发达地区制造业集聚和水污染的空间关联以无锡市区为例.doc

发达地区制造业集聚和水污染的空间关联以无锡市区为例
摘要:制造业集聚是城市发展的重要动力,同时也可能对生态环境产生负效应。论文拟以无锡市区为例,利用核密度函数(Kernel Density Distribution)对污染密集型制造业集聚程度进行评价,按照河流自然综合特征划分的环境单元进行污染物分布格局评价,在此基础上构建污染企业分布密度—COD排放量的双变量空间自相关模型,探讨制造业与河道污染物分布格局的定量关系,揭示制造业集聚和水污染的空间关联性。模型分析表明:无锡市区的污染密集型制造业呈现向郊区和环境非敏感区集聚的趋势,污染强度以主要运河为轴线向两翼地区逐渐衰减,二者空间格局的关联性存在行业差异性,污染物分布与纺织、石油化工业以及冶金业集聚和扩散格局的空间关联性较为显著,而与食品制造业和造纸印刷业的空间关联性则不显著。论文进一步根据产业集聚与污染格局的空间关联模式,将研究区域划分为高集聚—高污染、低集聚—低污染、低集聚—高污染、高集聚—低污染四种类型区,并提出相应的产业准入导向。本研究从空间效应角度为产业集聚与生态环境之间关联机理探讨提供新的视角,也可以作为制造业布局调整的科学依据。
关键词:产业集聚;核密度函数;水污染;制造业;空间自相关文章编号: 1000-0585(2011)05-0902-111　
引言制造业集聚,通过发挥规模效应、集聚效应、关联效应和扩散效应,促进城市空间扩展和分工协作,成为推动城市发展的重要动力。然而,并非产业的集聚程度越高,产生的经济社会和环境效益越高。一些研究表明当产业高度集中,超过了该区域的环境承载力时,对环境的不良影响也会累积,例如诱发
　　因此,本研究从产业集聚与环境之间关系的角度出发,对产业集聚的环境效应进行论证,　5期高　爽等:发达地区制造业集聚和水污染的空间关联———以无锡市区为例903着重研究制造业布局的重新集聚和扩散及其对发达地区城市环境质量产生的影响,这是产业集聚与生态环境关联性研究的重要方向,也对城市可持续发展有现实指导意义。
　　国内外学者对产业空间集聚格局的生态环境响应进行了一定的理论和实证研究。研究内容侧重于产业的动态变化对城 Grazi等将产业集聚作为评价可持续发展的一个因子,结合外部性以及社会福利等指标,构建了较为全面的评价城市可持续发展的模型。近年来,我国加强了产业调整的力度,并且相关研究中都一定程度的融进了产业经济要素[,赵雪艳分析了甘肃省产业转型及其生态环境效应,彭建等人通过构建不同产业类型的生态环境影响系数与区域产业结构的总体生态环境影响指数,评价了产业结构对环境的影响。但是,已有的研究重产业集聚的生态环境要素外部响应研究,轻产业集聚要素结构以及空间布局的生态环境影响机理分析,更忽视了产业集聚与生态环境相互作用规律剖析。在研究方法上,多应用相关分析、回归分析、计量经济模型以及空间经济学模型定量的研究产业集聚的生态响应过程,但是多集中于对宏观面板数据的分析,而较少从企业分布的角度分析其对污染空间分布的影响,从而无法从微观角度深入的分析产业集聚格局与水环境格局两者在空间上的关联性与耦合性,导致了对两者空间相互关系的分析较为薄弱。此外国内对于此类研究多集中于大、中尺度地理范围,而对于市区等小尺度的研究较为少见。为弥补以上研究
　　无锡市区,是长三角的重要中心城市和现代工业城市,经济发达, 2008年人均地区生产总值73053元。而支撑经济总量的制造业中,如纺织业、石油化工行业、冶金业等污染密集型制造业约占工业增加值40%左右,污染排放量却占到全部行业的85%以上。同时该区总面积1621km2,其中水域面积占40%,是水网密布和水环境功能敏感的地区,并且水污染问题是各类环境问题的重中之重,是企业对生态环境影响的最直接的体现。因此,本文基于制造业污染企业和水污染物排放数据分析,考察制造业集聚的水环境污染效应,依此提出相应的产业准入和布局调整导向,以期为制造业的合理集聚与水环境保护的协调发展提供依据。
　　2　数据来源和研究方法2·1　数据来源和行业分类根据相关文献[19]分析以及无锡市区的制造业发展状况,主要选择纺织业、食品制造业、造纸业、石油化工业、冶金业等企业作为污染密集型的产业研究对
　　研究数据主要来自于当地经济与环境部门提供的数据,相关的矢量图件来源于无锡市水利和交通部门提供的水系和交通现状图。COD是国家在“十一五”期间明确的实施排放总量控制的最主要的水体污染物,是人类活动对水质环境影响的最直接表征, COD排放量越大,给水体环境造成的压力也就越大,故选取工业化学需氧量(COD)为表征指标来评价水污染分布情况。
　　表1　污染密集型行业分类Tab·1　Classification of pollution-intensive manufacturing industries研究对象行业类别产品类别污染密集型制造业纺织业纺织印染业、制革与毛皮鞣制业食品制造业发酵制品业、罐头食品翻造业、调味品制造业,饮料制造业中的酒精及酒制造业、农副食品加工业中的植物油加工业、制糖业造纸业纸浆及纸制品业石油化工业石油加工、化学原料及化学制品制造业,医药制造业,化学纤维制造业冶金业炼焦业,黑色金属冶炼,有色金属冶炼2·2　研究方法首先,基于以上数据库分别对污染密集型制造业集聚程度和污染物分布格局进行评价;其次,运用GIS的空间叠加分析以及地统计分析,通过构建污染企业分布密度—COD排放量的双变量空间自
