020年).
|
图 4 2002~2020年珠江、淮河、海河、辽河、松花江、浙闽片河、西南诸河和西北诸河流域环境质量变化规律 Fig. 4 Variation law of environmental quality in Pearl River, Huaihe River, Haihe River, Liaohe River, Songhua River, river basins in Zhejiang and Fujian, southwest river basins, and northwest river basins from 2002 to 2020 |
2020年, 长江、珠江、浙闽片河、西北诸河和西南诸河流域水质达到优; 黄河、松花江和淮河流域水质达到良好; 而辽河和海河流域水质为轻度污染, 主要污染物均为COD、高锰酸盐指数和生化需氧量, 表明辽河和海河流域以好氧有机污染为主, 其中海河流域处于人口和工业密集区域, 污染物排放量大, 是未来改善河流环境质量的重点区域, 有机污染物削减任务突出.文献[31]研究表明海河流域及其周边地区面临最严重的水安全压力.
2.2 河流环境质量-污染物排放指标相关性分析 2.2.1 污染排放状况2016~2020年中国生态环境状况公报(生态环境部)和中国生态环境统计年报(生态环境部)取消了全国废水、工业废水和生活污水的排放总量数据, 因此本文首先建立最优时间序列预测模型对2016~2020年废水、工业废水和生活污水的排放总量进行预测, 如表 1所示[32].ARIMA模型中zt和zt-1为时间序列, εt为零均值白噪声序列.一阶指数平滑模型中st为时间t的指数平滑值(t+1期的预测值), yt为第t期的实际值, st-1为时间t-1的平滑值, 预测结果如图 5所示, 2016~2020年全国废水排放总量分别为758.1亿t、780.8亿t、803.6亿t、826.3亿t和849.1亿t, 工业废水排放总量分别为193.1亿t、186.8亿t、180.5亿t、174.2亿t和168.0亿t, 生活污水排放总量分别为560.1亿t、585.1亿t、610.0亿t、634.9亿t和659.8亿t.
|
表 1 废水排放量预测模型 Table 1 Prediction model of wastewater emission |
|
图 5 2016~2020年废水、工业废水和生活污水排放总量预测 Fig. 5 Prediction of emission of total wastewater, total industrial wastewater, and total sanitary sewage from 2016 to 2020 |
2002~2020年中国废水排放量显著增加, 其中废水排放总量由439.5亿t增加到849.1亿t, 与时间线性规律为：y=22.695x+419.76 (R2=0.997);城镇生活污水排放总量由232.3亿t增加到659.8亿t, 与时间线性规律为：y=25.105x+178.71 (R2=0.990); 而工业废水排放总量由207.2亿t减少到168亿t, 与时间线性规律为：y=-3.296x+246.33(R2=0.560), 如图 6所示.
|
图 6 2002~2020年废水、COD和NH4+-N的排放总量 Fig. 6 Emission of wastewater, COD and ammonia nitrogen from 2002 to 2020 |
COD和NH4+-N排放量分为4个阶段：2002~2010年COD和NH4+-N排放量保持相对稳定, 均由生活污水源和工业废水源组成, COD排放量中生活污水源和工业废水源平均比例分别为62.5%和37.5%, NH4+-N排放量中生活污水源和工业废水源平均比例分别为71.7%和28.3%.2011~2015年COD和NH4+-N排量增加, 其中一个重要原因是增加了农业源和集中式废水处理设施COD和NH4+-N排放量, 其中COD排放量中农业源平均占比47.8%, 生活污水源平均占比37.8%, 工业废水源平均占比13.7%, 集中式废水处理设施源平均占比0.7%; NH4+-N排放量中农业源平均占比31.7%, 生活污水源平均占比57.5%, 工业废水源平均占比10.1%, 集中式废水处理设施源平均占比0.7%.2016~2019年COD和NH4+-N排量降低, 农业源COD和NH4+-N排放量分别由2015年1068.6万t和72.6万t下降为2016年57.1万t和1.3万t; COD排放量中农业源平均占比5.3%, 生活污水源平均占比79.0%, 工业废水源平均占比15.3%, 集中式废水处理设施源平均占比0.4%; NH4+-N排放量中农业源平均占比1.4%, 生活污水源平均占比89.0%, 工业废水源平均占比8.9%, 集中式废水处理设施源平均占比0.7%[33].2020年COD排放量中农业源平均占比62.1%, 生活污水源平均占比35.9%, 工业废水源平均占比1.9%, 集中式废水处理设施源平均占比0.1%; NH4+-N排放量中农业源平均占比25.8%, 生活污水源平均占比71.9%, 工业废水源平均占比2.1%, 集中式废水处理设施源平均占比0.2%, 结果表明2020年COD和NH4+-N排放量主要来源于生活污水源和农业源, 原因可能与新冠疫情有关[34~36].
