环境污染特征

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇环境污染特征范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

环境污染特征范文第1篇

关键词：环境污染；应急检测；样品前处理；毒性识别；应急检测实验室规范

Research report of laboratory testing system for typical contaminants released from serious environment pollution accidents

Abstract：With the three-year hard work of all research memebers， we have made some significant progress： （1） Established a low cost， rapid while sensitive sensor and detector for halogenated alkanes. In this study， sensing material with high fluorescene yield for halogenated alkanes detecting were designed and synthsized. The fluorescene intensity， stability and sensitiviety of synthsized sensors were improved by using the evanescent wave effect of nanowile arrays.This study realized the measurement of weak scence signals， and developed a portable fluorescent detector for trace halogenated alkanes. （2） Prepaed an electrochemical luminescence immune detector. The microplate electrodes were designed， the immune agents were coated on the electrodes， the immunation reactions of test samples were occurred within the wells of microplate， and the electrochemical signal of each well was measured and recorded. （3） Synthesized a fluorescent immune sensor. A huge array reaction area was formed on a tiny matrix material， the immunation reaction and fiuorescene signal record in each reaction area was respectively performed. A high-through， rapid and minimized fluorescence immune sensor was developed. （4） Prepared a DNA damage detector. The detecting instrument of capillary electrophoresis-on site laser induced fluorescence polarization was papared， and the method for DNA damage analysis was developed as well. （5） Developed whole cell biosensing fluorescene detectors for heavy metals and benzenes detection. Based on the induction effect of heavy metals and benzenes on microbial whole cell biosesnors， measured the activity intensity of the firefly luciferase expressed by host bacterium， combined the software for data calculation， developed a set of bacterial whole cell biosensing fluorescent detectors for heavy metals and benzenes analysis. （6） Established a set of assistant emergency monitroing system for contaminants released from the sudden environmental pollution accidents. The assistant system composed of three modules including physicochemical database for common chemicals， a rapid and quantitative chormatogram spectra bank， and emergency monitoring assistant information database. The achivements mentioned above will be benefit for rapid identifying of sudden environmental pollution accidents， for rapid detecting of main contaminants， for preparing rapid and effective treatment and deposal strategy to deal with the sudden environmental pollution accidents.

环境污染特征范文第2篇

【关键词】环境质量；成因；分析

引言

2012年初，国家环境空气质量新标准，增加了细颗粒物（PM2.5）等项目监测。为了尽快按照国家新空气质量标准进行大气环境监测，作为安徽省皖东南的地级城市宣城市，从2012年起逐步对辖区内的国控城市自动监测子站进行升级改造。2013年底，宣城市国家环境空气监测网升级改造基本完成。随着新指标监测的开展，如同许多中部城市一样，由于近些年城市经济的快速发展和城区建设规模的不段扩大，城市空气污染的一些新特征开始逐渐显现出来。本文通过对宣城市2012年前后城市大气污染物监测数据的对比分析，探讨了所在城市近几年空气污染的新特征和形成因素，以期为管理部门进行城市大气环境保护、大气污染防治提供技术支持和决策依据。

一、宣城市城区环境空气质量状况

宣城市区共设3个国控空气质量自动监测点位，监测项目为可吸入颗粒物（PM10）、、二氧化硫（SO2）和二氧化氮（NO2），新增细颗粒物（PM2.5）。全年连续监测366天。2012年度，全市市区空气质量总体良好。以API计算环境质量为优的天数42天，良的天数305天，轻微污染19天。

宣城市2012年环境空气质量优良率为94.8%，与2011年相比，空气质量优良率下降4.1个百分点，空气质量为优的天数减少15天，轻微污染的天数增加15天。

2012年度，城区三项污染物年均浓度均满足《环境空气质量标准》（GB3095-1996）二级标准要求。全年二氧化硫（SO2）日均浓度范围为0.014～0.079mg/m3，年均浓度0.038mg/m3；二氧化氮（NO2）日均浓度范围为0.007～0.064mg/m3，年均浓度0.029mg/m3；可吸入颗粒物（PM10）日均浓度范围为0.029～0.215mg/m3，年均浓度0.084mg/m3。与2011年相比，三项污染物年均浓度分别上升了11.8%、7.4%和20%。2012年新增指标PM2.5年均浓度约为0.052mg/m3，未达到新《环境空气质量标准》（GB3095-2012）中年均0.035mg/m3的二级标准要求。

