EN中文

地理学报 >

2024 , Vol. 79 >Issue 5: 1192 - 1210

DOI: https://doi.org/10.11821/dlxb202405007

地表过程与环境演变

1998—2021年长江上游地区环境压力的时空格局特征

  • 黄磊 , 1, 2
展开
  • 1.西南大学经济管理学院，重庆 400715
  • 2.武汉大学中国发展战略与规划研究院，武汉 430072

黄磊(1991-), 男, 湖北孝昌人, 博士, 副教授, 硕士生导师, 主要从事经济地理与区域经济研究。E-mail:

收稿日期: 2023-07-27

  修回日期: 2024-04-22

  网络出版日期: 2024-05-31

基金资助

国家社会科学基金项目(20CJL021)

收起

Spatio-temporal pattern of environmental pressure in the upper reaches of the Yangtze River from 1998 to 2021

  • HUANG Lei , 1, 2
Expand
  • 1. College of Economics and Management, Southwest University, Chongqing 400715, China
  • 2. China Institute of Development Strategy and Planning, Wuhan University, Wuhan 430072, China

Received date: 2023-07-27

  Revised date: 2024-04-22

  Online published: 2024-05-31

Supported by

National Social Science Foundation of China(20CJL021)

Fold

摘要

长江上游地区承载着国家重要生态服务功能，也是国家核心增长极，但经济快速发展中的资源消耗给该地区生态系统稳定带来了巨大压力。本文基于1998—2021年长江上游地区47个研究单元面板数据，综合采用Dagum基尼系数、核密度估计、马尔科夫链、空间收敛模型等方法多维度剖析长江上游地区环境压力时空格局。研究发现，1998—2021年长江上游地区整体环境压力倒“V”型微升态势，前期增长的环境代价明显，但后期环境风险得到有效控制；环境压力呈“东高西低”与“高缩低扩”格局，偏东的三大城市化地区特别是成渝地区压力突出，但后期长江大保护政策使高环境压力范围大幅收缩；环境压力总体差异呈阶段性小幅波动态势，地区内差异、地区间净差异与超变密度趋于均衡，云南和贵州稳定存在少数高压力城市；环境压力演化由“多极分化”向“低压集中”趋势转变，前期环境压力梯度分异明显，而后期则普遍向低压力水平聚集；环境压力相对态势具有较强的稳定性，但随时间推移逐渐衰减，并存在环境压力变迁的空间渗透效应；环境压力收敛趋势强劲，空间近邻效应对环境压力趋同有加速作用，后期环境政策趋紧使收敛进程疾速缩短。本文可为筑牢长江上游生态安全屏障提供决策支持。

关键词： 流域经济; 绿色发展; 生态保护; 环境压力; 时空特征; 长江上游地区

本文引用格式

黄磊 . 1998—2021年长江上游地区环境压力的时空格局特征[J]. 地理学报, 2024 , 79(5) : 1192 -1210 . DOI: 10.11821/dlxb202405007

Abstract

As a crucial ecological service provider and a key regional growth pole, the upper reaches of the Yangtze River faces significant environmental pressure due to enormous resource consumption during rapid economic development, posing a threat to the stability of its ecosystem. Based on the panel data from 47 prefecture-level and above cities in the upper reaches of the Yangtze River from 1998 to 2021, this paper comprehensively used Dagum Gini Coefficient, kernel density estimation, Markov Chain, spatial convergence model and other methods to deeply analyze the spatiotemporal pattern of environmental pressure. The results are as follows: (1) During the sample period, the overall pressure showed a slight upward trend in an inverted "V"-shaped pattern. The environmental cost of economic growth was high in the early stages, but the environmental risk was effectively controlled in the later stages. (2) The pressure demonstrated a pattern of "high in the east and low in the west" and "high-pressure areas contracted and low-pressure areas expanded". The three urbanized areas in the east, especially Chengdu-Chongqing region, were the pressure centers. However, due to the implementation of the environmental protection policies in the Yangtze River Basin, the scope of high-pressure cities significantly decreased. (3) The overall difference of the pressure exhibited a gently periodic fluctuating trend, with regional difference, net inter-regional difference, and hypervariable density tending towards a state of equilibrium. There were a few stable high-pressure cities in Yunnan-Guizhou region. (4) The evolution of the pressure shifted from a "multi-polar differentiation" trend to a "low-pressure concentration" trend. Initially, there were significant gradients in environmental pressure among cities, but in the later stages, most cities tended to converge towards lower pressure levels. (5) The relative situation of the pressure showed strong stability, but gradually decayed over time, and there existed spatial infiltration effect on the pressure changes. (6) The convergence trend of the pressure was robust, and the spatial proximity accelerated the convergence of environmental pressure. The tightening of environmental policies in the later stages further accelerated the convergence process. This study could provide decision-making support for strengthening ecological security barrier in the study area.

Key words： watershed economy; green development; ecological protection; environmental pressure; spatio-temporal characteristic; upper reaches of the Yangtze River

1 引言

长江上游地区横跨青藏高原与川滇两大生态屏障，覆盖多个国家重点生态功能区，区内国家级自然保护区与森林公园星罗棋布，在国家生态安全格局中占据重要地位。然而，伴随着工业化、城镇化的长期快速推进，经济增长对该地区资源环境造成了巨大负荷，环境污染、生态破坏、资源枯竭等问题日益凸显，严重制约经济社会可持续发展[1]。长江上游地区是国家重要生态宝库，生态功能特殊但生态系统脆弱，在维续经济增长过程中所产生的非期望产出易对生态环境造成更为严峻的挑战，必须密切关注其环境压力变化情况，避免环境态势不可控情况出现。
以水环境为例，2021年长江上游地区云贵川渝四省份化学需氧量排放高达305.17万t，较2011年增长16.66%，而同期全国增速仅为1.24%，水污染排放增速远高于全国水平。鉴于长江上游地区重要生态功能和紧要环境形势，党和国家高度重视其环境保护工作，早在2019年4月习近平总书记在重庆调研时就强调，要加强生态保护与修复，筑牢长江上游重要生态屏障。那么，长江上游地区环境压力究竟如何?呈现出何种时空演化特征?又该如何长效化解?深入探究这些问题对强化长江上游地区生态文明建设、践行长江经济带生态大保护战略要求、加快国家碳达峰碳中和实现进程具有极为重要的现实意义。厘清区域环境压力是展开环境问题分析的研究基础，学术界对经济发展所产生的环境问题一直保持较为密切的关注，关于环境压力的研究成果，主要集中在以下两个方面。
一是对环境压力的量化评价。受益于区域环境基础数据统计的完备性，定量分析环境压力是判断环境态势的主流方式，主要集中在对全国整体或某一局部地区的环境压力进行评价[2]，研究区域集中于长三角、珠三角、京津冀、长江经济带等经济发展水平较高且环境问题较为突出的地区[3-4]。多数研究表明环境压力保持较快上升趋向，工业化水平越高的地区环境压力越大，但压力增长相对平缓，而邻近的外围地区环境压力上升速度更快，压力追赶趋势较强[5]。对环境压力的评价大都是通过构建指标体系进行多维测度[6]，主要存在资源、环境双视角与环境单视角两个分支，前者将土地、能源、水、大气等资源利用情况与废水、废气、固废等环境废弃物排放情况联合纳入指标体系进行资源环境压力综合评价[7]，后者则侧重反映环境污染对生态环境的压迫情况[8]。关于环境压力的测评方法主要有熵值法、因子分析法、生态足迹法、突变级数法、物质流分析法、单一指标法等[9-10]，考虑到环境系统的复杂性和多元性，采用能源消耗强度或污染排放强度单一指标表征的环境压力做法相对较少，以能反映环境压力各个维度的客观赋权熵值法和反映生产活动空间密度的生态足迹法最为常见[11⇓-13]。
二是对经济增长与环境压力的关系探讨。环境问题的本质根源于经济问题，学术界亦较为关注二者的互动关系[14-15]，主要涉及协调关系与脱钩关系[16-17]。多数研究表明经济增长与环境压力的关系呈渐进向好趋势，早期二者的内在协调性较差，经济增长的环境代价较大，展现出较强的扩张负脱钩或弱负脱钩关系，后期则表现出明显的脱钩态势，经济增长速度领先环境压力增速，二者脱钩状态趋于良好[18-19]。但也有研究表明部分外围地区存在增长路径依赖，偏向资源矿产型重工业结构，会保持乃至强化扩张连接或负脱钩状态[20]。在量化交互关系的研究方法上，多数文献选用弹性脱钩指数和耦合协调度[21]，并以脱钩指数为主[22]。也有文献关注导致环境压力变化的具体经济因素[23]，主要集中在识别城市化、居民消费、人口特征、技术进步等经济相关因素对其所产生的影响效应[24]。大都认为城市人口聚集、消费与人口扩张会大幅增加资源能源消耗速度[25]，加剧区域环境压力，技术进步则有利于改善要素利用效率，可有效缓解环境压力[26]。因素识别具体工具主要有误差修正模型、普通最小二乘法、STIRPAT模型、相对比值指数等[27]，并随着地区经济空间联系加深，有文献采用空间计量模型探讨环境压力的动力机制[28]。
目前，关于环境压力的研究成果，在评价体系、相互关系及因素识别等方面已建构较为完善的研究框架，可为后续研究提供有益参考。但在以下方面仍可拓展：① 偏向对中东部经济较发达地区环境压力评价分析，而关于自然生态条件更为脆弱的西部地区性全域环境压力研究还相对较少；② 主要关注10年以内短中期环境压力变化，对跨越较长时期环境压力变迁时空格局研究还不充分；③ 侧重于环境压力整体水平的面上基本评价，对环境压力演化过程时空差异剖析深度还不够。基于此，本文将采用多种研究方法从多个维度对较长时期内承载国家重要生态功能的长江上游地区环境压力变化格局进行综合分析，以精准把脉西部脆弱生态区长江上游地区环境压力时空演化规律。

