2. 中国水利水电科学研究院 水资源所, 北京 100038
2. Department of Water Resources, China Institute of Water Resources and Hydropower Research, Beijing 100038, China
在环境经济学中,经济生产与污染的关系是研究的焦点。对这一关系的研究大多采用复杂的建模方法,该方法具有可考虑其他因素、精度较好的优点。如Zheng等[1]研究了中国工业化进程对污染动态变化和生活质量的影响;Xia等[2]研究了能源消耗、环境污染和经济增长的3E模型;Ramilana等[3]建模模拟了新西兰奶牛场在减排政策下的行为;Graeme等[4]建模对新西兰Waikato地区密集乳制品生产和非点源污染进行了经验估计;Aniţa等[5]对长时期经济成长—资本积累—污染扩散的空间分布式模型进行了模拟和优化研究;Li[6]建模研究了污染许可银行条件下减排政策对企业生产和库存策略的影响;Wang等[7]运用双层规划模型研究了最优化排污权定价;Chung等[8]研究了寡头和一些较小的竞争者在排污权市场条件下的动态生产博弈;Nishitani等[9]对日本企业2002—2008年的统计数据进行建模分析,研究了减排对消费者需求和企业生产率的影响。相对而言这类方法存在复杂度高、通用性低的缺点,往往需要根据具体地区、具体市场条件建模。另一类研究则用较简单的生产污染函数来对经济生产和排污进行描述,具有通用性高的优点。生产污染函数常用于研究一定假设下,污染水平和经济产出之间的函数关系[10]。考察微观领域的经济—产污关系,发现环境经济学的研究侧重于某个地区的人均GDP与各类污染物排放量的关系。这是因为根据发达国家的经验,人均GDP与污染物排放量存在倒U形曲线的关系,即著名的环境Kuznets曲线 (environment Kuznets curve, EKC)。这一理论认为随着人均GDP的增加,污染物排放将先增加后减少。国内不少研究者应用这一理论,根据历年经济和环境统计数据,预测污染物排放的拐点,如刘耀彬等[11]分析武汉市多年人均GDP和“三废”排量,发现符合环境Kuznets曲线,并计算了拐点;宋涛等[12]研究发现,基于Weibull函数和Gamma函数形式的数据模型对污染物人均排放和人均GDP的环境Kuznets曲线拟合效果较好。而分行业的环境经济研究,则侧重于通过多年数据比较分析各个行业的污染与效益。
当前,环境经济方面的生产污染函数研究集中于对多年数据分析,年内的研究较少,尤其是对年内工农业经济增加值与水污染物排放量的动态关系研究基本处于空白。而2011年中央一号文件提出,中国要实行最严格水资源管理制度,落实“三条红线”,即对用水总量、用水效率、水质达标设置红线对地方政府进行考核。因此,如何准确衡量不同的入河污染物总量控制指标对经济增长的影响,对落实“三条红线”,实现可持续发展,具有重大现实意义。本文结合中国政府的治污实际,提出一种地区工农业生产污染函数,以期解答这一问题。
1 函数推导 1.1 工业点源污染—经济增加值函数考察治理环境时政府采取的措施发现,政府最普遍的做法是从高污染低产出的行业着手,采用关停并转、迁移等手段,淘汰高污染低产出行业。显然,这符合经济学的边际效益原理——按排污量与产出之比从高到低淘汰落后产能,实现产业升级,能在满足环保要求的约束下,对短期总经济产出影响最小。因此,将工业分行业按照污染与产出之比从低至高排序,然后累加,即可得到工业点源污染—经济增加值函数。
假设某地工业由A、B、C三行业 (比如高技术、轻工业、重工业) 组成,它们的年增加值和排污量如表 1所示,将其按污染与产出之比从低至高排序,累加即得到该地区工业排污与产值的函数关系如图 1所示。由图 1可知,若约束当地工业排污量在4~7万t之间,则当地政府限制重工业的发展,此时每减少1万t污染,工业经济增加值会降低1亿元;若约束当地工业排污在3万t以内,则当地重工业将完全停产,轻工业发展将被限制,此时1万t污染的边际效益为2亿元工业经济增加值;同理可知极端环保情况下,当地只剩部分高技术行业,此时1万t污染的边际效益高达4亿元工业经济增加值。
显然,工业点源污染—经济增加值函数经过原点且边际递减,故函数可用下式拟合:
${Y_2} = A\left( t \right)a{x^b}.$ | (1) |
其中:Y2为工业增加值,A(t) 为衡量技术进步及通货膨胀的时间相关项,a、b为大于0的常数,x为点源污染物排放量。需要特别说明的是,使用这一形式的幂函数拟合初看可能感觉误差不小,但在环境经济学中,环境Kuznets曲线等各类曲线都是先对等式两端取自然对数,再做拟合分析,公式的误差至少为ex量级。故幂函数形式的误差是可以接受的。
1.2 农业面源污染—经济增加值函数农业对水环境造成的污染,属于面源污染,目前对于面源污染通常采用系数法估测处理。将农业化肥施用量乘以入河比例系数,即为农业面源污染入河量。因此,只需对统计年鉴中的农业化肥施用折纯量与农业增加值作拟合分析即可,同理可采用类似的函数形式:
${Y_1} = A\left( t \right)a{z^b}.$ | (2) |