2.2.2 综合指标相关性分析对七大流域、浙闽片河、西南诸河和西北诸河Ⅰ~Ⅲ类、Ⅳ~Ⅴ类和劣Ⅴ类水占比与废水、COD和NH4+-N的排放量进行典型相关分析.七大流域、浙闽片河流、西南诸河和西北诸河的环境质量关于污染物排放的典型相关变量中的第一组典型相关系数分别为0.985、0.947、0.884和0.956, 各流域第1组之后的典型相关系数均不显著(P>0.01), 如表 2所示.
|
|
表 2 河流环境质量与污染物排放典型相关性和显著性检验 Table 2 Typical correlation and significance test between river environmental quality and pollutant emission |
根据表 2结果, 共有4对典型相关变量具有统计学意义, 记为V1(1)/W1(1)、V1(2)/W1(2)、V1(3)/W1(3)和V1(4)/W1(4), 对应的标准化典型变量分别如表 3所示.
|
|
表 3 河流环境质量与污染物排放标准化典型变量 Table 3 Standardized canonical variable between river environmental quality and pollutant emission |
七大流域、浙闽片河流、西南诸河和西北诸河水环境质量标准化典型系数顺序分别为：|-35.793|>|-23.395|>|-11.897|、|0.169|>|0.110|>|0.079|、|24.494|>|18.038|>|14.320|和|-16.408|>|-13.955|>|-2.876|, 表明在河流环境质量方面, 七大流域环境质量主要由Ⅰ~Ⅲ类水质反映, 其次是劣Ⅴ类; 浙闽片河流环境质量主要由Ⅳ~Ⅴ类水质反映, 其次是劣Ⅴ类; 西南诸河环境质量主要由Ⅰ~Ⅲ类反映, 其次是Ⅳ~Ⅴ类; 西北诸河环境质量主要由Ⅰ~Ⅲ类反映, 其次是Ⅳ~Ⅴ类.七大流域、浙闽片河、西南诸河和西北诸河污染排放标准化典型系数顺序分别为：|-0.102|>|-0.993|>|-0.014|、|0.985|>|0.089|>|0.069|、|-1.021|>|-0.716|>|0.315|和|-1.038|>|0.193|>|-0.184|, 表明在河流环境质量方面, 七大流域环境质量主要由废水排放总量反映, 其次是COD排放量; 浙闽片河流环境质量主要由废水排放总量反映; 西南诸河环境质量主要由废水排放总量反映, 其次NH4+-N排放量; 西北诸河环境质量主要由废水排放总量反映.
因此, 4对具有统计学意义的典型相关变量V1(1)/W1(1)、V1(2)/W1(2)、V1(3)/W1(3)和V1(4)/W1(4)最大相关性分别表示为Ⅰ~Ⅲ类水质和废水排放总量(七大流域)、Ⅳ~Ⅴ类水质和废水排放总量(浙闽片河流域)、Ⅰ~Ⅲ类水质和废水排放总量(西南诸河流域)和Ⅰ~Ⅲ类水质和废水排放总量(西北诸河流域).
2.2.3 指标内部相关性分析2002~2020年中国废水排放量增加明显(439.5亿t → 849.1亿t, 其中城镇生活污水排放总量增加(232.3亿t → 659.8亿t), 而工业废水排放总量减少(207.2亿t → 168亿t).2002~2020年中国七大流域、浙闽片河、西南诸河和西北诸河流域水质改善明显, Ⅰ~Ⅲ类水占比持续增加, 劣Ⅴ类水占比持续下降, 因此七大水系、浙闽片河、西南诸河和西北诸河Ⅰ~Ⅲ类水占比与废水、生活污水排放量呈正相关趋势, 与工业废水排放量呈负相关趋势, 如图 7所示; 七大水系、浙闽片河、西南诸河和西北诸河劣Ⅴ类水占比与废水、生活污水排放量呈负相关趋势, 与工业废水排放量呈正相关趋势, 如图 8所示.结果表明, 中国在保持经济发展的同时河流环境质量不断改善.
|
图 7 Ⅰ~Ⅲ类水与废水排放相关关系 Fig. 7 Correlation between class Ⅰ-Ⅲ and wastewater emission |
|
图 8 劣Ⅴ类水与废水排放相关关系 Fig. 8 Correlation between inferior class V and wastewater emission |
中国河流环境指标(Ⅰ~Ⅲ类水和劣Ⅴ类水)与工业源和生活源污染物排放指标Spearman相关系数如表 4所示.
