陳善榮，董廣霞，張鳳英，李一龍，周密，馬廣文，何立環(huán)，林蘭鈺

中國(guó)環(huán)境監(jiān)測(cè)總站

長(zhǎng)江經(jīng)濟(jì)帶覆蓋我國(guó)上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州、云南11?。ㄊ校?，面積約205萬(wàn)km2，人口和國(guó)內(nèi)生產(chǎn)總值（GDP）均超過(guò)全國(guó)的40%，是中國(guó)經(jīng)濟(jì)重心所在、活力所在，也是中華民族永續(xù)發(fā)展的重要支撐?！笆濉睍r(shí)期，習(xí)近平總書(shū)記多次對(duì)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境保護(hù)工作作出重要指示，強(qiáng)調(diào)推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展，理念要先進(jìn)，堅(jiān)持生態(tài)優(yōu)先、綠色發(fā)展，把生態(tài)環(huán)境保護(hù)擺上優(yōu)先地位，涉及長(zhǎng)江的一切經(jīng)濟(jì)活動(dòng)都要以不破壞生態(tài)環(huán)境為前提，共抓大保護(hù)，不搞大開(kāi)發(fā)[1-2]。隨著長(zhǎng)江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略全面實(shí)施和生態(tài)文明建設(shè)加快推進(jìn)，我國(guó)各級(jí)政府和部門(mén)把生態(tài)環(huán)境保護(hù)擺上優(yōu)先地位，相繼開(kāi)展了長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境保護(hù)工作，取得了積極進(jìn)展，長(zhǎng)江經(jīng)濟(jì)帶總體水質(zhì)進(jìn)一步改善，但局部仍存在一些環(huán)境問(wèn)題。

很多學(xué)者從政策[3-4]、環(huán)境形勢(shì)[5-7]、社會(huì)經(jīng)濟(jì)發(fā)展[8-10]、污染治理[11-13]、水環(huán)境承載力[14-17]、水質(zhì)[18-20]等方面對(duì)長(zhǎng)江經(jīng)濟(jì)帶或長(zhǎng)江流域開(kāi)展了大量研究。但以“十三五”時(shí)期水環(huán)境質(zhì)量為基礎(chǔ)，結(jié)合社會(huì)經(jīng)濟(jì)發(fā)展和污染排放及治理進(jìn)行關(guān)聯(lián)分析的研究較為鮮見(jiàn)。筆者基于國(guó)家地表水環(huán)境質(zhì)量監(jiān)測(cè)網(wǎng)，以“十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶地表水1 178個(gè)可比斷面的21項(xiàng)水質(zhì)指標(biāo)監(jiān)測(cè)結(jié)果為樣本，結(jié)合人口、社會(huì)經(jīng)濟(jì)、污染排放等數(shù)據(jù)，開(kāi)展長(zhǎng)江經(jīng)濟(jì)帶地表水與社會(huì)經(jīng)濟(jì)發(fā)展相關(guān)指標(biāo)變化及關(guān)聯(lián)分析，總結(jié)存在的主要環(huán)境問(wèn)題，提出對(duì)策建議，以期為“十四五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶大保護(hù)和水環(huán)境管理提供借鑒。

1 研究方法

1.1 數(shù)據(jù)來(lái)源

水質(zhì)數(shù)據(jù)來(lái)源于國(guó)家地表水環(huán)境質(zhì)量監(jiān)測(cè)網(wǎng)，為月度監(jiān)測(cè)數(shù)據(jù)，包括pH、溶解氧、高錳酸鹽指數(shù)、化學(xué)需氧量（COD）、五日生化需氧量、氨氮（NH3-N）、總磷（TP）、銅、鋅、氟化物、硒、砷、汞、鎘、鉻（六價(jià)）、鉛、氰化物、揮發(fā)酚、石油類(lèi)、陰離子表面活性劑和硫化物等21項(xiàng)指標(biāo)；污染排放及治理數(shù)據(jù)來(lái)源于《中國(guó)生態(tài)環(huán)境統(tǒng)計(jì)年報(bào)》[21]，包括工業(yè)廢水和生活污水排放量及TP、COD、NH3-N產(chǎn)生量、排放量，工業(yè)廢水治理設(shè)施和污水處理廠(chǎng)運(yùn)行費(fèi)用；社會(huì)經(jīng)濟(jì)等數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局官網(wǎng)[22]，包括GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口；國(guó)土面積數(shù)據(jù)來(lái)源于中央人民政府網(wǎng)[23]；地表水資源量數(shù)據(jù)來(lái)源于長(zhǎng)江水利網(wǎng)長(zhǎng)江公報(bào)[24]。