2 研究方法

2.1 Dagum基尼系数

鉴于长江上游地区经济发展水平和资源环境承载力存在较大差异，本文采用Dagum基尼系数识别环境压力空间差异[29]。尽管在测评不均衡性程度方面泰尔指数和传统基尼系数均有广泛应用，但其基于较强的正态分布和同方差假定，认定不同分组样本之间不存在属性交叉重叠，分解的差异指数现实经济含义准确性有待提升。Dagum基尼系数考虑了随机分组的样本属性重叠性，可将样本数据整体差异分解为组内差异、组间净差异和组间超变密度，能够更全面准确分解样本分组差异。故总体基尼系数G为：
G = G w + G n b + G t
G = ∑ i = 1 k G i i r i s i + ∑ i = 2 k ∑ j = 1 i - 1 G i j ( r i s j + r j s i ) D i j + ∑ i = 2 k ∑ j = 1 i - 1 G i j ( r i s j + r j s i ) ( 1 - D i j )
式中：Gw为组内差异系数；Gnb为组间净差异系数；Gt为组间超变密度系数；Gii为i组基尼系数；Gij为i组与j组之间的基尼系数；k为分组数；ri、rj分别表示i组和j组样本数量份额，即ni/n、nj/n；si、sj则表示i组和j组的样本数值份额，分别等于ni y - i/n y -、nj y - j/n y -；Dij表示i组和j组之间的相对影响力，也即组间净影响力份额，G、Gw、Gnb、Gt、Gii、Gij、Dij取值均介于0~1之间。

2.2 核密度估计

为进一步把握长江上游地区环境压力的动态演进特征，借助多期核密度曲线，对环境压力分布的水平区间、聚集特征、延展性、极化程度进行综合分析。核密度曲线无参数限制且无须对总体分布做出假定[30]，对样本数值特征刻画更为客观，曲线水平移动方向表示样本数值大小变动，波峰高度与宽度则反映样本数值的集中程度，波峰数量可表示样本数值的俱乐部特征，拖尾长度表示样本极值与其他样本数值的差异程度。本文核密度函数具体如下：
f ( y i t ) = 1 n h ∑ i = 1 n K y i t - y - t h
式中：f(yit)表示第t年样本值的密度函数；n为样本数量；yit为第t年第i个样本数值；h为带宽；K(·)表示核密度函数。带宽h越小，密度估计量越精确，但落在第t年样本均值 y - t领域内的样本点就越少，使得估计量方差较大，密度曲线棱角较为明显，与张卓群等[30]做法一致，采用最优带宽选择方法确定带宽。本文具体选用高斯核函数，形式如下：
K ( y i t ) = 1 2 π e x p ( - y i t 2 / 2 )

2.3 马尔科夫链矩阵

长江上游地区环境压力经过自发调整或受周边影响，使得一定时期后的环境压力状态转变，本文采用马尔科夫链分析研究单元环境压力从一种数值类型转移到另一种类型的可能性。该方法将所有年份样本数据集合并按一定标准划分为k种类型，第t年的样本数值第i种（i = 1, 2, …, k）类型经过T年转化为第t+T年的第j种（j = 1, 2, …, k）样本数值类型的状态转变概率pij可构成一个k阶方阵，也即传统马尔科夫转移概率矩阵[31]。
传统马尔科夫链未考虑邻近地区对本地区状态类型转变的影响，一个地区环境压力的改变除自身主动调整，也会受到周边地区的激励，因此需将空间效应纳入矩阵，从而得到空间马尔科夫链。通过引入样本数值的空间滞后项，将传统的k阶马尔科夫转移概率矩阵分解为k个k阶马尔科夫转移条件概率矩阵。这里采用基于地理邻近关系的0-1型空间权重矩阵W与研究单元环境压力矩阵相乘构建空间滞后加权环境压力矩阵，并将加权值按环境压力状态分类标准划分成相同的k个类型，然后与传统马尔科夫链进行匹配，得到在邻近地区样本数值类型为r（r = 1, 2, …, k）的条件下，样本从第t年的i数值类型经过T年转移为j数值类型的条件概率prij，所有条件概率元素则构成空间马尔科夫转移概率矩阵。当然，是否存在环境压力类型转移的空间效应还需进行相应检验，参考王少剑等[32]思路，原假设为环境压力类型转变相互独立，与邻近地区空间滞后类型无关，具体检验统计量如下：
L R = - 2 l n ∏ r = 1 k ∏ i = 1 k ∏ j = 1 k p i j p r i j n r i j
式中：LR统计量服从自由度为k(k-1)2的卡方分布；nrij为环境压力空间滞后类型为r的所有第t年i类型样本经过T年转移为第t+T年j类型样本的累计数量。若LR统计量大于对应显著性水平和自由度条件下的临界值，则拒绝原假设，应当考虑环境压力类型时间转移的空间效应。
在使用马尔科夫链分析方法判断不同类型环境压力的转移方向及概率时，需确定样本分类标准。为规避异常值影响，本文以分位数为基准，将所有年份研究单元环境压力值集合划分为，(-∞, 1/4分位数]低水平类、(1/4分位数, 中位数]较低水平类、(中位数, 3/4分位数]较高水平类和(3/4分位数, +∞)高水平类。同时将跨期年数T分别设定为1 a、3 a、5 a、7 a，从而构建多期马尔科夫链转移概率矩阵，以全面识别长江上游地区研究单元环境压力动态跃迁过程。

2.4 β收敛性分析

为量化长江上游地区环境压力个体演化趋势，本文对环境压力进行β收敛性分析。β收敛表示初始水平较低的样本数值增速比初始水平较高的样本更快，其可进一步分为绝对β收敛和条件β收敛。绝对β收敛指初始水平较低的样本经过持续追赶，不同初始水平的样本最终会趋向同一水平。条件β收敛则指具有不同发展条件的样本最终会沿着自身发展轨迹实现稳态发展，即只要样本面临不同的约束条件，则不同初始水平的样本最终只会收敛于自身稳态水平，样本间的水平差距会持续存在。
参考Barro等[33]做法，传统的绝对β收敛模型如下：
l n ( y i t / y i t - 1 ) = α + β l n y i t - 1 + u i + v t + ε i t
式中：yit-1表示滞后一期的样本i数值；ui、vt、εit分别表示个体效应、时间效应和随机误差；β为收敛系数，若β显著小于0，则说明样本数值具有收敛趋势，反之则具有发散趋势。上述模型加入控制变量即为条件β收敛模型，具体如下：
l n ( y i t / y i t - 1 ) = α + β l n y i t - 1 + X t - 1 γ + u i + v t + ε i t
式中：Xt-1为控制变量滞后一期数值矩阵；γ为控制变量回归系数列向量；其他字母含义同绝对β收敛模型。进一步可由收敛系数β和研究周期时间跨度T计算β收敛模型的收敛速度s与收敛的半生命周期τ，分别为-ln(1-|β|)/T与ln(2)/s。
在地区空间紧密联系下，长江上游地区各研究单元环境压力的收敛性分析需要进一步纳入空间关联效应，采用空间计量模型开展环境压力的空间收敛性研究。常用的空间计量模型主要为包含内生空间交互效应的空间滞后模型SAR、包含误差项空间交互效应的空间误差模型SEM以及同时包含内生空间交互效应和外生空间交互效应的空间杜宾模型SDM，后者可视为前两者的一般化形式。对应的空间绝对β收敛模型如下：
l n ( y i t / y i t - 1 ) = α + ρ ∑ j = 1 n w i j l n ( y i t / y i t - 1 ) + β l n y i t - 1 + u i + v t + ε i t
l n ( y i t / y i t - 1 ) = α + β l n y i t - 1 + u i + v t + ε i t ,             ε i t = λ ∑ j = 1 n w i j ε i t + μ i t        
l n ( y i t / y i t - 1 ) = α + ρ ∑ j = 1 n w i j l n ( y i t / y i t - 1 ) + β l n y i t - 1 + ϕ ∑ j = 1 n w i j l n y i t - 1 + u i + v t + ε i t              
式中：ρ为样本数值增速空间滞后项回归系数；λ为误差项空间滞后项回归系数；ϕ为样本数值滞后一期空间滞后项回归系数；wij为第i个样本与第j个样本的空间作用关系量化形式，即空间权重矩阵W元素，仍为0-1型空间权重矩阵；上述模型加入Xt-1γ、WXt-1ξ即为对应的空间条件β收敛模型，其中γ、ξ分别为控制变量时间滞后一期项及其空间滞后项回归系数列向量；其余变量含义同传统β收敛模型。由于环境问题缘于经济发展方式和产业结构不合理，本文侧重从经济维度考虑控制变量。具体选择经济发展（pgdp）、产业梯度（ladder）、产业结构（indus）、消费活力（consume）、投资倾向（invest）作为控制变量，分别使用自然对数化的常住人口人均GDP（元/人）、第三产业与第二产业增加值比以及第二产业增加值、全社会消费品零售总额、全社会固定资产投资与地区GDP比作为代理变量。