其中:Y1为农业增加值,A(t) 为衡量技术进步及通货膨胀的时间相关项,a、b为大于0的常数,z为农业化肥施用折纯量。
2 污染—经济函数参数率定 2.1 工业废水—增加值函数参数率定2010年陕西省工业分行业增加值及废水排放量如表 2所示。
工业分行业 | 增加值/万元 | 废水/万t |
煤炭开采和洗选业 | 12 667 501 | 24 533 |
石油和天然气开采业 | 10 092 036 | 3 641 |
黑色金属矿采选业 | 202 585 | 314.4 |
有色金属矿采选业 | 683 289 | 452.8 |
非金属矿采选业 | 107 080 | 6.947 |
农副食品加工业 | 1 277 821 | 1 386.6 |
食品制造业 | 799 390 | 800.8 |
酒、饮料和精制茶制造业 | 1 004 965 | 2 545 |
烟草制品业 | 1 181 565 | 83.9 |
纺织业 | 454 494 | 513.3 |
纺织服装、服饰业 | 79 302 | 10.09 |
皮革、毛皮、羽毛及其制品 | 7 894 | 20.81 |
木材加工和木、竹、藤、棕、草制品业 | 86 660 | 9.64 |
家具制造业 | 40 959 | 0.005 5 |
造纸和纸制品业 | 246 147 | 3 249 |
印刷和记录媒介复制业 | 239 948 | 4.54 |
文教、工美、体育和娱乐用品 | 21 079 | 33 |
石油加工、炼焦及核燃料加工业 | 6 006 642 | 3 582 |
化学原料和化学制品制造业 | 1 320 214 | 3 713 |
医药制造业 | 962 123 | 1 448 |
化学纤维制造业 | 28 671 | 271 |
非金属矿物制品业 | 1 786 326 | 171 |
黑色金属冶炼及压延加工业 | 1 562 274 | 962 |
有色金属冶炼及压延加工业 | 2 169 378 | 371 |
金属制品业 | 436 256 | 83.1 |
通用设备制造业 | 1 109 095 | 51.4 |
专用设备制造业 | 1 090 243 | 84.8 |
运输设备制造业 | 3 102 079 | 650 |
电气机械和器材制造业 | 859 150 | 38.6 |
计算机、通信和其他电子设备 | 688 832 | 33.2 |
仪器仪表制造业 | 413 405 | 56.6 |
其他制造业 | 84 137 | 9.79 |
废弃资源综合利用业 | 1 571 | 0.95 |
电力、热力的生产和供应业 | 3 360 790 | 26 424 |
燃气生产和供应业 | 157 872 | 119.4 |
以陕西渭河流域“五市一区”(宝鸡、杨凌、咸阳、西安、铜川、渭南) 的地市作实例分析,按地市工业增加值占陕西全省的比例,按比例进行分配转换得到各地市数据。假定排污—经济产出的技术水平保持不变,按标准年设置,A(t)=1,由此根据式即可得到“五市一区”的月度工业废水与经济增加值函数参数,如表 3所示。以西安市为例,函数拟合效果如图 2所示。
参数 | 宝鸡 | 杨凌 | 咸阳 | 西安 | 铜川 | 渭南 |
a | 4.807 008 | 0.783 176 | 5.175 997 | 9.151 14 | 3.089 91 | 4.897 812 |
b | 0.315 721 | 0.315 72 | 0.315 721 | 0.315 721 | 0.315 721 | 0.315 721 |
2.2 农业化肥施用—增加值函数参数率定
由历年《陕西省统计年鉴》,将农业化肥施用折纯量数据整理如表 4所示。
单位:t | ||||||
五市一区 | 2006年 | 2007年 | 2008年 | 2009年 | 2010年 | 2011年 |
宝鸡 | 164 497 | 181 098 | 183 238 | 196 606 | 214 706 | 235 273 |
杨凌 | 3 003 | 4 459 | 3 362 | 5 980 | 2 618 | 7 035 |
咸阳 | 312 258 | 297 978 | 312 172 | 360 040 | 414 353 | 463 643 |
西安 | 216 093 | 220 251 | 225 865 | 230 299 | 235 532 | 239 497 |
铜川 | 43 441 | 43 482 | 46 620 | 46 979 | 48 880 | 51 657 |
渭南 | 341 989 | 368 355 | 358 962 | 383 970 | 488 538 | 507 773 |
注:化肥施用折纯量是将所有化肥的有效成分质量加总后得到的量,比如对于常见氮肥硝酸铵 (NH4NO3),氮元素质量占35%,100 kg硝酸铵的氮折纯量为35 kg,统计年鉴中的化肥施用折纯量是氮、钾、磷等的折纯量之和。 |
结合表 5农业增加值数据,假定化肥施用量—经济产出的技术水平保持不变,按标准年设置,A(t)=1.用MATLAB非线性拟合工具率定式,农业增加值最高的渭南市拟合结果如图 3所示。