|
|
表 4 Ⅰ~Ⅲ类水和劣Ⅴ类水与工业废水污染物排放Spearman相关系数1) Table 4 Spearman correlation coefficient between class Ⅰ-Ⅲ water/inferior class Ⅴ water and industrial wastewater pollutant emissions |
中国河流环境质量和工业源污染物排放显著相关.七大流域Ⅰ~Ⅲ类水与工业源污染物排放相关系数为：|-0.974|>|-0.953|>|-0.727|, 劣Ⅴ类水与工业源污染物排放相关系数为：|0.970|>|0.952|>|0.718|, 表明七大流域Ⅰ~Ⅲ类水与工业源污染物排放呈负相关, 且相关性顺序为：COD排放量(高度负相关)>NH4+-N排放量(高度负相关)>工业废水排放量(中度负相关), 七大流域劣Ⅴ类水与工业源污染物排放呈正相关, 且相关性顺序为：COD排放量(高度负相关)>NH4+-N排放量(高度负相关)>工业废水排放量(中度负相关).同理可知, 浙闽片河流域Ⅰ~Ⅲ类水与工业源污染物排放呈负相关, 且相关性顺序为：COD排放量(高度负相关)>NH4+-N排放量(高度负相关)>工业废水排放量(中度负相关), 浙闽片河流域劣Ⅴ类水与工业源污染物排放无相关性.西南诸河流域Ⅰ~Ⅲ类水与工业源污染物排放呈负相关, 且相关性顺序为：COD排放量(高度负相关)>NH4+-N排放量(高度负相关)>工业废水排放量(中度负相关), 西南诸河流域劣Ⅴ类水与工业源污染物排放呈正相关, 且相关性顺序为：COD排放量(中度负相关)>NH4+-N排放量(中度负相关), 与工业废水排放量无相关性.西北诸河流域Ⅰ~Ⅲ类水与工业源污染物排放呈负相关, 且相关性顺序为：COD排放量(中度负相关)>NH4+-N排放量(中度负相关)>工业废水排放量(中度负相关), 西北诸河流域劣Ⅴ类水与工业源污染物排放呈正相关, 且相关性顺序为：COD排放量(高度负相关)>NH4+-N排放量(高度负相关)>工业废水排放量(高度负相关).中国河流环境质量和生活源污染物排放相关性较弱.结果表明, 虽然生活源废水、COD和NH4+-N的排放量均大于工业源排放量, 但是在决定河流环境质量中工业源污染物排放量起到更主要的作用, 因此, 削减工业源污染物排放量对改善中国河流环境质量(特别是污染严重的海河和辽河流域)尤为重要, 工业源污染物削减顺序COD排放量优先于NH4+-N排放量优先于工业废水排放总量[37~39].
2.3 河流环境质量-环境污染治理投资指标相关性分析 2.3.1 环境污染治理投资状况2002~2020年, 我国GDP增速稳定, GDP与时间线性规律为：y=53 370x-40 050(R2=0.982), 全国环境污染治理投资占GDP比例在1.32%上下波动, 如图 9所示.
|
图 9 2002~2020年GDP和环境污染治理投资 Fig. 9 GDP and investment in environmental pollution control from 2002 to 2020 |
全国环境污染治理投资主要包括城市环境基础设施建设投资、工业污染源治理投资和建设项目环保投资. 2002~2020年全国环境污染治理投资持续增长, 其中城市环境基础设施建设投资增长最快, 其次是建设项目环保投资, 而工业污染源治理投资增长最缓慢.结合河流环境质量-污染物排放指标相关性分析结果, 决定河流环境质量中工业源污染物排放量起到更主要的作用, 因此在环境治理投资中增加工业污染源治理投资数值是改善中国河流水环境质量的重要措施[40, 41].
2.3.2 综合指标相关性分析对七大流域、浙闽片河流、西南诸河和西北诸河的Ⅰ~Ⅲ类、Ⅳ~Ⅴ类和劣Ⅴ类水占比与城市环境基础设施建设、工业污染源治理和建设项目环保投资进行典型相关分析.七大流域、浙闽片河流、西南诸河和西北诸河的环境质量关于污染物排放的典型相关变量中的第一组典型相关系数分别为0.949、0.912、0.913和0.927, 各流域第1组之后的典型相关系数均不显著(P>0.01), 如表 5所示.
|
|
表 5 河流环境质量与环境污染治理投资典型相关性及显著性检验 Table 5 Typical correlation and significance test between river environmental quality and investment in environmental pollution control |
根据表 5结果, 共有4对典型相关变量具有统计学意义, 记为N1(1)/M1(1)、N1(2)/M1(2)、N1(3)/M1(3)和N1(4)/M1(4), 对应的标准化典型变量分别如表 6所示.
|
|
表 6 流域环境质量与环境污染治理投资标准化典型变量 Table 6 Standardized canonical variable between river environmental quality and investment in environmental pollution control |
七大流域、浙闽片河流、西南诸河和西北诸河水环境质量标准化典型系数顺序分别为：|-67.184|>|-44.550|>|-22.690|、|-5.944|>|-4.148|>|-1.702|、|31.144|>|22.684|>|18.049|和|0.691|>|-0.249|>|0.166|, 表明在河流环境质量方面, 七大流域环境质量主要由Ⅰ~Ⅲ类水质反映, 其次是劣Ⅴ类水质; 浙闽片河流环境质量主要由Ⅰ~Ⅲ类水质反映, 其次是Ⅳ~Ⅴ类水质; 西南诸河环境质量主要由Ⅰ~Ⅲ类水质反映, 其次是Ⅳ~Ⅴ类水质; 西北诸河环境质量主要由劣Ⅴ类水质反映, 其次是Ⅰ~Ⅲ类水质.七大流域、浙闽片河流、西南诸河和西北诸河环境污染治理投资标准化典型系数顺序分别为：|-0.659|>|-0.375|>|0.020|、|-0.712|>|-0.326|>|-0.043|、|-1.676|>|0.772|>|0.058|和|-0.787|>|-0.156|>|-0.127|, 表明在河流环境质量方面, 七大流域环境质量主要由城市环境基础设施建设投资反映, 其次是建设项目环保投资; 浙闽片河流环境质量主要由城市环境基础设施建设投资反映, 其次是工业污染源治理投资; 西南诸河环境质量主要由建设项目环保投资反映, 其次城市环境基础设施建设投资; 西北诸河环境质量主要由城市环境基础设施建设投资反映.