3 数据来源与数据处理

参照2017年7月《长江经济带生态环境保护规划》，长江上游地区空间范围确定为云南、贵州、四川和重庆4个省份（21°08′N~34°19′N, 97°20′E~110°12′E），合计47个研究单元（四川和重庆22个、贵州9个、云南16个，图1）。由于重庆为中央直辖市，区内无地级市州行政单位，因而将其整体作为研究单元纳入研究单元集。本文涉及的相关变量均含于收敛模型中，主要有环境压力及相应的控制变量。关于环境压力的测评，本文侧重从环境非期望产出视角对其进行直观表征，主要考察污染物排放的空间密度，结合长江上游地区的流域经济属性以及污染物的工业主渠道，特别是面临“双碳”目标实现和雾霾治理的约束条件，主要考虑工业废水、工业废气、温室气体、雾霾等4类环境非期望产出。具体选用工业废水排放空间密度（t/km2）、工业废水化学需氧量排放空间密度（kg/km2）、工业二氧化硫排放空间密度（kg/km2）、地区二氧化碳排放空间密度（t/km2）、地区PM2.5浓度（μg/m3）等五大指标构建环境压力评价体系，进而采用熵值法加总计算环境压力。
图1 研究区域位置及行政区划

Fig. 1 Location and administrative divisions of the study area (the upper reaches of the Yangtze River)

本文的数据来源主要有6条渠道。① 1998—2014年工业污染物数据源自中国工业企业污染数据库（1998—2014年），具体通过行政区划代码和对企业名称进行地理编码与逆地理编码解析出企业所属地，进而加总计算得到研究单元污染物排放数据。② 2015—2021年工业污染物数据源于2016—2022年《中国城市统计年鉴》《中国环境统计年鉴》，缺失数据通过规上工业企业营业收入占全省比重折算全省污染物排放量补齐。③ 二氧化碳排放数据源自全球大气研究排放数据库EDGAR（https://edgar.jrc.ec.europa.eu/emissions_data_and_maps），借助R软件将原始格点数据转化为栅格数据，进而分区汇总得到碳排放数据。④ PM2.5浓度数据源自美国圣路易斯华盛顿大学发布的全球地表PM2.5浓度栅格数据（https://sites.wustl.edu/acag/datasets/surface-pm2-5/），同样使用R软件裁剪汇总得到各研究单元雾霾浓度数据。⑤ 国土面积数据源于自然资源部全国地理信息资源目录服务系统提供的1∶100万公众版基础地理信息数据（2021）。⑥ 控制变量基础数据整理自1999—2022年《中国统计年鉴》《中国价格统计年鉴》《重庆统计年鉴》《四川统计年鉴》《贵州统计年鉴》《云南统计年鉴》。
考虑到自1997年重庆市直辖后上游地区行政区划基本稳定，研究此后的行政区环境压力具有历史参照性，且可追溯的中国工业企业污染数据库以1998年为起点，因此以1998年作为初始研究年份，研究时段为1998—2021年。针对控制变量涉及的价值指标物价波动问题，采用相应省份与价值指标对应的价格平减指数予以剔除。其中GDP、第二产业增加值、第三产业增加值采用各省份以1998年为基期的定基GDP平减指数进行价格平减，全社会消费品零售总额、全社会固定资产投资分别使用定基商品零售价格指数、定基固定资产投资价格指数进行平减。本文使用的所有变量描述统计见表1。
表1 长江上游地区环境压力分析的相关变量描述性统计

Tab. 1 Descriptive statistics of related variables in the upper reaches of the Yangtze River

变量名 样本量(个) 均值 最小值 中位数 最大值 物理含义
envir 1128 0.171 < 0.001 0.112 0.829 环境压力综合水平
pgdp 1128 9.252 7.314 9.348 11.073 人均综合生产能力
ladder 1128 1.024 0.272 0.949 3.121 二三产业增加值比
indus 1128 0.408 0.149 0.400 0.759 第二产业经济份额
consum 1128 0.397 0.107 0.380 3.982 单位GDP消费倾向
invest 1128 0.625 0.104 0.526 2.834 单位GDP投资倾向

4 时空特征分析

4.1 环境压力的空间分布特征

成渝、黔中、滇中三大城市化地区特别是成渝地区是长江上游地区环境风险高值地区（图2），环境非期望产出保持领先水平，沿线流域环境风险较大。1998—2021年成渝地区16个城市环境压力平均水平由0.201波动上升至0.241，而长江上游地区平均水平仅由0.132上升至0.158，领先于整体水平，构成上游地区环境压力的绝对承载区域。黔中地区和滇中地区环境压力较之于本省其他研究单元也相对较高，为上游地区环境压力次级地区。三大城市化地区作为长江上游地区关键增长极，经济发展水平和速度更优，但也伴随有巨量资源能源损耗，使得局部地区环境压力加大，呈现出“高排放、高投入、高增长”的粗放发展特征。而成渝地区的岷江、嘉陵江中下游与长江干线地区地理条件良好，水源充足而地形平坦，是上游地区工业活动与环境非期望产出的重点承载区，流域环境压力尤为突出。
图2 1998—2021年长江上游地区环境压力空间聚类分布

Fig. 2 Spatial clustering distribution of environmental pressure in the upper reaches of the Yangtze River

长江上游西北地区除重工业城市攀枝花外均为环境压力洼地（图2），环境负荷保持较低水平，生态环境未受经济活动明显冲击。以西北地区的阿坝、甘孜、凉山、怒江、迪庆为例，1998—2021年间环境压力水平低于0.050，甚至部分年份不足0.010，而长江上游地区环境压力平均最低值即为0.132，远高于西北各研究单元，西北地区环境压力普遍处于极低水平。西北地区覆盖川滇两省藏区以及四川凉山和云南怒江，属于原国家深度贫困地区“三区三州”，处于川滇生态屏障区，面积较为辽阔，而开发程度较低[34]，产业根基薄弱，人口持续外流，使得当地经济发展难度较大，客观上抑制了资源能源消耗速率。当地的环境非期望产出，无论是工业污染还是二氧化碳排放，抑或是雾霾污染，均处于极低水平，客观上对长江上游西北地区生态环境起到了较好的保育作用。
长江上游环境压力高值地区呈先扩张后收缩特征，而环境压力低值地区则具有显著后发扩张特征（图2）。高压力地区在成渝地区面上扩散，进而向云南和贵州延展，而后全面收窄。高压力研究单元数量从1998年的3个扩展至2006年的10个，基本位于成渝地区，经济率先起飞的环境代价突出；而后滇中地区和黔中地区环境压力凸显，2014年云南和贵州环境较高压力研究单元上升至7个，逐步加速经济粗放增长；但2021年上游地区高压力研究单元全面收缩至3个，说明2016年来的国家长江大保护战略实现了对上游地区环境风险全面有效控制。环境压力放缓呈一定渐进性和滞后性，成渝地区在2014年已大幅减弱环境压力，而云贵两省则在2021年表现出减压趋势。可能是由于成渝地区在2012年国家生态文明建设要求下已启动减排，而云贵两省直至2016年在长江经济带“生态优先、绿色发展”战略定位下始全力治污。