单位:亿元 | ||||||
五市一区 | 2006年 | 2007年 | 2008年 | 2009年 | 2010年 | 2011年 |
宝鸡 | 28.012 7 | 31.272 3 | 37.472 6 | 45.046 5 | 55.520 9 | 69.138 8 |
杨凌 | 1.258 7 | 1.483 5 | 1.929 1 | 2.239 8 | 2.827 4 | 3.708 1 |
咸阳 | 75.559 5 | 91.003 8 | 109.686 2 | 116.709 1 | 155.702 2 | 192.725 1 |
西安 | 47.310 9 | 53.879 4 | 63.907 1 | 68.963 2 | 93.548 9 | 116.124 8 |
铜川 | 4.464 5 | 5.407 4 | 6.358 3 | 6.832 6 | 10.765 7 | 13.010 6 |
渭南 | 45.820 9 | 56.431 7 | 66.293 | 68.074 8 | 94.090 8 | 109.456 7 |
“五市一区”农业化肥施用折纯量与经济增加值的函数参数如表 6所示。
参数 | 宝鸡 | 杨凌 | 咸阳 | 西安 | 铜川 | 渭南 |
a | 1.436 162 | 0.218 874 | 0.472 283 | 2.348 025 | 0.038 854 | 0.564 275 |
b | 0.300 000 | 0.300 000 | 0.448 163 | 0.300 000 | 0.514 465 | 0.390 062 |
2.3 函数误差分析
各地市的工业废水和化肥施用折纯量模拟结果和相对误差如表 7所示。将相对误差制成雷达图如图 4所示。
五市一区 | 工业废水 实际/万t | 工业废水 模拟/万t | 相对误差 | 化肥折纯量 /t | 模拟化肥 折纯量/t | 相对误差 |
宝鸡 | 11 520.88 | 10 839.26 | -0.059 | 214 706 | 190 080 | -0.115 |
杨凌 | 70.85 | 88.61 | 0.251 | 2 618 | 5 362 | 1.048 |
咸阳 | 8 180.42 | 7 579.02 | -0.074 | 414 353 | 364 409 | -0.121 |
西安 | 13 849.52 | 14 087.55 | 0.017 | 235 532 | 206 919 | -0.122 |
铜川 | 328.47 | 292.36 | -0.110 | 48 880 | 49 275 | 0.008 1 |
渭南 | 3 245.17 | 3 541.82 | 0.091 | 488 538 | 403 913 | -0.173 |
杨凌示范区2006—2011年的化肥施用折纯量分别为3 003、4 459、3 362、5 980、2 618和7 035 t,波动太大,故拟合误差大,而其余地区误差较小。
3 结论本文在水环境学相关研究的基础上,结合中国政府治污实际,从点源、面源分开考虑的角度分别提出了工农业的污染—经济增加值函数,并以陕西省渭河流域“五市一区”为例进行了应用。结果表明:此函数误差较小,效果较好。此函数可用于描述地区污染控制总量与工农业经济增加值的关系,弥补了EKC等其他生产污染函数在这方面无法计算的不足。
[1] | ZHENG Siqi, SUN Cong, QI Ye, et al. The evolving geography of China's industrial production: Implications for pollution dynamics and urban quality of life[J]. Journal of Economic Surveys, 2014, 28(4): 709–724. DOI:10.1111/joes.2014.28.issue-4 |
[2] | XIA Yanqing, XU Mingsheng. A 3E model on energy consumption, environment pollution and economic growth—An empirical research based on panel data[J]. Energy Procedia, 2012, 16: 2011–2018. DOI:10.1016/j.egypro.2012.01.306 |
[3] | Ramilana T, Scrimgeoura F G, Levy G, et al. Simulation of alternative dairy farm pollution abatement policies[J]. Environmental Modelling & Software, 2011, 26(1): 2–7. |