因此, 4对具有统计学意义的典型相关变量N1(1)/M1(1)、N1(2)/M1(2)、N1(3)/M1(3)和N1(4)/M1(4)最大相关性分别表示为Ⅰ~Ⅲ类水质和城市环境基础设施建设投资(七大流域)、Ⅰ~Ⅲ类水质和城市环境基础设施建设投资(浙闽片河流域)、Ⅰ~Ⅲ类水质和建设项目环保投资(西南诸河流域)和劣Ⅴ类水质和城市环境基础设施建设投资(西北诸河流域).
2.3.3 指标内部相关性分析2002~2020年全国环境污染治理投资增加明显(1 363.4亿元→ 10 638.9亿元), 其中城市环境基础设施建设投资增加最多(785.3亿元→ 6 842.2亿元), 其次为建设项目环保投资(389.7亿元→ 3 342.5亿元), 工业污染源治理投资增长最缓慢(188.4亿元→ 454.3亿元).同时, 2002~2020年中国七大流域、浙闽片河流域、西南诸河流域和西北诸河流域水质改善明显, Ⅰ~Ⅲ类水占比持续增减, 劣Ⅴ类水占比持续下降, 因此七大水系、浙闽片河流、西南诸河和西北诸河Ⅰ~Ⅲ类水占比与城市环境基础设施建设、工业污染源治理和建设项目环保投资呈正相关趋势, 如图 10所示; 而七大水系、浙闽片河流、西南诸河和西北诸河劣Ⅴ类水占比与城市环境基础设施建设、工业污染源治理和建设项目环保投资呈负相关趋势, 如图 11所示.结果表明, 2002~2020年中国保持经济形式良好, 环境保护治理投资逐步增加, 河流水环境质量持续改善, 实现了经济发展和环境保护的良性发展.
|
图 10 Ⅰ~Ⅲ类水质与环境污染治理投资相关关系 Fig. 10 Correlation between class Ⅰ-Ⅲ and investment in environmental pollution control |
|
图 11 劣Ⅴ类水质与环境污染治理投资相关关系 Fig. 11 Correlation between inferior class Ⅴ and investment in environmental pollution control |
中国河流环境指标(Ⅰ~Ⅲ类水和劣Ⅴ类水)与环境污染治理投资指标(城市环境基础设施建设投资、工业污染源治理投资和建设项目环保投资)Spearman相关系数如表 7所示.
|
|
表 7 Ⅰ~Ⅲ类和劣Ⅴ类水与污染污染治理投资Spearman相关系数1) Table 7 Spearman correlation coefficient between class Ⅰ-Ⅲ water/inferior class Ⅴ water and investment in environmental pollution control |
中国河流环境质量和环境污染治理投资指标显著相关.七大流域Ⅰ~Ⅲ类水与环境污染治理投资相关系数大小为：|0.954|>|0.892|>|0.651|, 劣Ⅴ类水与环境污染治理投资相关系数大小为：|-0.971|>|-0.893|>|-0.659|, 表明七大流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：城市环境基础设施建设投资(高度正相关)>建设项目环保投资(高度正相关)>工业污染源治理投资(中度正相关), 七大流域劣Ⅴ类水质与环境污染治理投资呈负相关, 且相关性顺序为：城市环境基础设施建设投资(高度负相关)>建设项目环保投资(高度负相关)>工业污染源治理投资(中度负相关).同理可知, 浙闽片河流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：城市环境基础设施建设投资(高度正相关)>建设项目环保投资(高度正相关)>工业污染源治理投资(中度正相关), 浙闽片河流域劣Ⅴ类水质与环境污染治理投资相关性差.西南诸河流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：城市环境基础设施建设投资(高度正相关)>建设项目环保投资(中度正相关)>工业污染源治理投资(中度正相关), 西南诸河流域劣Ⅴ类质水与环境污染治理投资呈负相关, 且相关性顺序为：建设项目环保投资(中度负相关)>城市环境基础设施建设投资(中度负相关)>工业污染源治理投资(中度负相关).西北诸河流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：建设项目环保投资(高度正相关)>城市环境基础设施建设投资(高度正相关)>工业污染源治理投资(低度正相关), 西北诸河流域劣Ⅴ类水质与环境污染治理投资呈负相关, 且相关性顺序为：城市环境基础设施建设投资(高度负相关)>建设项目环保投资(中度负相关)>工业污染源治理投资(中度负相关).