4.2 环境压力的空间差异分析

4.2.1 环境压力总体差异

1998—2021年长江上游地区各研究单元环境压力总体差异具有显著的阶段性波动特征，大致呈现出“W”型弱波动下降态势（表2）。1998—2000年为总体差异下降阶段，这一时期西部大开发战略在开始启动，长江上游地区各研究单元经济发展竞相追赶，促成总体环境压力差异缩小。2000—2003年为总体差异上升阶段，这一时期成渝地区城市在西部大开发战略激励下经济继续高速增长，而云贵两省大部分研究单元保持“低工业化—低环境消耗”状态，总体压力差异有所拉大。2003—2014年为总体差异持续下降阶段，主要是由于长江上游各地区全力发展经济，具备开发条件的地区在实现经济增长过程中环境压力全面加大，总体差异在压力上升中渐趋缩小。2014—2021年为总体差异快速上升阶段，在国家生态文明建设进程加速与长江大保护强力推进背景下，工业经济活动向少数中心城市和传统重工业城市集聚，造成各研究单元环境压力差异在整体压力下降中有所扩大。
表2 1998—2021年长江上游地区环境压力Dagum基尼系数及其分解

Tab. 2 Dagum Gini Coefficient and its decomposition of environmental pressure in the upper Yangtze River area

年份 总体
差异		 地区内差异比较 地区间净差异比较 地区内差异 地区间净差异 超变密度
川 贵 云 川—贵 川—云 贵—云 系数 份额 系数 份额 系数 份额
1998 0.500 0.425 0.499 0.365 0.526 0.549 0.572 0.160 0.319 0.187 0.374 0.153 0.307
1999 0.465 0.409 0.432 0.376 0.470 0.530 0.488 0.155 0.334 0.165 0.355 0.144 0.311
2000 0.472 0.411 0.376 0.397 0.415 0.591 0.518 0.157 0.333 0.208 0.440 0.107 0.227
2001 0.510 0.443 0.426 0.345 0.487 0.638 0.504 0.172 0.337 0.251 0.493 0.087 0.171
2002 0.512 0.440 0.437 0.347 0.489 0.641 0.511 0.172 0.335 0.253 0.495 0.087 0.170
2003 0.531 0.451 0.446 0.375 0.513 0.668 0.522 0.179 0.337 0.270 0.509 0.082 0.154
2004 0.523 0.442 0.445 0.389 0.508 0.655 0.511 0.177 0.337 0.264 0.505 0.083 0.158
2005 0.506 0.412 0.459 0.355 0.498 0.643 0.506 0.165 0.326 0.258 0.511 0.083 0.164
2006 0.488 0.386 0.396 0.346 0.499 0.635 0.432 0.157 0.322 0.271 0.555 0.060 0.123
2007 0.497 0.386 0.395 0.352 0.536 0.642 0.416 0.159 0.319 0.281 0.565 0.057 0.115
2008 0.494 0.385 0.359 0.369 0.537 0.635 0.397 0.159 0.321 0.277 0.562 0.058 0.117
2009 0.507 0.389 0.359 0.359 0.573 0.651 0.391 0.161 0.318 0.292 0.575 0.054 0.107
2010 0.504 0.382 0.324 0.365 0.566 0.657 0.375 0.158 0.314 0.296 0.587 0.049 0.098
2011 0.440 0.422 0.354 0.350 0.415 0.514 0.416 0.156 0.354 0.165 0.375 0.119 0.270
2012 0.425 0.411 0.338 0.348 0.396 0.495 0.416 0.149 0.351 0.146 0.343 0.130 0.306
2013 0.424 0.414 0.338 0.345 0.395 0.490 0.411 0.150 0.353 0.140 0.330 0.134 0.317
2014 0.421 0.414 0.322 0.351 0.384 0.490 0.411 0.149 0.353 0.135 0.322 0.137 0.325
2015 0.450 0.412 0.382 0.435 0.416 0.517 0.464 0.158 0.351 0.142 0.317 0.150 0.333
2016 0.446 0.409 0.409 0.416 0.458 0.489 0.432 0.160 0.358 0.137 0.307 0.150 0.335
2017 0.493 0.410 0.466 0.409 0.482 0.585 0.546 0.161 0.327 0.200 0.406 0.131 0.266
2018 0.495 0.433 0.448 0.448 0.462 0.581 0.547 0.168 0.338 0.181 0.365 0.147 0.297
2019 0.489 0.443 0.424 0.402 0.457 0.577 0.510 0.169 0.345 0.192 0.393 0.128 0.262
2020 0.493 0.443 0.390 0.428 0.433 0.598 0.550 0.166 0.337 0.188 0.381 0.139 0.282
2021 0.466 0.439 0.332 0.409 0.414 0.560 0.467 0.164 0.353 0.182 0.390 0.120 0.258

注：川代表四川—重庆，贵代表贵州，云代表云南；由于取值四舍五入，地区内差异、地区间净差异、超变密度占总体差异份额之和可能不等于1，后表同。

4.2.2 环境压力地区内差异

环境压力的地区内差异分析。1998—2021年长江上游各地区内环境压力差异趋势具有显著异质性，四川—重庆呈“N”型微升趋势，贵州呈倒“N+V”型下降趋势，云南呈“双阶梯波动型”上升趋势（表2）。在西部大开发战略机遇下，1998—2003年四川—重庆部分城市经济率先增长使得各研究单元环境压力差距加大，但2003—2010年随着后发城市经济追赶，促成环境压力差距大幅下降，而2010—2021年则由于工业生产向省内部分城市如成都和攀枝花集聚，使得压力差距持续扩大。1998—2000年贵州及周边研究单元经济增长起步，促使环境压力差距缩小，2000—2005年则由于周边研究单元开发后劲不足，导致环境压力差距扩大，2005—2014年贵州研究单元普遍进入高速增长阶段，环境压力差距持续缩小，2014—2017年国家趋紧的环保政策促使生产活动向中心城市集聚，导致省内环境压力差距陡然拉升，而2017—2021年长江大保护政策的全面落实，使得其环境压力差距迅速下降。1998—2014年云南全省旅游业和工业双轮驱动下环境压力差距在压力平缓上升中保持基本平稳，2014—2021年国家环境政策加强，使得工业活动向昆明、曲靖、玉溪集聚，引致环境压力差距上涨显著。

4.2.3 环境压力地区间净差异

1998—2021年长江上游各地区间净环境压力差异变化趋势具有较强相似性，大体均呈先下降再上升后下降的趋势（表2）。特别是以四川—重庆和贵州、四川—重庆和云南差异下降趋势的同向性最为凸显，二者相关系数达0.78，但1998—2021年前者差异始终小于后者，在四川—重庆的整体环境压力最为突出情况下，说明贵州环境压力明显高于云南，贵州经济发展的粗放特征较为严重。云贵两省间环境压力净差异呈倒“N”型下降趋势具有一定的阶段性，1998—2010年两地环境压力差异呈缩小态势，贵州在技术条件约束下环境压力呈弱化趋势，而云南为保持旅游资源优势而控制开发强度[35]，2010—2017年两地间环境压力差异呈扩大态势，黔中地区在国家重点开发区功能定位下大力布局煤炭、冶炼等工业项目，使贵州环境压力大幅提升，2017—2021年两地间环境压力有大幅收缩，长江大保护政策的强力执行倒逼各研究单元区生产方式加速绿色化，使得两地环境压力均较快下降。

4.2.4 环境压力地区差异贡献率

1998—2021年长江上游地区环境压力差异变化的地区间净差异贡献最大，中后期地区间环境压力层级交叉重叠有所突显，3种差异份额趋于大体均衡（表2）。1998—2021年地区间净差异呈“N”型微降态势，1998—2010年呈稳定上升态势，成渝地区强势增长使得地区间环境压力梯度格局更为突显，在总体差异份额提升21.31个百分点，2010—2016年则骤然下降，云贵两省环境压力逐渐上升弱化了地区间差异，份额下降28.04个百分点。2016—2021年有所回升，长江大保护政策导致工业生产活动向更为适宜的成渝地区转移，巩固了地区压力梯度格局，份额回弹8.30个百分点。1998—2021年地区内差异系数及在总体差异份额基本保持平稳微升态势，说明长江上游地区内各研究单元环境压力差异格局稳定性较高。1998—2021年超变密度呈“V”型略降态势，1998—2010年超变密度稳步缩小，份额减小20.82个百分点，环境压力交叉重叠性降低，印证这一时期地区环境压力梯度格局强化。2010—2021年超变密度则波动快速上升，份额增加15.93个百分点，地区划分对不同层级环境压力的研究单元分辨度降低，云贵两省也存在部分城市如贵阳、六盘水环境压力处于绝对高位水平。

4.3 环境压力的动态演进趋势

4.3.1 分布位置

1998—2021年长江上游地区环境压力核密度曲线整体呈先右移再左移趋势（图3），环境压力先上升后下降。1998—2014年核密度曲线持续向右移动，表明大部分研究单元环境压力水平保持上升态势，延续以经济增长为首要目标的粗放发展模式，特别是2010年以来主体功能区战略的实施使得云贵两省建设空间扩张，引致各研究单元环境压力加速提升。而在2014—2021年曲线迅速大幅左移，环境压力迅速下降，主要是由于2016年以来实施的长江大保护政策彻底扭转了传统增长模式，低碳绿色发展理念在上游地区得到完整全面准确贯彻，极大改善了上游地区生态环境质量。
图3 长江上游地区环境压力核密度分布