2013年度，宣城市区监测项目为可吸入颗粒物（PM10）、细颗粒物（PM2.5）、二氧化硫（SO2）和二氧化氮（NO2），全年连续监测365天。2013年全市城区空气质量总体不理想。仍然以API计算，全年环境质量为优的天数48天，良的天数273天，轻微污染33天，轻度污染7天，中度污染2天，重污染2天，污染天数共计44天。

全市2013年环境空气质量优良率为87.9%，与2012年相比，空气质量优良率下降6.9个百分点，空气质量为优的天数增加6天，空气质量为良的天数减少32天，轻微污染的天数增加14天，轻度污染天数增加7天，中度污染天数增加2天，重污染天数增加2天。

2013年度，城区三项污染物年均浓度均满足《环境空气质量标准》（GB3095-1996）二级标准要求。全年二氧化硫（SO2）日均浓度范围为0.012～0.117mg/m3，年均浓度0.031mg/m3；二氧化氮（NO2）日均浓度范围为0.011～0.248mg/m3，年均浓度0.030mg/m3；可吸入颗粒物（PM10）日均浓度范围为0.019～0.469mg/m3，年均浓度0.096mg/m3。与2012年相比，二氧化硫（SO2）年均浓度下降18.4%，二氧化氮（NO2）年均浓度上升3.4%，可吸入颗粒物（PM10）年均浓度上升14.3%。2013年新增指标PM2.5年均浓度约为0.060mg/m3，仍然未达到新《环境空气质量标准》（GB3095-2012）中年均0.035mg/m3的二级标准要求。并且与2012年相比新增指标的浓度上升了15.4%。

二、宣城市城区大气污染特征及存在的主要问题

从以上近几年的各项污染物的数据对比可以看出，宣城市空气质量总体呈逐年下降趋势，城市大气污染呈现多元化、复杂化的特征，主要表现为以下几点：

（1）颗粒物是城市空气中首要特征污染物，浓度呈逐年快速递增趋势。根据宣城市历年统计显示，可吸入颗粒物作为首要污染物的天数，占全年天数的比例一直保持在96%以上，各类大气颗粒物是造成我市城区空气污染的首要来源。2011年我市城区可吸入颗粒物年均浓度为0.070mg/m3，与2010年相比，仅上升0.001mg/m3。但2012年可吸入颗粒物年均浓度为0.084mg/m3，2013年达0.096mg/m3，与2011年相比，分别大幅上升了20%和37.1%，同时新增指标PM2.5年浓度也较2012年上升了15.4%。均呈明显快速上升态势。

（2）市区空气中二氧化氮浓度持续上升，二氧化硫浓度有所下降。2013年，市区空气中二氧化氮年均浓度为0.030毫克/立方米，仅比2012年增加0.001mg/m3，较2010年、2011年和2012年分别上升了57.9%、11.1%和3.4%，虽呈持续上升趋势，但总体来看，上升幅度开始减缓。2013年，市区空气中二氧化硫年均浓度为0.031毫克/立方米，相比2010年虽然上升了121.4%，但和2011年、2012年相比，年均浓度值分别下降了8.8%和18.4%。总体来看，二氧化硫浓度持续上升的趋势已得到有效遏制。

（3）空气质量优良率逐年下降，严重雾霾天气开始增多

2013年宣城市污染天数共计44天，相比2011年和2012年，分别增加了40天和25天，污染天数为历年之首。在2013年各类污染天数中，不仅轻微污染和轻度污染天数比往年增加明显，还首次出现了中度和重度污染天气，其中中度污染达2天，重污染达2天。由于这些污染天气大多集中在秋冬季节，使宣城市2013年出现了连续多日的严重雾霾天气。

（4）空气质量时空分布不均，污染季节性变化明显

由于宣城市地处内陆丘陵地区，属温和湿润的亚热带季风气候，四季分明，日照充足，雨量充沛，但降雨的年际差异、年内差异及地区差异较大。独特的气候和地貌决定了城市空气质量有其自身的特点。从近几年各月环境空气污染指数及多项主要污染物（二氧化硫、二氧化氮、可吸入颗粒物、细颗粒物）浓度变化趋势可以看出，环境空气质量呈明显波动状态，但在一年四季中，空气污染指数（API）一般按冬>秋>春>夏的顺序排列，即冬季空气污染最重，夏季空气污染最轻，且夏季尤其是7月，空气质量明显优于其他3季。每年1～3月及11～12月各类污染物浓度明显高于其他月份。