结果表明, 七大流域、浙闽片河流域和西南诸河流域Ⅰ~Ⅲ类水质主要受城市环境基础设施建设投资(高度正相关)影响, 西北诸河流域Ⅰ~Ⅲ类水质主要受建设项目环保投资(高度正相关)影响, 结合2002~2020年全国环境污染治理投资增长速度顺序为城市环境基础设施建设投资>建设项目环保投资>工业污染源治理投资.因此, 在环境治理投资中增加工业污染源治理投资数值是改善中国河流环境质量的重要措施[42~44].
2.4 中国河流环境质量演变驱动因子相关性中国七大流域、浙闽片河、西南诸河和西北诸河流域是中国河流/流域地表水体系主要组成部分, 流域面积超过900万km2, 十大流域环境质量改善对中国的经济发展和社会稳定起到重要作用.2002~2020年中国河流环境质量改善明显, 2002年长江、黄河、珠江、淮河、海河、辽河、松花江、浙闽片河流、西南诸河和西北诸河流域(西北诸河流域2005年首次统计)中Ⅰ~Ⅲ类水占比分别为51.5%、22.7%、73.5%、16.1%、14.4%、17.9%、27.8%、50%、87.5%和85%; 2020年十大流域Ⅰ~Ⅲ类水占比则提高到96.7%、84.7%、92.7%、78.9%、64%、70.9%、82.4%、96.8%、95.2%和98.4%, 如图 12所示.
|
图 12 2002年和2020年中国河流环境质量 Fig. 12 River environmental quality in China in 2002 and 2020 |
河流环境质量改善与污染物排放和环境污染治理投资密切相关.七大流域、浙闽片河流和西北诸河流域环境质量指标-污染物排放指标典型相关系数分别为0.985、0.947和0.956, 大于环境质量指标-环境污染治理投资指标典型相关系数0.949、0.912和0.927, 结果表明典型变量V1(1)/W1(1)、V1(2)/W1(2)和V1(4)/W1(4)的相关性大于N1(1)/M1(1)、N1(2)/M1(2)和N1(4)/M1(4), 在一定程度上说明污染物排放是影响七大流域、浙闽片河流和西北诸河流域环境质量关键驱动因子[45].因此, 改善七大流域、浙闽片河和西北诸河流域环境质量首要措施是削减污染物排放.根据典型相关分析和Spearman相关性分析结果, 七大流域、浙闽片河和西北诸河流域污染物削减优先顺序均为：COD>NH4+-N>废水总量.
西南诸河流域环境质量指标-环境污染治理投资指标典型相关系数为0.913, 大于环境质量指标-污染物排放指标典型相关系数0.884, 表明典型变量N1(3)/M1(3)相关性大于V1(3)/W1(3), 在一定程度上说明环境污染治理投资是影响西南诸河流域环境质量的关键驱动因子, 因此, 改善西南诸河流域环境质量的首要措施是增加环境污染治理投资[46].根据典型相关分析和Spearman相关性分析结果, 同时考虑到西南诸河流域水质为优, 全国工业污染源治理投资比例较低, 西南诸河流域增加环境治理投资优先顺序为：工业污染源治理投资>城市环境基础设施建设投资和建设项目环保投资.
3 结论2002~2020年全国河流环境质量改善明显, 2002年Ⅰ~Ⅲ类水占比29.1%, 劣Ⅴ类水占比40.9%; 2020年Ⅰ~Ⅲ类水占比87.4%, 劣Ⅴ类水占比0.2%.七大流域、浙闽片河流域、西南诸河流域和西北诸河流域Ⅰ~Ⅲ类水质与工业源污染物排放呈负相关, 且相关性顺序为：COD排放量>NH4+-N排放量>工业废水排放量.七大流域、浙闽片河流域和西南诸河流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：城市环境基础设施建设投资>建设项目环保投资>工业污染源治理投资; 西北诸河流域Ⅰ~Ⅲ类水质与环境污染治理投资呈正相关, 且相关性顺序为：建设项目环保投资>城市环境基础设施建设投资>工业污染源治理投资(西北诸河流域).七大流域、浙闽片河流和西北诸河流域环境质量改善首要措施是削减污染物排放, 污染物削减优先顺序均为：COD>NH4+-N>废水总量.西南诸河流域环境质量改善首要措施是增加环境污染治理投资, 环境治理投资增加的优先顺序为：工业污染源治理投资>城市环境基础设施建设投资和建设项目环保投资.