Fig. 3 Kernel density distribution of environmental pressure in the upper reaches of the Yangtze River

4.3.2 主峰分布形态

1998—2021年核密度曲线主峰高度有先下降后上升态势，而宽度则总体收窄（图3），反映出主体研究单元环境压力差异在缩小，但主体代表性先减弱后增强。主峰对应环境压力相对较低，而主峰高度在1998—2014年下降，而后至2021年上升，表明上游地区的主体低环境压力研究单元数量先减少后增加，再次印证上游地区环境形势在样本后期得到根本性好转。1998—2021年主峰宽度则基本保持收缩，前期主峰能够较好地包络后期主峰，即便是2014年大幅右移的主峰宽度也窄于前期年份，说明上游地区主体研究单元环境压力差异不论是在前期上升阶段还是后期下降阶段均有较好的缩小态势。

4.3.3 分布收尾性

1998—2021年核密度曲线均有明显的右拖尾特征，拖尾长度呈先扩张后收缩再拉伸态势（图3），高环境压力极端值出现可能性降低。1998—2002年右尾长度大幅右移，说明西部大开发战略在早期对经济基础较好城市激励较强，促使成为典型的高环境压力城市，并拉大上游地区各研究单元间环境压力差距。而2002—2014年则右尾端点不断左移，右尾高压力伴随概率上升，说明各研究单元开始竞相发力经济增长，普遍进入高环境压力状态。但2014—2021年右尾长度略有延展，但右尾高压力伴随概率显著下降，说明长江大保护政策极大缓解了上游地区环境压力，使得环境压力向少数城市转移。

4.3.4 波峰数量

1998—2021年核密度曲线波峰数量逐渐由“多峰”向“单峰”转变，各研究单元环境压力从极化分布过渡为低压集中分布。1998—2014年核密度曲线波峰数从“双峰”增至“三峰”，各研究单元环境压力由两极分化向三极分化转变，说明这一时期上游地区环境压力以分异为主，部分欠发达研究单元始终处于低压环境状态，而具备经济腾飞条件的城市环境压力则趋向高压状态，各研究单元环境压力演化整体呈多极俱乐部群落特征。而在2014—2021年波峰数则由“三峰”向“双峰”再向“单峰”转变（图3），高压力俱乐部数量及内部成员急剧减少，长江大保护战略促使上游地区各研究单元环境压力普遍下降。

4.4 环境压力的时空跃迁分析

4.4.1 传统马尔科夫链分析

（1）长江上游各研究单元环境压力状态保持稳定的可能性较大，特别是高水平和低水平环境压力的研究单元（表3）。在任何跨期年份下，矩阵主对角线元素值均大于同一初始等级的上三角和下三角元素值，高环境压力市州与低环境压力研究单元保持环境压力等级稳定的概率更是超过0.8，具有极好的稳定性。可能是由于经济发展的路径依赖，产业结构和技术梯度不易改变，短期内资源消耗所引致的环境压力只会在一定范围内波动，剧烈改变概率较小，能够抵御较大的环境冲击，使得长江上游地区环境压力状态表现出较强的平稳性。
表3 1998—2021年长江上游地区环境压力多期传统马尔科夫链转移概率矩阵

Tab. 3 Multi-period traditional Markov matrix of environmental pressure in the upper reaches of the Yangtze River

跨期(a) 压力等级 低 较低 较高 高 跨期(a) 压力等级 低 较低 较高 高
1 低 0.896 0.100 0.004 0 3 低 0.823 0.165 0.012 0
较低 0.088 0.787 0.121 0.004 较低 0.149 0.661 0.173 0.016
较高 0.004 0.090 0.779 0.127 较高 0.016 0.169 0.645 0.169
高 0.004 0.007 0.110 0.879 高 0.004 0.004 0.145 0.847
5 低 0.763 0.215 0.023 0 7 低 0.702 0.273 0.024 0
较低 0.173 0.549 0.243 0.035 较低 0.152 0.471 0.333 0.044
较高 0.035 0.206 0.526 0.232 较高 0.035 0.215 0.470 0.280
高 0.005 0.000 0.177 0.818 高 0.005 0.000 0.163 0.832
（2）长江上游地区环境压力状态稳定性随跨期拉长而逐渐降低（表3），环境压力等级有较强的升级趋势。环境压力等级也表现出明显的流动性，主要体现为上升性，各研究时段内等级提升概率多数情况大于等级下降概率。随着研究时段推进，矩阵上三角元素值之和稳步增加，在跨期为7 a时的环境压力等级上升概率已超过0.3，远超同期下三角元素。说明长江上游地区环境压力存在较大的恶化可能性，尤其是产业基础较好的地区倾向沿着既定发展路径，在加速经济增长过程中并没有妥善保护好生态环境，造成环境压力存在上升风险。
（3）长江上游地区环境压力跳级变迁的可能性微弱（表3），环境压力演化具有明显的梯度渐进特征。各跨期矩阵上三角元素从左向右或下三角元素从右到左均单调递减，环境压力梯度升级或降级的概率要远大于跳级概率，后者值始终小于0.05，说明长江上游地区环境形势变迁是逐渐完成，出现急速恶化或改善的可能性较低。长江上游地区环境形势不易突变，环境压力变化是一个渐进过程，对处于环境压力高低两极的研究单元尤为如此，西部低环境压力特征与成渝地区中心城市高环境压力状态的稳定性强化了这种渐进性。

4.4.2 空间马尔科夫链分析

在1 a、3 a、5 a、7 a跨期对应的环境压力等级转移空间效应存在性检验LR统计量值分别为87.05、106.48、131.99、121.82，均大于自由度为36且伴随概率为0.01的卡方检验临界值55.86，在1%的显著性水平下拒绝不存在空间关联的原假设，应考虑邻域环境压力影响。与不考虑邻域类型的转移趋势有一定相似性，纳入空间滞后效应后均存在压力等级逐级变迁可能，且随跨期同向增加，而跳级变化可能性较小，但同时也具有显著差异性，邻近地区环境压力状态与本地区环境压力演化关系密切（表4）。
表4 1998—2021年长江上游地区环境压力多期空间马尔科夫链转移概率矩阵

Tab. 4 Multi-period spatial Markov matrix of environmental pressure in the upper reaches of the Yangtze River