三、大气污染成因分析

通过以上的数据对比和分析，我们可以看出造成宣城市城区大气污染的原因是多方面的，结合一些公布的城市经济和建设数据，主要来看有以下几方面的因素。

（1） 各类工矿企业工业粉尘和废气的大量排放是驱动空气中各类污染物浓度上升的直接原因

随着宣城工业经济的快速发展，工矿企业的不断增加，能源的需求逐渐增多，而工业企业能源消费主要以原煤为主，原煤的燃烧对二氧化硫、二氧化氮及颗粒物的贡献率越来越突出。据统计资料显示，2013年宣城市新引进5亿元以上项目46个、10亿元以上15个，新增规模以上工业企业232户，总数达1091户。随着城郊国投向阳发电厂等一大批工业企业的建成和投入使用，不仅增加了煤耗量，也增减了各类工业粉尘的排放量，从而导致了大气中气态及颗粒态污染物浓度的不断上升。 此外，电厂脱硫脱硝装置的投产使用，以及城区天然气的大量普及，也是城区二氧化硫浓度开始下降的重要因素。

（2） 机动车尾气污染是空气中氮氧化物和颗粒物浓度升高的根本原因

近几年城市机动车保有量呈加速递增的趋势，2012年宣城市机动车保有量约为12.36万辆，2013年约15.85万辆，2014年更是达20万辆以上，分别上升了28.2%和61.8%。随着越来越多的市民以私家车为主要出行工具，汽车尾气污染有愈演愈烈之势，逐渐由局部性转变成连续性和积累性，使得城市空气污染逐渐由煤烟型向复合型污染转变的态势。汽车尾气产生的氮氧化物、一氧化碳、碳氢化合物以及各类污染物在空气中发生聚合化学反应而产生的二次污染物（无机盐类），是环境空气中氮氧化物和颗粒物的重要来源。此外城市道路建设相对滞后，公共交通发展严重滞后，道路狭窄和弯曲，尚未形成有效的机动车尾气监管机制，使得城市的机动车尾气污染越来越严重。这些都与城市空气中的二氧化氮以及可吸入颗粒物的浓度不断增长有着密不可分的正相关性。

（3）建筑施工扬尘污染是城区颗粒物污染的重要来源

由于近几年宣城市规模的不断扩大，以及城市人口的不断增长，各类市政基础工程和生活小区如雨后春笋般涌现。据统计资料显示，2013年宣城市续建和新建项目117个，完成投资152.6亿元，其中基础设施及公共项目投资66亿元。续建、新建道路36条，竣工通车9条。宣城图书馆、规划馆、体育馆、宣中新校区、宣城合工大分校、宛陵湖西湖景区等一大批市政工程相继开工建设。这些市政工程以及建设项目在建筑施工过程中不可避免地产生大量扬尘，造成周边环境空气大面积颗粒物污染。

四、建议与对策

因气象因素和地理因素而产生的大气污染在短期内是无法抗拒的，但是因人类活动，如工业烟尘和粉尘、交通运输扬尘、建筑施工扬尘等而带来的污染导致空气质量下降，是可以采取如下一些对策来减轻城市大气污染。

控制工业烟尘和粉尘

环境污染特征范文第3篇

随着我国畜牧业的发展和产业结构的挑战，畜牧业养殖中的环境污染问题已经引起社会的广泛关注，尤其是坚持社会发展走可持续发展道路，就必须集中精力治理畜牧业养殖中的环境污染。本文主要从畜牧业养殖工作中环境污染的特征出发，从而探究出有效的治理措施，为畜牧养殖业可持续发展提供充分的保障。

关键词：

畜牧业；养殖；环境污染；特征；治理

1畜牧业养殖中环境污染的特征

1．1化学污染

畜牧养殖过程中会使用到很多化学饲料，但是一般畜禽对于蛋白质的利用率都比较低，饲料中含有的氨、磷都会随着粪便排出体外，氨和磷挥发到大气中会增加大气的氨含量，为酸雨的形成提供了有利条件，对农作物生长造成了极为不利的影响。养殖户将畜禽粪便用于农作物生长，会增加土壤中的氨、磷含量，造成土壤污染，再通过土壤冲刷和渗透作用对地下水形成污染，人们生活中使用地下水，就会对人体健康产生威胁［1］。所以，在畜牧业养殖过程中，饲料中的氨、磷含量会对大气环境和地下水造成污染，对农作物生长和人体健康都会造成极为不利的影响。

1．2自污染

畜牧业养殖过程中，自身会对生态环境造成污染，主要是因为畜禽养殖过程中会产生大量的粪便，粪便中含有很多会对生态环境形成污染的物质，如果没有对这些粪便进行有效的处理，就会散发出难闻的气味，会对周围居民生活质量造成极为不利的影响［2］。畜禽长期处于低度氨环境中，随意焚烧畜禽粪便会污染空气质量，甚至可能引发火灾，造成生命、财产损失。