致谢: 感谢青岛理工大学环境与市政工程学院肖宜华教授、李慧颖副教授和王浩策同学在文章修改和绘图方面提供帮助, 在此一并致谢！
| [1] |
韩谞, 潘保柱, 陈越, 等. 黄河水环境特征与氮磷负荷时空分布[J]. 环境科学, 2021, 42(12): 5786-5795. Han X, Pan B Z, Chen Y, et al. Characteristics of water environment and spatial-temporal distribution of nitrogen and phosphorus load in the Yellow River[J]. Environmental Science, 2021, 42(12): 5786-5795. |
| [2] | Ma T, Sun S A, Fu G T, et al. Pollution exacerbates China's water scarcity and its regional inequality[J]. Nature Communications, 2020, 11(1). DOI:10.1038/s41467-020-14532-5 |
| [3] |
郁达伟, 于淼, 魏源送, 等. 1980~2010年温榆河的水环境质量时空演变特征[J]. 环境科学学报, 2012, 32(11): 2803-2813. Yu D W, Yu M, Wei Y S, et al. Spatio-temporal evolution of water environment quality in Wenyu River during 1980-2010[J]. Acta Scientiae Circumstantiae, 2012, 32(11): 2803-2813. |
| [4] | Liu B, Zhang F L, Qin X S, et al. Spatiotemporal assessment of water security in China: an integrated supply-demand coupling model[J]. Journal of Cleaner Production, 2021, 321. DOI:10.1016/j.jclepro.2021.128955 |
| [5] |
车蕊, 林澍, 范中亚, 等. 连续极端降雨对东江流域水质影响分析[J]. 环境科学, 2019, 40(10): 4440-4449. Che R, Lin S, Fan Z Y, et al. Effects of continuous extreme rainfall on water quality of the Dongjiang River Basin[J]. Environmental Science, 2019, 40(10): 4440-4449. |
| [6] |
李雨欣, 薛东前, 宋永永. 中国水资源承载力时空变化与趋势预警[J]. 长江流域资源与环境, 2021, 30(7): 1574-1584. Li Y X, Xue D Q, Song Y Y. Spatio-temporal characteristics and trend warnings of water resources carrying capacity in China[J]. Resources and Environment in the Yangtze Basin, 2021, 30(7): 1574-1584. |
| [7] |
高永霞, 朱广伟, 贺冉冉, 等. 天目湖水质演变及富营养化状况研究[J]. 环境科学, 2009, 30(3): 673-679. Gao Y X, Zhu G W, He R R, et al. Variation of water quality and trophic state of Lake Tianmu, China[J]. Environmental Science, 2009, 30(3): 673-679. DOI:10.3321/j.issn:0250-3301.2009.03.009 |
| [8] |
严登华, 王坤, 李相南, 等. 全球陆地地表水资源演变特征[J]. 水科学进展, 2020, 31(5): 703-712. Yan D H, Wang K, Li X N, et al. Evolution characteristics of global land surface water resources[J]. Advances in Water Science, 2020, 31(5): 703-712. DOI:10.14042/j.cnki.32.1309.2020.05.007 |
| [9] |
熊鸿斌, 张斯思, 匡武, 等. 基于MIKE11模型入河水污染源处理措施的控制效能分析[J]. 环境科学学报, 2017, 37(4): 1573-1581. Xiong H B, Zhang S S, Kuang W, et al. Control measure efficiency analysis of estuarine water pollution sources based on MIKE11 model[J]. Acta Scientiae Circumstantiae, 2017, 37(4): 1573-1581. |
| [10] | Yan Z H, Yang H H, Dong H K, et al. Occurrence and ecological risk assessment of organic micropollutants in the lower reaches of the Yangtze River, China: a case study of water diversion[J]. Environmental Pollution, 2018, 239: 223-232. DOI:10.1016/j.envpol.2018.04.023 |
| [11] | Zhu Q, Zhang H. Groundwater drought characteristics and its influencing factors with corresponding quantitative contribution over the two largest catchments in China[J]. Journal of Hydrology, 2022, 609. DOI:10.1016/j.jhydrol.2022.127759 |
| [12] | Luo Z L, Shao Q X, Zuo Q T, et al. Impact of land use and urbanization on river water quality and ecology in a dam dominated basin[J]. Journal of Hydrology, 2020, 584. DOI:10.1016/j.jhydrol.2020.124655 |
| [13] | Du Z H, Qi J, Wu S S, et al. A spatially weighted neural network based water quality assessment method for large-scale coastal areas[J]. Environmental Science & Technology, 2021, 55(4): 2553-2563. |
| [14] |
刘彦龙, 郑易安. 黄河干流水质评价与时空变化分析[J]. 环境科学, 2022, 43(3): 1332-1345. Liu Y L, Zheng Y A. Water quality assessment and spatial-temporal variation analysis in Yellow River Basin[J]. Environmental Science, 2022, 43(3): 1332-1345. |
| [15] |
陈善荣, 何立环, 张凤英, 等. 2016—2019年长江流域水质时空分布特征[J]. 环境科学研究, 2020, 33(5): 1100-1108. Chen S R, He L H, Zhang F Y, et al. Spatiotemporal characteristics of surface water quality of the Yangtze River Basin during 2016-2019[J]. Research of Environmental Sciences, 2020, 33(5): 1100-1108. |
| [16] |