WY
类型		 压力
等级		 t = 1 a t = 3 a t = 5 a t = 7 a
低 较低 较高 高 低 较低 较高 高 低 较低 较高 高 低 较低 较高 高
低 低 0.943 0.057 0 0 0.936 0.064 0 0 0.941 0.059 0 0 0.875 0.125 0 0
较低 0.250 0.750 0 0 0.273 0.636 0.091 0 0.150 0.650 0.200 0 0.158 0.421 0.421 0
较高 0 0 0.875 0.125 0 0 0.625 0.375 0 0 0.375 0.625 0 0 0.125 0.875
高 0 0 0 1.000 0 0 0 1.000 0 0 0 1.000 0 0 0 1.000
较低 低 0.944 0.056 0 0 0.857 0.143 0 0 0.727 0.260 0.013 0 0.671 0.315 0.014 0
较低 0.048 0.786 0.167 0 0.099 0.642 0.259 0 0.130 0.481 0.364 0.026 0.125 0.431 0.403 0.042
较高 0.021 0.191 0.681 0.106 0.064 0.277 0.511 0.149 0.106 0.213 0.426 0.255 0.091 0.250 0.341 0.318
高 0 0 0.192 0.808 0 0 0.200 0.800 0 0 0.304 0.696 0 0 0.333 0.667
较高 低 0.763 0.224 0.013 0 0.612 0.343 0.045 0 0.565 0.371 0.065 0 0.500 0.431 0.069 0
较低 0.095 0.784 0.115 0.007 0.176 0.664 0.130 0.031 0.216 0.560 0.181 0.043 0.176 0.490 0.284 0.049
较高 0 0.096 0.801 0.103 0.007 0.179 0.701 0.112 0.025 0.256 0.579 0.140 0.028 0.239 0.550 0.183
高 0.008 0.016 0.079 0.898 0.009 0.009 0.117 0.865 0.011 0 0.095 0.895 0.013 0 0.065 0.922
高 低 1.000 0 0 0 1.000 0 0 0 1.000 0 0 0 1.000 0 0 0
较低 0 0.875 0.125 0 0 0.786 0.214 0 0.077 0.692 0.154 0.077 0.091 0.636 0.182 0.091
较高 0 0.015 0.788 0.197 0 0.085 0.627 0.288 0 0.115 0.519 0.365 0 0.154 0.462 0.385
高 0 0 0.139 0.861 0 0 0.176 0.824 0 0 0.245 0.755 0 0 0.226 0.774
（1）长江上游地区各研究单元邻近地区处于低环境压力状态，处于两极的低、高环境压力研究单元稳定性增强，而中等环境压力研究单元则有较强的升级趋势。考虑周边低环境压力后，低、高环境压力研究单元保持稳定概率显著提升，低环境压力研究单元倾向于集聚分布，川西北地区开发程度极低的研究单元形成低环境压力聚集区；而高环境压力研究单元对“低压力—低发展”模式并不认同，倾向加速资源消耗以加快经济增长而深化高环境压力状态。对于中等环境压力研究单元，较低环境压力研究单元压力升级概率至跨期7 a时相对上升，较高环境压力研究单元环境压力升级概率则稳步增加。说明周边低环境压力并不具有稳定渗透作用，长江上游地区存在大片贫困地区，这些地区愿意承受实现经济增长引致的环境形势趋紧压力。
（2）长江上游地区各研究单元邻近地区处于较低环境压力状态，随着跨期增加，偏低环境压力研究单元环境形势呈恶化趋势，而偏高环境压力形势有较强减压态势。考虑周边较低环境压力后，低环境压力研究单元至跨期5 a和7 a时的环境压力等级上升概率明显提高，较低环境压力研究单元在各跨期里则均有更高的环境压力等级上升概率。临近较低环境压力状态下经济增长成效不佳，刺激偏低环境压力研究单元加快资源开发步伐，造成研究单元环境压力升级风险加大。较高环境压力研究单元与高环境压力研究单元压力等级下降概率却大幅提升，涨幅均在一倍左右，压力降级趋势得到有力强化。偏高环境压力研究单元也力图在稳定经济增长前提下实现环境形势好转，对有一定经济成效的较低环境压力研究单元绿色发展路径存在较强的学习倾向。
（3）长江上游地区各研究单元邻近地区处于较高环境压力状态，低环境压力研究单元环境形势加速退化，但非低环境压力研究单元环境形势得到巩固增强。考虑周边较为严峻的环境状况后，低环境压力研究单元的环境稳定性显著收缩，上三角元素值增加迅速，存在较强的压力升级可能性。周边地区以较高环境代价实现加速增长的模式对落后型生态功能区有较强模仿激励，促使低环境压力研究单元环境形势变差。但非低环境压力研究单元压力等级稳定性概率均有提升，较低环境压力研究单元环境形势进一步向好，而偏高环境压力研究单元环境形势则更为严峻。较低环境压力研究单元对环境代价增长模式存在排斥，自身有一定经济基础支撑环境保护，而偏高环境压力研究单元则对同类粗放增长模式更为依赖，使得环境形势持续收紧。
（4）长江上游地区各研究单元邻近地区处于高环境压力态势，高环境压力研究单元环境形势显著改善，而非高环境压力研究单元环境形势得以继续强化。考虑周边高压环境形势后，高环境压力研究单元环境形势极大好转，下三角元素值显著上升，压力下降趋向增强。高环境压力研究单元在对比下意识到粗放增长模式不可持续，加之中后期国家环保政策趋紧，力图降低环境成本。偏低环境压力研究单元良好环境形势得到加强，主对角线元素值有较大增幅，低环境压力稳定性提升。偏低环境压力研究单元难以承受高昂环境代价，自身禀赋也无法支撑高强度开发，继续保持轻度开发模式。但较高环境压力研究单元环境形势更趋严峻，上三角元素值大幅提升，压力上升倾向突出。具有较好开发条件的研究单元会学习先发研究单元增长模式，加快开发进程而忽视环境代价。

4.5 环境压力的敛散趋向分析

4.5.1 β收敛检验分析

考虑到地区之间空间关联性，先对环境压力空间关联效应存在性进行检验，并确定适宜的空间收敛模型。分析表5可知，绝对β收敛与条件β收敛对应的LM检验结果均在99%的置信水平下拒绝了不存在空间滞后被解释变量、空间自相关误差项的原假设，需将空间效应纳入收敛模型。尽管对β收敛空间杜宾模型SDM与空间误差模型SEM进行的Wald检验以及绝对β收敛空间杜宾模型SDM分别与空间滞后模型SLM、空间误差模型SEM所进行的Wald检验、LR检验均未通过，但考虑到LM检验结果及模型灵活性，仍采用包含内生空间交互效应和外生空间交互效应的空间杜宾模型SDM作为β收敛分析工具。
表5 收敛模型识别检验

Tab. 5 Identification tests of convergent models

类型/参数 是否为SLM模型检验 是否为SEM模型检验
LM检验 LR检验 Wald检验 LM检验 LR检验 Wald检验
绝对β收敛 58.472***
[< 0.001]		 2.915*
[0.088]		 1.874
[0.171]		 58.951***
[< 0.001]		 0.856
[0.355]		 1.526
[0.217]
条件β收敛 54.691***
[< 0.001]		 16.971***
[0.009]		 16.621**
[0.011]		 56.728***
[< 0.001]		 15.179**
[0.019]		 9.540
[0.145]

注：*、**、***分别表示10%、5%、1%的显著性水平，中括号内为p值，下表同。

4.5.2 绝对β收敛分析

由表6可知，Hausman统计量均通过1%的显著性检验，采用双固定空间杜宾模型作为检验工具。长江上游地区环境压力变化存在绝对β收敛，低环境压力地区具有追赶效应，特别是后期收敛速度急速提升，考虑空间效应后的追赶速度有所加快。传统收敛模型和空间收敛模型的收敛系数β均在1%的水平下显著，且后者绝对数值要稳定大于前者。长江上游地区各研究单元环境压力存在较强的趋同特征，邻近地区环境压力及其变化率能够对本地区产生参照效应，加快研究单元环境压力趋同进程。环境压力收敛速度呈“N”型提升态势，前期相对较快，而中期则大幅减缓，在后期又骤然加速。前期上游地区发展程度较低，环境压力水平不高，追赶速度相对较快，而中期部分研究单元经济崛起引发环境压力趋同速度放缓，但随着后期对长江经济带“共抓大保护、不搞大开发”发展要求的强力贯彻，上游地区研究单元环境压力持续下降，收敛速度s陡升而收敛半生命周期τ急剧缩短。
表6 长江上游地区环境压力的绝对β收敛检验结果

Tab. 6 Absolute β convergence test results in the upper reaches of the Yangtze River

变量/模型 传统β收敛 空间β收敛
1998—2021 1998—2006 2007—2014 2015—2021 1998—2021 1998—2006 2007—2014 2015—2021
β -0.260*** -0.727*** -0.273*** -0.818*** -0.266*** -0.752*** -0.292*** -0.830***
(0.022) (0.051) (0.038) (0.067) (0.021) (0.048) (0.035) (0.060)
ρ 0.137*** 0.069 0.167** 0.232***
(0.045) (0.081) (0.076) (0.078)
ϕ 0.076* 0.305*** 0.148** 0.260**
(0.044) (0.111) (0.068) (0.122)
时间固定 YES YES YES YES YES YES YES YES
个体固定 YES YES YES YES YES YES YES YES
N 1081 376 329 282 1081 376 329 282
R2 0.223 0.453 0.226 0.480 0.131 0.391 0.158 0.366
s 0.013 0.162 0.046 0.284 0.013 0.174 0.049 0.296
τ 53.017 4.271 15.227 2.440 51.614 3.982 14.070 2.345
Hausman
检验		 117.201*** 117.839*** 53.210*** 90.454*** 148.833*** 214.819*** 100.818*** 191.467***
[< 0.001] [< 0.001] [< 0.001] [0< 0.001] [< 0.001] [< 0.001] [< 0.001] [< 0.001]

注：括号内为标准误，下表同。

4.5.3 条件β收敛分析

表7显示Hausman检验同样在1%的显著性水平上拒绝原假设，仍采用双固定空间杜宾模型作为分析工具。考虑影响环境压力变化率其他因素后，长江上游地区环境压力具备条件β收敛特征，能够收敛于各自稳态水平，且收敛进程加快，空间效应进一步缩短收敛周期。考虑空间效应后的条件收敛趋势明显增强，空间β收敛系数绝对值稳步高于传统β收敛系数，收敛速率更快，收敛半衰期缩短。对邻近地区环境压力及其变化率进行分析，有利于本地区明确自身适宜开发强度，更快达到相对环境压力稳态水平。同时除样本前期外的条件β收敛速度s均快于绝对β收敛，特别是样本中后期的空间条件收敛半生命周期τ较空间绝对收敛缩短近20%。在考虑现实经济条件后，随着时间推移上游地区各研究单元对与自身环境兼容的发展模式更加清晰，并在国家生态文明建设进程加快与国家长江环保力度加强背景下，邻近地区环境形势对各研究单元达到自身稳态环境压力水平更具警示加速作用。
表7 长江上游地区环境压力的条件β收敛检验结果