2畜牧业养殖中环境污染的因素

2．1缺乏环保意识

目前，大部分畜牧业养殖户还未意识到畜禽养殖对生态环境产生的不利影响，认为工业和生活才是造成生态环境污染的关键性因素。在畜牧养殖过程中，缺乏环保意识，没有对养殖场进行合理布局，也没有配置相应的畜禽粪便池，粪便直接输送到种植业中，通过土壤和挥发对地下水和空气造成了污染，导致生态环境污染的情况出现。

2．2资金投入力度比较低

在我国大部分小规模养殖户都是贫穷农民，没有充足的资金投入到基础设施建设上，一般采用的露天养殖，缺乏科学的管理规范，随意性比较强，容易造成生态环境污染。

2．3养殖模式转变

经济的快速发展推动畜牧养殖业的发展，现阶段我国养殖业逐渐向规模化、集约化方向发展，造成大量粪便累计，粪便不能及时用于农作物生长中，就会对生态环境造成极为不利的影响。除此之外，随着医学技术的不断发展，各类抗生素和激素类药品频繁出现在生活中，在畜牧养殖过程中，养殖户为提高畜禽的成活率，会使用这些药品防治疾病的出现，促使畜禽快速成长，药物残渣对生态环境造成了污染，也对人畜健康造成极为不利的影响作用。

3畜牧业养殖中环境污染的治理

3．1提高环保意识

当前，在畜牧养殖业发展过程中，要实现可持续、稳定发展目标，就必须使养殖户认识到科学养殖的重要性，坚持走可持续发展的道路，不断增强养殖户的环保意识，合理布置养殖场的布局，加强养殖业和种植业的联系，及时将畜禽粪便投放到农作物生长中，避免粪便大量积累，在挥发作用和渗透作用下造成生态环境污染。通过增强养殖户的环保意识，使其在养殖过程中尽可能避免对生态环境造成污染，为环境污染治理工作奠定坚实的基础。

3．2加强基础设施建设

当前，全面推进小康社会建设过程中，要使更多贫穷的农民富起来，可以鼓励农民小规模养殖畜禽，但是，也要树立环保意识，在畜牧养殖过程中，注重基础设施建设，配置相应的粪便处理池，相关部门加强监督，帮助养殖户解决畜禽养殖中出现的问题，对于基础社会建设不齐全的养殖户，应该督促其快速完善基础设施建设［3］，始终坚持走可持续发展的道路，为畜牧业实现长远发展目标提供充分的保障。

3．3养殖方式转变中避免造成环境污染

在畜牧养殖业转变发展方向的时候，要保护生态环境，避免畜牧业对生态环境造成污染，就必须加强环境治理工作，将种植业和养殖业联系起来，使畜禽养殖中产生的粪便可以技术投放到农作物生长中，一方面，为农作物生长提供养分；另一方面，避免畜禽粪便堆积造成生态环境污染。最后，在畜禽养殖过程中，要尽量避免使用抗生素和激素类药品，主要是因为这些药品会对人畜健康造成极为不利的影响，药品残渣也会造成生态环境污染。

作者：蒲文娟 单位：贵州省遵义市汇川区板桥镇农业服务中心

参考文献：

［1］田发荣，田玉屏，杨光，等．山区畜禽规模养殖环境污染原因分析及对策探讨［J］．湖北畜牧兽医，2013，34（6）：92－94．

环境污染特征范文第4篇

【关键词】 经济增长 环境污染 库兹涅茨曲线

一、引言

改革开放以来，广西经济取得了快速的发展，到2013年，广西的GDP已经达到1.4万亿元，是10年前（2003年）的5.12倍。但经济的高速发展也会带来环境污染、生态恶化等问题。1998―2012年，除了二氧化硫和工业固体废弃物有较大幅度减少外，广西的环境污染总体来说有不断恶化的趋势，特别是工业废气排放量由1998年的4152亿标立方米增加到2012年的27611亿标立方米，其排放量增加了近6倍多。2013年，广西首府南宁的空气污染指数已经出现PM2.5，空气质量在某些时候显示为严重污染，广西其他主要城市也正遭遇着大气的严重污染。工业废水虽然经历先上升后下降的状态，但其排放总量仍然较大。经济增长伴随环境污染，不利于广西经济的可持续发展。Grossman和Krueger在1991年首次研究了环境质量与人均收入之间的关系。Panayotou（1993）指出环境质量与人均收入之间的关系成为环境的库兹涅茨曲线（简称EKC）。EKC反映了环境质量与人均收入之间的动态关系，表示环境污染排放水平随着经济增长先增加而后通过改善降低的趋势。因此，研究广西环境污染水平与经济增长之间的实证关系，验证环境库兹涅茨曲线在广西是否存在以及广西环境库兹涅茨曲线的具体特征，对促进广西经济与环境协调发展具有十分重要的意义。