　　2·2·1　产业集聚度评价　产业集聚是生产力实现空间布局上的优化,是各种生产要素在一定地域范围的大量集聚和有效集中。产业集聚度即表征各类行业的点在空间的集中程度。由于数据库中的企业以空间点位数据为主,基于点数据的模式计算整个区域的产业集聚情况,具体采用估计序列密度函数的非参数估计方法—核密度分布(Kernel DensityDistribution)。即以每个待计算网格点为中心,进行圆形区域的搜索,进而计算每个网格点的密度值。设x处的核密度分布函数为f (x)[20]:
　　f(x) =1nh∑ni=1k(x-Xih)(1)式中,x为待估计的企业点位置,Xi为落在以x为圆心,h为半径的圆形范围内的第i个企业的位置,h为带宽,在具体应用中,应根据研究范围的大小进行反复试验,随着h的增大,计算结果分布会较为平滑,但是误差也随之增大。n是圆形范围内的企业点的数量,k是表示空间权重的核函数,落入搜索区内的点具有不同的权重,靠近格网搜寻区域中心的点会被赋以较大的权重,随着其与网格距离的加大,权重降低。借助于GIS软件中空间分析模块的密度分析命令计算每个网格的企业分布密度值,并将网格单元的核密度值进行聚类分析。同时,采用全局自相关系数Moran’s I从整体上表征各行业在空间上的集聚度。
　　2·2·2　基于环境单元的水污染评价　基于环境单元的水污染评价法是按照流域内所含河流的主导流向、分水区位置、干支流交汇特点、上中下游不同河段及两侧陆域汇水排水状况等流域的自然综合特征,将区域划分为若干个环境单元,以此作为评价单位来分析污染物分布。此方法不仅可以从空间角度直观的研究企业集聚对水环境所造成的压力,而且可以从流域环境容量和承载力的角度
　　根据无锡市区的水系格局以及总面积,将其划分为望虞河流域、锡北运河—九里河流域、锡澄运河流域、江南运河—伯渎港流域、直湖港流域、太湖(含蠡河)流域等6个流　5期高　爽等:发达地区制造业集聚和水污染的空间关联———以无锡市区为例905环境评价单元划分Fig·1　Division of environmental evaluation units域单元。在此基础上,以8条骨干河道为经络,进一步划分为47个二级环境评价单元(图1)。由于本文主要研究产业集聚与水污染格局的空间耦合性,所以对于污染格局的评价主要以流域单元内企业的污染排放数据为基础进行分析。每个评价单元的污染物排放强度由如下公式得出:
　　CODstrenth=∑nj=1CODj/Ai(2)式中,CODstrenth为环境单元i的污染物排放强度,CODj为环境单元i内的所有企业的污染物排放总量,Ai为环境单元i的面积。根据各单元的污染排放强度,采用聚类分析方法将47个环境单元的污染水平划分为高、较高、较低和低4个等级。
　　2·2·3　产业集聚和特征污染物指标的空间自相关模型构建　传统数量统计分析只注重数值之间的关系,而忽略了其空间关系,为了在空间分析的基础上对数值进行相关分析,采用ArcGIS中的空间自相关模型研究产业集聚和水环境质量的空间格局相关性[10,23,24]。首先,根据地区的具体面积、企业点的数量,将企业点位切分到1500m×1500m①的网格中,计算各网格的企业点的密度,运用叠加分析将带有企业点位信息的面图层与以环境单元为单位的面图层进行叠加,形成同时具有 I来比较产业集聚程度和水环境质量的相关性以及其在空间位置的异质性;具体操作为:首先,建立包含不同空间单元之间邻居关系的空间权重矩阵,然后以网格为评价单元,运用表征全局空间自相关的统计量全局Moran’s I来研究其空间分布格局。其具体表达形式如下:
　　Iap=n∑ni∑nj≠1wijzaizpj(n-1)∑ni∑nj≠1wij(3)s2=1n∑ni(xi--x)2(4)式中,Iap为产业集聚a和污染物p的双变量自相关系数,该值越大,表示此类制造业的空间集聚与污染物空间分布的相关性越大;n为研究区域内不规则空间单元的个数,文中表①本文的网格大小根据文献[22]提供的经验公式来选择,最 =2A /n,其中,Q是样方的尺寸,A为研究区域的面积,n是研究区域中企业点的数量。从而最优样方的边长取2A/n,格网的数量大约为n/2个。为此,本文利用591个格网覆盖整个区域,每个格网大约为1500×1500米。906　　地　　理　　研　　究30卷示网格数;zai为在空间地域单元i上企业个数的均值标准化数据,zpj分别为与i临近网格中污染排放量的标准化值;式(4)中空间权重矩阵元素wij采用行标准化形式,即∑ni∑nj≠iwij= n(5)然而,由于全局自相关模型的计算结果是一个单一数值,不能很好的反应不同位置上的空间变异程度,而局部空间关联指标(local indicators of spatial association, LISA)可以用来识别不同空间位置上可能存在的空间关联模式,从而可以观察空间局部不平稳性,发现数据之间的空间异质性,为分析提供依据。计算公式如下:
　　Iapi= zai∑nwijzpi(6)式中,zai和zpi是观测值的均值标准化,式中空间权重矩阵元素wij采用行标准化形式。Iapi表示位置i上的企业个数与周围污染排放的加权平均的乘积。若Iapi显著为正,则表明位置i的企业分布与污染排放量具有正相关性;若Iapi显著为负,则表明位置i的企业分布与污染排放量具有负相关性;如结果不显著,则表明位置i的企业分布与污染排放量无明显的关联性。