Tab. 7 Conditional β convergence test results

变量/模型 传统β收敛 空间β收敛
1998—2021 1998—2006 2007—2014 2015—2021 1998—2021 1998—2006 2007—2014 2015—2021
β -0.265*** -0.722*** -0.299*** -0.877*** -0.288*** -0.741*** -0.355*** -0.889***
(0.022) (0.053) (0.039) (0.066) (0.022) (0.048) (0.039) (0.060)
ρ 0.124*** 0.071 0.047 0.203**
(0.045) (0.082) (0.080) (0.080)
ϕ 0.043 0.280** -0.009 0.254**
(0.048) (0.120) (0.088) (0.129)
pgdp 0.179*** 0.053 0.422 0.228 0.180** 0.230** 0.110 0.298
(0.058) (0.075) (0.339) (0.234) (0.079) (0.117) (0.337) (0.221)
ladder -0.112 -0.237 0.091 -0.153 -0.082 -0.190 0.217 -0.218*
(0.068) (0.184) (0.338) (0.130) (0.071) (0.169) (0.342) (0.125)
indus -0.930*** -0.846 -1.618 -0.119 -0.473 -0.947 0.183 -0.564
(0.351) (1.092) (1.474) (0.743) (0.399) (1.008) (1.551) (0.788)
consum -0.015 -0.044 0.570 -0.788*** -0.007 -0.050 0.518 -0.650**
(0.074) (0.089) (0.681) (0.242) (0.072) (0.081) (0.653) (0.282)
invest -0.052 0.108 -0.072 0.105 -0.139 0.060 -0.063 0.067
(0.040) (0.229) (0.083) (0.150) (0.056) (0.219) (0.098) (0.161)
时间固定 YES YES YES YES YES YES YES YES
个体固定 YES YES YES YES YES YES YES YES
N 1081 376 329 282 1081 376 329 282
R2 0.234 0.458 0.256 0.524 0.110 0.419 0.165 0.472
s 0.013 0.160 0.051 0.350 0.015 0.169 0.063 0.366
τ 51.875 4.334 13.664 1.981 46.884 4.109 11.059 1.893
Hausman
检验		 125.261*** 112.408*** 63.083*** 99.831*** 166.841*** 211.209*** 125.885*** 88.263***
[< 0.001] [< 0.001] [< 0.001] [< 0.001] [< 0.001] [< 0.001] [< 0.001] [< 0.001]
就控制变量影响而言，对上游地区环境压力变化速率的作用具有显著差异性（表7）。经济发展（pgdp）在1998—2021年特别是1998—2006年对环境压力增速具有更大的刺激作用，经济发展程度越高则生产规模与生产需求越大，资源能源消耗越多，且初始阶段经济增长的粗放特征明显，要素利用效率较低，易于加剧上游地区环境压力。产业梯度（ladder）高级化和消费活力（consum）增强对在样本后期环境压力变化速率具有显著抑制作用，2016年之后在国家“生态优先、绿色发展”战略定位引导下，传统高能耗工业大幅压缩，居民消费趋于绿色低碳化，有效控制了上游地区环境压力升级。产业结构（indus）工业化与投资倾向（invest）提高在样本期有效降低了环境压力增长，可能是上游地区生态功能突出，对工业项目的环境标准较高，在投资建设过程中较为注重环境保护，有利于环境形势改善。

5 结论与讨论

5.1 结论

本文综合使用微观与宏观数据，采用熵值法对1998—2021年长江上游地区47个地级及以上研究单元环境压力综合测度，进而采用Dagum基尼系数、核密度函数、马尔科夫链、空间计量模型等多种分析工具全面解析长江上游地区环境压力的时空特征，主要得出5点结论。① 从分布特征看，长江上游地区环境压力呈“东高西低”与“高缩低扩”格局，东部环境压力高企收缩，西部低位扩张，环境压力形势在国家生态文明建设进程中得到有效控制。② 从空间差异看，长江上游地区环境压力总体差异呈阶段性有限波动，区域内环境压力差异格局稳定，研究单元间环境压力净差异先扩大后缩小，环境压力交叉重叠性凸显，云贵两省存在少数高环境压力工业城市。③ 从动态演进看，长江上游地区环境压力呈倒“U”型转折性变化，2014年前保持上升，而2014年后则急剧下降，各研究单元环境压力演进一致性较强，极化趋势减弱。④ 从时空跃迁看，长江上游地区各研究单元环境状态稳定性较强，但随时间推移而发生梯度演化，具有显著空间影响两面性，诱导非高环境压力研究单元强化粗放增长倾向，并促使高环境压力研究单元绿色化转型。⑤ 从敛散趋向看，长江上游地区环境压力具有较强的趋同特征，前期表现环境压力上升“逐顶竞争”，而后期则呈现环境压力下降“逐底竞争”，空间邻近“比照效应”会加速研究单元环境压力前期追赶进程与后期降压进程。

5.2 讨论

本文系统归纳了长江上游地区环境压力时空特征，进一步加强与优化长江上游地区环境管控可能需注意以下3个方面。① 须明确上游地区环境保护与环境治理区重点任务，作为生态保育区的川西地区与滇西地区应加强生态保护以防止生态环境退化，而作为关键压力源的三大城市化地区则应从严排污管控并加快生态修复。② 要注重全域生态环境一体化管控，加快建立跨省级行政区的一体化环境质量信息监测网络、环境废弃物排放标准与环境准入负面清单制度等环境协同治理政策体系。③ 应探寻差异化长效绿色增长路径，立足当前产业基础，找准符合自身产业根基与资源禀赋的绿色低碳模式，因地制宜地发展绿色智能制造业、环保大数据产业、智慧生态旅游产业等绿色新经济，增强绿色新质生产力。本文对长江上游地区全域地级以上研究单元环境压力进行测评，有利于精准识别问题环境地区；比较不同时段环境压力变化差异，有利于强化评价结果的历史参考性与现实针对性；从空间分布、地区差距、演进趋势、时空跃迁、敛散特征等五大视角，全方位解析环境压力演化规律。本文仍然存在一定的研究不足。囿于数据所限，未将土壤环境质量纳入环境压力评价体系，研究尺度离国家精细化县域空间环境治理要求仍有差距，也未能探究识别环境压力的动力机制。未来可待相关数据更为翔实后展开精细化空间环境压力评价与驱动因素分析，提出更为系统的环境压力缓解对策。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Niu Fangqu, Sun Dongqi. Modelling the sustainability of China's growth based on the resource and environmental carrying capacity. Acta Geographica Sinica, 2019, 74(12): 2604-2613.

DOI

[牛方曲, 孙东琪. 资源环境承载力与中国经济发展可持续性模拟. 地理学报, 2019, 74(12): 2604-2613.]

DOI

[2]
Xu Fuliu, Zhao Shanshan, Du Tingting, et al. Quantitative assessment for economic development stress status and trends of eco-environment. China Population, Resources and Environment, 2004, 14(4): 30-36.

[徐福留, 赵珊珊, 杜婷婷, 等. 区域经济发展对生态环境压力的定量评价. 中国人口·资源与环境, 2004, 14(4): 30-36.]

[3]
Hu Meijuan, Li Zaijun, Ding Zhengshan, et al. The evolution characteristics and threshold effects of the resource and environmental pressure in the Pan-Yangtze River Delta cities. Scientia Geographica Sinica, 2020, 40(5): 701-709.

DOI

[胡美娟, 李在军, 丁正山, 等. 泛长三角城市资源环境压力演化特征及门槛效应. 地理科学, 2020, 40(5): 701-709.]

DOI

[4]
Zhou Zhengzhu, Wang Junlong. Research on the coupling coordinated development of ecological environment pressure, state and response in Yangtze River Economic Belt. Science and Technology Management Research, 2019, 39(17): 234-240.

[周正柱, 王俊龙. 长江经济带生态环境压力、状态及响应耦合协调发展研究. 科技管理研究, 2019, 39(17): 234-240.]

[5]
Hao Hanzhou, Zheng Wei, Zhong Xuebin, et al. Analysis on resources and environment pressure in the Wuhan urbanization process. Resources and Environment in the Yangtze Basin, 2017, 26(12): 2040-2048.

[郝汉舟, 郑威, 钟学斌, 等. 武汉市城市化过程中资源环境压力测度与分析. 长江流域资源与环境, 2017, 26(12): 2040-2048.]

[6]
Dai J P, Khan Y A. Ecological environment pressure state and response system for coupling coordinate development: An application on China data. Environmental Science and Pollution Research, 2023, 30(10): 25682-25690.

[7]
Dai Tiejun, Wang Wanjun, Liu Rui. Spatio-temporal variation of resource and environmental pressure in China. Resources Science, 2017, 39(10): 1942-1955.

DOI

[戴铁军, 王婉君, 刘瑞. 中国社会经济系统资源环境压力的时空差异. 资源科学, 2017, 39(10): 1942-1955.]