二、广西环境质量与经济增长的库兹涅茨曲线关系的实证分析

1、EKC模型介绍

根据Grossman和Krueger于1991年提出的EKC假说，结合国内外现有的文献资料来看，EKC模型的主要形式为：

Y=α0+α1X+α2X2+α3X3+u （1）

其中Y为环境污染排放水平，X为人均国民收入（也即人均GDP），u为随机扰动项，α0、α1、α2、α3均为待估参数。

2、指标的选取和数据来源

本文选取广西1998―2012年广西工业废水排放量Y1、工业废气排放量Y2（包括二氧化硫排放量Y3）、工业固体废弃物排放量Y4为广西污染排放水平，选取广西人均GDP为经济增长水平，用X表示。（数据来源于1999―2013年《广西统计年鉴》。）

3、经济增长与广西综合污染排放水平之间的关系

为了显示广西总的污染质量与经济增长之间的关系，需要将工业“三废”（废水、废气和固体废弃物）构建一个综合的环境污染水平指标，由于工业“三废”的计量单位不同，不能进行直接的对比和加总，因此需要对工业三废的数据进行无量纲化处理，得出一个标准化的赋值，本文采取的是典型的数据归一化处理，其处理公式为：

其中Y=表示标准化的污染水平，Yi表示i年的污染排放水平，Ymax与Ymin分别表示样本期内的污染排放水平的最大值与最小值，运用上式公式（2）分别对广西工业废水、工业废气（包括二氧化硫）、工业固体废弃物数据进行标准化处理。然后计算出综合的环境污染水平：

Y=∑wjY（i=1998，1999，…，2012;j=1，2，3） （3）

其中，Y表示第i年的综合的环境污染水平指标，j表示工业污染排放的类型（工业废水、废气和固体废弃物三种类型），Y表示j种类型第i年的经过标准化处理后的环境污染排放水平，wj表示j种污染物排放量的权重。

对于污染物排放量权重值wj的计算，本文将采用层次分析法（Analytic Hierarchy Process，简称AHP），结合当前广西污染形势以及专家打分的方法，运用EXCEL软件构建环境污染水平的判断矩阵，并对结果进行一致性检验，最终得出广西工业废水排放量、工业废气排放量（包括二氧化硫）、工业固体废弃物排放量的权重分别为0.35、0.53和0.12。该权重结果虽然与有些学者所得出的结果有差异，但在“谈霾色变”的形势下，广西的大气污染与过去相比，形势较为严峻，因此工业废气污染排放量0.53的权重值也符合广西当前的形势。利用权重数据，并结合公式（3），运用EXCEL软件计算出综合的环境污染水平Y。同时运用公式（2）对广西人均GDP进行标准化处理得到标准化的人均GDP为X。

运用公式（1），构建广西综合污染排放水平Y与标准化人均GDPX之间的环境库兹涅茨曲线模型，采用统计软件evews6.0进行回归模拟，广西综合环境污染排放水平对标准化人均GDP首先进行三次函数模型进行回归模拟，结果显示三次函数回归系数α3显著为0，为了获得更为精确的结果，改为二次函数模型进行回归，回归模型结果及模拟图形如图1。

由系数α1>0、α2<0、α3=0，并结合R2=0.68，模拟程度较高，可以得出，广西标准化人均GDP与综合环境污染排放水平存在较强的“倒U型”的二次曲线关系，由此可以说明广西的综合环境污染排放水平随着经济增长会逐渐增加，达到一定高度后，会随着经济增长，综合污染排放水平会逐渐下降，从图1可以看出，目前广西的环境库兹涅茨曲线虽然存在“倒U型”的二次曲线关系，但还处于“倒U型”的左测，至于最高点虽然目前出现在2011年，但由于后面的很多年份污染排放水平处于未知状态，广西的“倒U型”环境库兹涅茨曲线是否已经达到拐点还有待未来继续去验证。