田颖, 梁云平, 郭婧, 等. "水十条"对北京市地表水环境质量改善分析[J]. 环境工程, 2019, 37(4): 1-6. Tian Y, Liang Y P, Guo J, et al. Analysis on improvement effect of Ten-Action Plan for prevention and control of water pollution on surface water in Beijing[J]. Environmental Engineering, 2019, 37(4): 1-6. |
| [17] |
张凤英, 周密, 李一龙, 等. "十三五"期间中国生态环境质量变化特征[J]. 中国环境监测, 2021, 37(3): 1-8. Zhang F Y, Zhou M, Li Y L, et al. Characteristics of eco-environmental quality changes in China during the 13th Five-Year Plan Period[J]. Environmental Monitoring in China, 2021, 37(3): 1-8. |
| [18] | Liu M D, Zhang W, Wang X J, et al. Mercury release to aquatic environments from anthropogenic sources in China from 2001 to 2012[J]. Environmental Science & Technology, 2016, 50(15): 8169-8177. |
| [19] |
李名升, 孙媛, 陈远航, 等. 污染排放与环境质量关系模型构建与应用[J]. 环境科学, 2014, 35(3): 1198-1204. Li M S, Sun Y, Chen Y H, et al. Establishment and application of pollutant discharge-environment quality model[J]. Environmental Science, 2014, 35(3): 1198-1204. |
| [20] | Guan X J, Liu M, Meng Y. A comprehensive ecological compensation indicator based on pollution damage-protection bidirectional model for river basin[J]. Ecological Indicators, 2021, 126. DOI:10.1016/j.ecolind.2021.107708 |
| [21] | Xu H X, Gao Q, Yuan B. Analysis and identification of pollution sources of comprehensive river water quality: evidence from two river basins in China[J]. Ecological Indicators, 2022, 135. DOI:10.1016/j.ecolind.2022.108561 |
| [22] |
张远, 林佳宁, 王慧, 等. 中国地表水环境质量标准研究[J]. 环境科学研究, 2020, 33(11): 2523-2528. Zhang Y, Lin J N, Wang H, et al. Research on environmental quality standard for surface water[J]. Research of Environmental Sciences, 2020, 33(11): 2523-2528. |
| [23] | Liu S F, Cai H T, Wang J W, et al. In-situ expressions of comammox Nitrospira along the Yangtze River[J]. Water Research, 2021, 200. DOI:10.1016/j.watres.2021.117241 |
| [24] |
嵇晓燕, 侯欢欢, 王姗姗, 等. 近年全国地表水水质变化特征[J]. 环境科学, 2022, 43(10): 4419-4429. Ji X Y, Hou H H, Wang S S, et al. Variation characteristics of surface water quality in China in recent years[J]. Environmental Science, 2022, 43(10): 4419-4429. |
| [25] | Xu J, Xu M, Zhao Y X, et al. Spatial-temporal distribution and evolutionary characteristics of water environment sudden pollution incidents in China from 2006 to 2018[J]. Science of the Total Environment, 2021, 801. DOI:10.1016/j.scitotenv.2021.149677 |
| [26] |
丁镭, 黄亚林, 刘云浪, 等. 1995-2012年中国突发性环境污染事件时空演化特征及影响因素[J]. 地理科学进展, 2015, 34(6): 749-760. Ding L, Huang Y L, Liu Y L, et al. Spatiotemporal variability of sudden environmental pollution incidents and influencing factors in China, 1995-2012[J]. Progress in Geography, 2015, 34(6): 749-760. |
| [27] |
许静, 王永桂, 陈岩, 等. 中国突发水污染事件时空分布特征[J]. 中国环境科学, 2018, 38(12): 4566-4575. Xu J, Wang Y G, Chen Y, et al. Spatial distribution and temporal variation of sudden water pollution incidents in China[J]. China Environmental Science, 2018, 38(12): 4566-4575. |
| [28] | Zhang J, Guo Q J, Du C J, et al. Quantifying the effect of anthropogenic activities on water quality change in the Yangtze River from 1981 to 2019[J]. Journal of Cleaner Production, 2022, 363. DOI:10.1016/j.jclepro.2022.132415 |
| [29] |
王丽丽, 刘笑杰, 李丁, 等. 长江经济带PM2.5空间异质性和驱动因素的地理探测[J]. 环境科学, 2022, 43(3): 1190-1200. Wang L L, Liu X J, Li D, et al. Geographical detection of spatial heterogeneity and drivers of PM2.5 in the Yangtze River economic belt[J]. Environmental Science, 2022, 43(3): 1190-1200. |
| [30] |
李晶晶, 苏鹏飞, 张建国. 黄河流域生态保护和高质量发展规划区水土流失特征与防治对策[J]. 水土保持通报, 2021, 41(5): 238-243, 254. Li J J, Su P F, Zhang J G. Soil erosion characteristics and prevention countermeasures for ecological protection and high-quality development planning in Yellow River Basin[J]. Bulletin of Soil and Water Conservation, 2021, 41(5): 238-243, 254. |