DOI

[8]
Zhang Hengquan, Chen Zhuoran, Zhang Chenjun. Decoupling efforts of environmental pressure of industrial wastewater and economic growth in Yangtze River Economic Belt. Areal Research and Development, 2019, 38(2): 13-18, 30.

[章恒全, 陈卓然, 张陈俊. 长江经济带工业水环境压力与经济增长脱钩努力研究. 地域研究与开发, 2019, 38(2): 13-18, 30.]

[9]
Wang C M, Chu J Y, Wang C H, et al. Decoupling scenario of economic growth and ecological environment pressure and influence factors of carbon emissions in Shandong province. Chinese Journal of Population Resources and Environment, 2019, 17(4): 303-309.

[10]
Pata U K, Aydin M, Haouas I. Are natural resources abundance and human development a solution for environmental pressure? Evidence from top ten countries with the largest ecological footprint. Resources Policy, 2021, 70: 101923. DOI:10.1016/j.resourpol.2020.101923.

[11]
Wang Shihao, Huang Lin, Xu Xinliang, et al. Spatio-temporal variation characteristics of ecological space and its ecological carrying status in mega-urban agglomerations. Acta Geographica Sinica, 2022, 77(1): 164-181.

DOI

[王世豪, 黄麟, 徐新良, 等. 特大城市群生态空间及其生态承载状态的时空分异. 地理学报, 2022, 77(1): 164-181.]

DOI

[12]
Li Z H, Hu Y Y. Evaluation of the resource-environmental pressure based on the three-dimensional footprint family model: A case study on the Pearl River Delta in China. Environment Development and Sustainability, 2022, 24(5): 6788-6803.

[13]
Wang Juan, Lin Xueqin, Zhou Xiao, et al. Spatial and temporal evolution and influencing factors of industrial resource and environmental pressure in Bohai Rim region. Environmental Pollution and Control, 2021, 43(7): 915-920.

[王娟, 蔺雪芹, 周笑, 等. 环渤海地区工业资源环境压力时空演化特征及影响因素. 环境污染与防治, 2021, 43(7): 915-920.]

[14]
Zilio M, Recalde M. GDP and environment pressure: The role of energy in Latin America and the Caribbean. Energy Policy, 2011, 39(12): 7941-7949.

[15]
Wang Y Y, Sun C Z, Zou W. Study on the interactive relationship between marine economic growth and marine environmental pressure in China. Environmental and Resource Economics, 2021, 79(1): 117-133.

[16]
Yang Xinyu, Niu Fangqu. Spatio-temporal coupling process of urbanization and resource-environmental pressure in Liaoning Province. World Regional Studies, 2022, 31(2): 317-328.

DOI

[杨欣雨, 牛方曲. 辽宁省城市化进程与资源环境压力时空耦合过程研究. 世界地理研究, 2022, 31(2): 317-328.]

DOI

[17]
Peng Hongsong, Guo Lijia, Zhang Jinhe, et al. Research progress and implication of the relationship between regional economic growth and resource-environmental pressure. Resources Science, 2020, 42(4): 593-606.

DOI

[彭红松, 郭丽佳, 章锦河, 等. 区域经济增长与资源环境压力的关系研究进展. 资源科学, 2020, 42(4): 593-606.]

DOI

[18]
Zhao Zheng. Decoupling analysis of urban economic growth and environmental pressure in Beijing. Urban Problems, 2017(9): 48-54.

[赵正. 北京市经济增长与环境压力脱钩分析. 城市问题, 2017(9): 48-54.]

[19]
Pao H T, Chen C C. Decoupling of environmental pressure and economic growth: evidence from high-income and nuclear-dependent countries. Environmental Science and Pollution Research, 2020, 27(5): 5192-5210.

[20]
Hu Meijuan, Sun Ping, Li Zaijun, et al. Decoupling effect of economic growth and resource environment in the Yangtze River Delta. World Regional Studies, 2022, 31(3): 538-548.

DOI

[胡美娟, 孙萍, 李在军, 等. 长三角城市经济增长与资源环境压力的脱钩效应. 世界地理研究, 2022, 31(3): 538-548.]

DOI

[21]
Cansino J M, Sánchez-Braza A, Espinoza N. Moving towards a green decoupling between economic development and environmental stress? A new comprehensive approach for Ecuador. Climate and Development, 2022, 14(2): 147-165.

[22]
Li Qian, Su Yongxian, Wen Xingping, et al. Decoupling effect of environmental pressure and economic development in Guangdong-Hong Kong-Macao Greater Bay Area based on emergy ecological footprint. Ecological Science, 2023, 42(3): 190-201.

[李倩, 苏泳娴, 温兴平, 等. 基于能值生态足迹的粤港澳大湾区环境压力与经济发展脱钩效应. 生态科学, 2023, 42(3): 190-201.]

[23]
Yu Y D, Zhou L, Zhou W J, et al. Decoupling environmental pressure from economic growth on city level: The case study of Chongqing in China. Ecological Indicators, 2017, 75: 27-35.

[24]
Bai Ling, Jiang Lei, Liu Yaobin. Spatio-temporal characteristics of environmental pressures of the urban agglomeration in the middle reaches of the Yangtze River: A case study based on industrial SO2 emissions. Economic Geography, 2017, 37(3): 174-181.

[柏玲, 姜磊, 刘耀彬. 长江中游城市群环境压力的时空特征: 以工业SO2排放为例. 经济地理, 2017, 37(3): 174-181.]

[25]
Zhang Y, Sun M, Yang R, et al. Decoupling water environment pressures from economic growth in the Yangtze River Economic Belt, China. Ecological Indicators, 2021, 122: 107314. DOI:10.1016/j.ecolind.2020.107314.

[26]
Nie Guoqing, Yin Xiangfei, Deng Bosheng. The influence factor of environmental pressure in Hunan Province and its evolution analysis based on STIRPAT model. Systems Engineering, 2012, 30(5): 112-116.

[聂国卿, 尹向飞, 邓柏盛. 基于STIRPAT模型的环境压力影响因素及其演进分析: 以湖南省为例. 系统工程, 2012, 30(5): 112-116.]

[27]
Liu Y J, Zhang J, Li C G, et al. Influential intensity of urban agglomeration on evolution of eco-environmental pressure: A case study of Changchun, China. Chinese Geographical Science, 2017, 27(4): 638-647.

[28]
Zhou Xiao, Wang Pengfei. Spatial evolution and influencing factors of industrial resources and environmental pressures in Chinese cities. Geographical Research, 2018, 37(8): 1541-1557.

DOI

[周笑, 王鹏飞. 中国工业发展的资源环境压力空间分异演化及影响因素. 地理研究, 2018, 37(8): 1541-1557.]

DOI

[29]
Dagum C. A new approach to the decomposition of the Gini income inequality ratio. Empirical Economics, 1997, 22(4): 515-531.

[30]
Zhang Zhuoqun, Zhang Tao, Feng Dongfa. Study on regional differences, dynamic evolution and convergence of carbon emission intensity in China. The Journal of Quantitative & Technological Economics, 2022, 39(4): 67-87.

[张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究. 数量经济技术经济研究, 2022, 39(4): 67-87.]

[31]
Mu Xueqing, Guo Xiangyang, Ming Qingzhong, et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin. Acta Geographica Sinica, 2022, 77(3): 714-735.

DOI

[穆学青, 郭向阳, 明庆忠, 等. 黄河流域旅游生态安全的动态演变特征及驱动因素. 地理学报, 2022, 77(3): 714-735.]

DOI

[32]
Wang Shaojian, Gao Shuang, Huang Yongyuan, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model. Acta Geographica Sinica, 2020, 75(6): 1316-1330.

DOI

[王少剑, 高爽, 黄永源, 等. 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测. 地理学报, 2020, 75(6): 1316-1330.]

DOI

[33]
Barro R J, Sala-I-Martin X. Technological diffusion, convergence, and growth. Journal of Economic Growth, 1997, 2(1): 1-26.

[34]
Zhang Min, Yang Liya, Hu Zhuowei, et al. Spatiotemporal differentiation and influencing mechanism of urban expansion in the Yangtze River Economic Belt, China. Acta Geographica Sinica, 2024, 79(2): 439-461.

DOI

[张敏, 杨励雅, 胡卓玮, 等. 长江经济带城市扩张的时空分异特征及影响机制. 地理学报, 2024, 79(2): 439-461.]

DOI

[35]
Fang Shimin, Huang Yan. Spatio-temporal evolutions and coordination of tourism efficiency and scale in the Yangtze River Economic Belt. Acta Geographica Sinica, 2020, 75(8): 1757-1772.

DOI

[方世敏, 黄琰. 长江经济带旅游效率与规模的时空演化及耦合协调. 地理学报, 2020, 75(8): 1757-1772.]

DOI

Options
文章导航

/

〈 〉