三、经济增长与工业“三废“之间的关系

1、经济增长与工业废水排放量之间关系

将人均GDP和工业废水排放量的数据带入公式（1）中的模型，运用统计软件eviews6.0进行回归模拟，回归模拟图形和模型如图2。

根据表1中的系数α1>0、α2<0、α3>0，表明经济增长与人均GDP之间存在“N型”三次曲线关系，结合图2与R2的值0.4可以看出，表明工业废水排放量与人均GDP之间存在较弱的“N型”曲线关系，在2000年人均GDP为4378.11元时，工业污水排放量为81571万吨，为样本期内的最低值;而在2003年人均GDP为5631.316元时，工业污水排放量达到214814万吨，为样本期内的最高值在2004年下降到122731万吨，2005年略有上涨，2006年下降到128932万吨后，2007年与2008年工业废水排放量一路上涨，在2008年人均GDP为14203.96元时，工业废水排放量达到205745万吨，达到样本期第二高峰值，之后几年工业废水排放量就一直降低。

2、经济增长与工业废气排放量之间关系

模型与方法同上，运用eviews6.0软件对经济增长与工业废气排放量进行回归模拟，回归模拟图形和模型如图3。

首先对模型进行EKC三次曲线模拟，经显著性检验二次函数和三次函数的系数都显著为0，然后重构线性模型，据表1的系数判断表可以看出，模型中的α1≠0、α2=α3=0，同时由于R2的值为0.89，结合图3，可见广西经济增长对工业废气排放量的环境库兹涅茨曲线具有十分明显的线性关系，即随着经济的增长，广西工业废气排放量处于不断上升的趋势，从1998年的4125亿标立方米上升到2011年的29853亿标立方米，达到样本期内的最大值，2012年虽然有所下降，但从目前广西大气污染的现有形势看，广西的大气污染仍遭遇着前所未有的严峻形势。

同理可以得到经济增长与大气中的二氧化硫排放量的环境库兹涅茨曲线模型及模拟图4。

通过模型的系数α1>0、α2<0、α3=0以及R2的值为0.78可以看出来，广西经济增长对二氧化硫的环境库兹涅茨曲线也呈较强的“倒U型”三次曲线关系，从图4可以看出，该环境库兹涅茨曲线处于“倒U型”曲线的右侧，“倒U型”曲线右侧的拐点出现在2005年，也即人均GDP为8275.6元的时候，二氧化硫排放量达到97万吨，从2005年之后，空气中的二氧化硫排放量一直处于下降的趋势，在2012年，达到样本期内的最低，为47.16万吨。

3、经济增长与工业固体废弃物排放量之间关系

方法以及原理同上，利用eviews6.0软件对广西经济增长对工业固体废弃物排放量进行回归模拟，回归模型及模拟图形如图5。

根据模型的系数α1<0、α2>0、α3=0判断，广西经济增长对工业固体废弃物排放量的环境库兹涅茨曲线呈“U型”二次曲线关系，且R2的值为0.707，表明“U型”曲线特征较为显著，从图5可以看出，广西经济增长对工业固体废弃物排放量的环境库兹涅茨曲线处于“U型”曲线的左侧，1998―2012年，广西工业固体废弃物的排放量最高的年份为1998年，在人均GDP为4070.67元的时候，工业固体废弃物的排放量达到245万吨，样本期内，广西工业固体废弃物的排放量最低的年份是2012年，2012年广西的人均GDP为24876.15元，而工业固体废弃物的排放量仅为0.41万吨，表明广西的工业固体废弃物的排放治理已取得显著的成绩。

四、广西环境污染库兹涅茨曲线特点的原因分析

通过对广西1998―2012年的经济增长与综合环境污染排放水平的相关分析表明，从总体上看，广西的环境库兹涅茨曲线满足“倒U型”特征，只是目前广西的环境库兹涅茨曲线处于“倒U型”曲线的左侧位置，广西经济的不断增长以及不合理的产业结构加剧地区环境污染，在“十五”时期，广西GDP年均增长15.4%左右;到“十一五”时期，广西GDP年均增长在16.3%左右。2012年，广西GDP总量达到13035.10亿元，人均GDP达到24876.15元，其中第一产业占地区生产总值的比重为8.1%，第二产业占地区生产总值的比重为61.6%，第三产业占地区生产总值的比重为30.3%，从广西人均GDP水平和产业结构来看，人民的生活水平得到极大的提高，广西的经济也已步入到工业快速发展的阶段，城市化进程加快，基础设施建设不断的推进，使得广西的经济增长、能源消耗、环境污染排放水平处于上升阶段。