| [31] | Xu Z C, Cheng L, Liu P, et al. Investigating the spatial variability of water security risk and its driving mechanisms in China using machine learning[J]. Journal of Cleaner Production, 2022, 362. DOI:10.1016/j.jclepro.2022.132303 |
| [32] | Li G D, Masuda S, Nagai M. An optimal prediction model for time series prediction in manufacturing systems[J]. The International Journal of Advanced Manufacturing Technology, 2013, 67(9): 2343-2349. |
| [33] | Sun S K, Yin Y L, Wu P T, et al. Geographical evolution of agricultural production in china and its effects on water stress, economy, and the environment: the virtual water perspective[J]. Water Resources Research, 2019, 55(5): 4014-4029. |
| [34] |
王以斌, 刘军, 邵帅, 等. 连云港近岸海域2011~2016年环境变化研究[J]. 中国环境科学, 2019, 39(8): 3430-3440. Wang Y B, Liu J, Shao S, et al. 2011~2016 marine environment temporal variations research in the Lianyungang coastal area[J]. China Environmental Science, 2019, 39(8): 3430-3440. |
| [35] |
王超, 张洪, 唐文忠, 等. 海河流域主要污染物排放强度及其源结构解析——以2007年为例[J]. 环境科学学报, 2015, 35(8): 2345-2353. Wang C, Zhang H, Tang W Z, et al. Structure analysis of river pollution source in the Haihe River Basin[J]. Acta Scientiae Circumstantiae, 2015, 35(8): 2345-2353. |
| [36] | Liu D, Yang H, Thompson J R, et al. COVID-19 lockdown improved river water quality in China[J]. Science of the Total Environment, 2022, 802. DOI:10.1016/j.scitotenv.2021.149585 |
| [37] |
王子为, 林佳宁, 张远, 等. 鄱阳湖入湖河流氮磷水质控制限值研究[J]. 环境科学研究, 2020, 33(5): 1163-1169. Wang Z W, Lin J N, Zhang Y, et al. Water quality limits of nitrogen and phosphorus in the inflow rivers of Poyang Lake[J]. Research of Environmental Sciences, 2020, 33(5): 1163-1169. |
| [38] |
高可伟, 朱元荣, 孙福红, 等. 我国典型湖泊及其入湖河流氮磷水质协同控制探讨[J]. 湖泊科学, 2021, 33(5): 1400-1414. Gao K W, Zhu Y R, Sun F H, et al. A study on the collaborative control of water quality of nitrogen and phosphorus between typical lakes and their inflow rivers in China[J]. Journal of Lake Sciences, 2021, 33(5): 1400-1414. |
| [39] | Lu J. Can the central environmental protection inspection reduce transboundary pollution? Evidence from river water quality data in China[J]. Journal of Cleaner Production, 2022, 332. DOI:10.1016/j.jclepro.2021.130030 |
| [40] | Ayamba E C, Chen H B, Ibn Musah A A, et al. An empirical model on the impact of foreign direct investment on China's environmental pollution: analysis based on simultaneous equations[J]. Environmental Science and Pollution Research, 2019, 26(16): 16239-16248. |
| [41] | Liu Q Q, Wang S J, Zhang W Z, et al. Does foreign direct investment affect environmental pollution in China's cities? A spatial econometric perspective[J]. Science of the Total Environment, 2018, 613-614: 521-529. |
| [42] | Liu K, Lin B Q. Research on influencing factors of environmental pollution in China: a spatial econometric analysis[J]. Journal of Cleaner Production, 2019, 206: 356-364. |
| [43] | Zhang D Y, Du W C, Zhuge L Q, et al. Do financial constraints curb firms' efforts to control pollution? Evidence from Chinese manufacturing firms[J]. Journal of Cleaner Production, 2019, 215: 1052-1058. |
| [44] | Zhang M, Liu X X, Ding Y T, et al. How does environmental regulation affect haze pollution governance?—An empirical test based on Chinese provincial panel data[J]. Science of the Total Environment, 2019, 695. DOI:10.1016/j.scitotenv.2019.133905 |
| [45] |
伍健雄, 周侃, 刘汉初. 城市化过程对氨氮排放的驱动作用与空间交互特征——以长三角地区为例[J]. 环境科学学报, 2021, 41(10): 3893-3904. Wu J X, Zhou K, Liu H C. Driving effects and spatial interaction of urbanization on ammonia nitrogen emissions: a case study of the Yangtze River delta[J]. Acta Scientiae Circumstantiae, 2021, 41(10): 3893-3904. |
| [46] |
李名升, 周磊, 陈远航, 等. 经济结构调整的污染减排效应: 以COD减排为例[J]. 环境科学, 2014, 35(8): 3212-3218. Li M S, Zhou L, Chen Y H, et al. Effect of economic structure adjustment on pollution emission: a case study of COD[J]. Environmental Science, 2014, 35(8): 3212-3218. |