[4] | Doole G J, Pannell D J. Empirical evaluation of nonpoint pollution policies under agent heterogeneity: Regulating intensive dairy production in the Waikato region of New Zealand[J]. Australian Journal of Agricultural and Resource Economics, 2012, 56(1): 82–101. DOI:10.1111/ajar.2011.56.issue-1 |
[5] | Aniţa S, Capassoc V, Kunze H, et al. Optimal control and long-run dynamics for a spatial economic growth model with physical capital accumulation and pollution diffusion[J]. Applied Mathematics Letters, 2013, 26(8): 908–912. DOI:10.1016/j.aml.2013.04.002 |
[6] | LI Shoude. Emission permit banking, pollution abatement and production-inventory control of the firm[J]. International Journal of Production Economics, 2013, 146(2): 679–685. DOI:10.1016/j.ijpe.2013.08.023 |
[7] | WANG Guangmin, MA Linmao, LI Lanlan. An application of bilevel programming problem in optimal pollution emission price[J]. Journal of Service Science and Management, 2011, 4(3): 334–338. DOI:10.4236/jssm.2011.43039 |
[8] | Chung S H, Weaverb R D, Friesz T L. Oligopolies in pollution permit markets: A dynamic game approach[J]. International Journal of Production Economics, 2012, 140(1): 48–56. DOI:10.1016/j.ijpe.2012.01.017 |
[9] | Nishitani K, Kaneko S, Fujii H, et al. Effects of the reduction of pollution emissions on the economic performance of firms: An empirical analysis focusing on demand and productivity[J]. Journal of Cleaner Production, 2011, 19(17-18): 1956–1964. DOI:10.1016/j.jclepro.2011.06.021 |
[10] | 何其多. 生产污染函数的经济学分析[J]. 经济问题探索, 2003(6): 29–33. HE Qiduo. A economy analysis of production-pollution function[J]. Inquiry into Economic Issues, 2003(6): 29–33. (in Chinese) |
[11] | 刘耀彬, 李仁东. 武汉市"三废"排放的库兹涅茨特征及原因探析[J]. 城市环境与城市生态, 2003, 16(6): 44–45. LIU Yaobin, LI Rendong. Exploring on environmental Kuznets characteristics of wastewater, waste gas and solid wastes and their causes in Wuhan city[J]. Urban Environment & Urban Ecology, 2003, 16(6): 44–45. (in Chinese) |
[12] | 宋涛, 郑挺国, 佟连军. 基于Weibull函数和Gamma函数的环境污染与经济增长的关系[J]. 地理研究, 2007, 26(3): 569–576. SONG Tao, ZHENG Tingguo, TONG Lianjun. Study on the relationship between economic growth and environmental pollution based on the Weibull and Gamma specifications[J]. Geographical Research, 2007, 26(3): 569–576. (in Chinese) |