从广西1998―2012年的经济增长与广西工业“三废”的相关分析可以看出，广西仍然走发达国家和发达地区“先污染、后治理”的老路，经济增长对工业废水排放量的EKC存在较弱的“N型”三次曲线特征，且工业废水排放量的波动较大，也表明工业废水排放量与经济增长的相关性较弱，近几年工业废水排放量有轻微下降的趋势，可见广西的污水治理措施初见成效，但工业废水排放总量仍很大，广西大量的制糖造纸、冶金、化工等很多中小企业为了节约成本，不做污水处理，这也是广西工业废水排放总量高的主要原因。

广西经济增长对工业废气排放量的EKC呈线性特征，即随着工业经济的增长，工业废气污染也在不断的加剧。近年来，广西工业产值也在不断增加，2012年广西的工业总产值为15657.2173亿元，比2010年的9644.1278亿元增加了62.35%，比2005年的2547.3188亿元增加了近5.15倍，工业产值的快速增长，也伴随着大气污染物排放量的增加，特别是近两年来，广西的主要城市如南宁、柳州、桂林等已出现“雾霾”天气，广西的大气污染已显示较为严峻的状态。广西经济增长对空气中的二氧化硫EKC与对工业废气排放量的EKC不同，广西经济增长对空气中的二氧化硫EKC呈“倒U型”特征，且处于“倒U型”曲线的右侧，广西经济增长对工业固体废弃物的EKC呈“U型”特征，且在“U型”曲线的左侧，虽然两者在函数的表现形式不一样，可曲线却有共同的特征，即随着经济增长，二氧化硫和工业固体废弃物排放量逐渐下降，根本原因在于，广西实施治理和综合利用等措施在降低二氧化硫和工业固体废弃物的排放方面取得了卓越成效，高效脱硫设备的大量使用，使得二氧化硫排放量逐年降低，2012年广西二氧化硫排放量为47.16万吨，二氧化硫的去除量为113.5万吨，去除率达到70.6%。工业固体废弃物的降低更是效果显著，随着技术的进步，工业固体废弃物的再利用是工业固体废弃物急剧下降的根本原因，2012年广西工业固体废弃物产生7964万吨，其中处置2218万吨，综合利用5369万吨，最终只排放了0.41万吨，是1998年工业固体废弃物排放量的0.17%。二氧化硫和工业固体废弃物的治理虽然成果显著，但工业废气和废水的治理还需要不断的加强，2012年广西环境污染源治理投资总额为1976067万元，占工业总产值的1.2%，与发达国家和发达地区存在较大的差距，总体来说广西环境污染治理任重道远。

五、广西环境库兹涅茨曲线对生态文明建设的启示

1、正确认识经济发展与环境保护之间的辩证关系

关于经济发展与环境保护之间的关系，不能单纯认为二者是矛盾的对立体，发展经济必定带来环境的污染，带来生态环境的恶化或者保护环境会限制经济的发展，从环境库兹涅茨曲线可以看出来，经济与环境是一个相互影响又相互制约的一个有机整体，经济增长为环境保护、污染治理提供保障和经济基础，同时又因经济发展带来更多的环境问题;环境保护为经济发展提供良好的条件，又在一定程度上限制经济的发展，因此应该正确认识二者之间的关系，不能盲目追求经济增长而以牺牲环境为代价，要追求环境保护与经济增长齐头并进。

2、走循环经济道路，建设资源节约型社会

循环经济坚持“减量化、再利用、再循环”的“3R”原则，从广西目前的环境库兹涅茨曲线可以看出，当前广西综合环境污染排放水平随着经济的增长逐渐提高，即表明广西的高污染工业发展迅速，因此必须加强产业结构调整，淘汰能耗高、污染重、经济效率低的工艺和设备，推进污染型企业走循环经济道路，积极发展能耗低、污染少、科技含量高的新兴产业。促进资源节约和资源的综合利用，构建再生资源回收利用体系，鼓励再生资源产业发展，政府机关应大力宣传循环经济理念，努力建设资源节约型社会。

3、推进生态文明建设，走科技创新之路

环境库兹涅茨曲线体现了科技在协调环境与经济发展中的作用，广西的生态文明建设，必须依靠科技创新，通过科技创新，减少能源消耗，降低污染排放，促进再生资源的回收利用，促进产业结构优化升级，提高生产效率。创建良好的生态科技创新体系，通过大力发展和使用节能技术、污染无害化处理技术、再生资源的综合利用技术等，提高生态系统的自我生产能力、自我净化能力、自我修复能力，构建一条生态文明建设的科技创新之路。

（注：本文系广西财经学院数量经济学重点实验室2014年开放性课题，项目编号：2014SYS08。）

环境污染特征范文第5篇

Abstract： By building air pollution comprehensive index and calculating employment density of built area， exploratory spatial data analysis method is used to analyze spatial distribution pattern and spatial autocorrelation of air pollution and employment density in China's 31 provincial regions in 2012 and to compare the relationship between them. More than that， this paper applies spatial lag model and spatial error model to analyze the influence of employment density on air pollution.

关键词：就业密度；大气环境污染；Moran指数；空间滞后模型；空间误差模型

Key words： employment density；air pollution；Moran index；spatial lag model；spatial error model

中图分类号：X24 文献标识码：A 文章编号：1006-4311（2016）07-0206-02

1 研究背景

改革开放以来，在“要素驱动”和“投资驱动”的粗放式增长模式下，特别在土地财政政策刺激下，我国地区经济发展表现出“非理性集聚”特征，出现所谓“过疏过密”的问题。特别是在最近十年来，随着城市新区、开发区和房地产的大规模开发，除了少数大城市中心区之外，中国城市与地区发展总体上呈现出“密度不足症”[1]。就业密度是经济密度的一种，表现了就业的空间特征，能有效反映生产要素的结构特征和集聚程度[2]。从就业密度角度，深入分析劳动力集聚与大气环境污染之间的相关性，有助于从微观上理解经济集聚的环境效应。基于空间计量分析，又能有效量化不同地区的不同属性的变量所发生的空间相互作用[3]，从而为建立污染防治区域联动机制提供一定参考。

2 研究方法

随着复合型大气污染形势日益严峻，越来越多的研究通过构建综合指标来反映大气环境污染[4]。因此，本研究利用《中国统计年鉴2013年》，选取废气中主要污染物排放量，即二氧化硫、氮氧化物和烟（粉）尘排放量三类具体度量指标，采用熵权法计算大气环境污染综合指数，客观地确定污染指标的权重来避免主观因素造成的偏误，并使得该指数能够最大限度地反映各省份大气环境污染的整体情况。

就业密度是经济密度的一种，根据经济密度的含义，就业密度是劳动力发展水平和集聚程度的重要测度。快速城市化是中国经济社会发展的一个重要特征，建成区面积反映了中国二三产业的分布与发展状况，以往学者多采用建成区作为参数计算土地经济密度的方法[5]。因此，本研究中建成区面积可从《中国统计年鉴2013年》直接得到，就业人数则是其中城镇单位就业人数、私营企业就业人数和个体就业人数三者的加和。就业密度则是单位土地面积所承载的就业人数，即区域就业人数与区域面积之比。

结合中国现状，同时考虑对大气环境污染有影响的其他若干因素，选用多元线性回归模型[6]，此外，考虑到变量间可能存在的异方差性，本研究对所有变量取对数，建立如下计量模型：

10lnEi=c+β1lnEDi+β2lnPGDPi+β3lnPi+β4lnHIi+β5lnFDIi+β6lnPCi+β7lnK/L+εi其中εi～N（0，σi2）（1）

注：由于因变量相差比较小，为避免干扰到极大似然估计，将因变量扩大十倍，此变动并不影响结果.

式中：i表示第i个省份的数据；E为大气环境污染，可以取大气环境污染综合指数（E）、二氧化硫排放量（SO2）、氮氧化物排放量（NOX）或烟（粉）尘排放量（YFC）；PGDP代表产出水平，取人均GDP；ED为就业密度，可取建成区就业密度或第一、二、三建成区就业密度；P为人口密度；HL为重工业规模；FDI为外商直接投资；PC为环境治理投入；K/L为技术进步。

为克服本省份大气污染与相邻省份不存在空间相关假设的缺陷，本研究考虑了邻近省份大气环境污染对本省大气污染的影响，扩展了常规模型得到的空间滞后计量经济模型（SLM）为：

10lnEi=c+ρWlnEj+β1lnEDi+β2lnPGDPi+β3lnPi+β4lnHIi+β5lnFDIi+β6lnPCi+β7lnK/L+εi其中εi～N（0，σi2）（2）

式中，参数ρ为空间回归系数，反映了样本观测值之间的空间依赖作用；W为n×n的空间权重矩阵，本文采用空间邻接权重矩阵。c为常数项。

若省域大气环境污染的空间依赖作用存在于扰动误差项之中，度量邻近省份关于被解释变量WlnEj的误差冲击本省份大气环境污染的影响程度的空间误差计量经济模型（SLM）为：