1.2 研究區(qū)域

研究區(qū)域?yàn)殚L(zhǎng)江經(jīng)濟(jì)帶11省（市）。地表水水質(zhì)研究時(shí)段為“十三五”時(shí)期（2016—2020年），按照《“十三五”國(guó)家地表水環(huán)境質(zhì)量監(jiān)測(cè)網(wǎng)設(shè)置方案》[25]，“十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶11?。ㄊ校┕灿? 178個(gè)可比斷面（河流斷面995個(gè)、湖庫(kù)點(diǎn)位183個(gè)）；污染排放研究時(shí)段為 2016—2019年，2020年因污染排放數(shù)據(jù)按照新的制度進(jìn)行核算，與前4年不可比，為保持可比性與一致性，采用前4年數(shù)據(jù)進(jìn)行分析；其他社會(huì)經(jīng)濟(jì)等數(shù)據(jù)研究時(shí)段均為“十三五”時(shí)期。

1.3 研究方法

按照GB 3838—2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》和《地表水環(huán)境質(zhì)量評(píng)價(jià)辦法(試行)》的要求，各斷面單項(xiàng)指標(biāo)類(lèi)別評(píng)價(jià)依據(jù)GB 3838—2002，分為Ⅰ類(lèi)～劣Ⅴ類(lèi)6個(gè)類(lèi)別；各斷面水質(zhì)類(lèi)別評(píng)價(jià)依據(jù)《地表水環(huán)境質(zhì)量評(píng)價(jià)辦法(試行)》，評(píng)價(jià)指標(biāo)為GB 3838—2002表1中除水溫、總氮和糞大腸菌群以外的21項(xiàng)指標(biāo)，采用單因子評(píng)價(jià)法，即通過(guò)評(píng)價(jià)時(shí)段內(nèi)該斷面參評(píng)的指標(biāo)中類(lèi)別最高的一項(xiàng)來(lái)確定。

斷面超標(biāo)率按照GB 3838—2002和《地表水環(huán)境質(zhì)量評(píng)價(jià)辦法(試行)》的要求進(jìn)行評(píng)價(jià)，計(jì)算公式如下：

式中：l為斷面超標(biāo)率，%；n為某評(píng)價(jià)指標(biāo)超過(guò)Ⅲ類(lèi)水質(zhì)標(biāo)準(zhǔn)的斷面?zhèn)€數(shù)，個(gè)；N為斷面總數(shù)，個(gè)。

GDP采用不變價(jià)計(jì)算，公式如下：

式中：GDPm為m年不變價(jià)，億元；GDP1為2016年當(dāng)年價(jià)，億元；k1為以1978年為基期的2016年GDP指數(shù)；km為以1978年為基期的m年GDP指數(shù)。

污染物單位面積排放強(qiáng)度采用2019年數(shù)據(jù)，計(jì)算公式如下：

式中：Pi為i?。ㄊ校┪廴疚飭挝幻娣e排放強(qiáng)度，t/km2；Mi1、Mi2和Mi3分別為i省（市）TP、COD 和NH3-N 排放量，t；Si為i省（市）國(guó)土面積，km2。

污染物單位水資源量排放強(qiáng)度采用2019年數(shù)據(jù)，計(jì)算公式如下：

式中：Qi為i?。ㄊ校┪廴疚飭挝凰Y源量排放強(qiáng)度，t/億 m3；Di1、Di2和Di3分別為i?。ㄊ校㏕P、COD 和NH3-N 排放量，t；Vi為i?。ㄊ校┑乇硭Y源量，億 m3。

各項(xiàng)污染物去除率采用2019年數(shù)據(jù)，計(jì)算公式如下：

式中：Rij為i?。ㄊ校﹋項(xiàng)污染物去除率，%；Pij為i?。ㄊ校﹋項(xiàng)污染物產(chǎn)生量；Dij為i省（市）j項(xiàng)污染物排放量。

采用Pearson相關(guān)系數(shù)進(jìn)行關(guān)聯(lián)分析，計(jì)算公式如下：

式中：r為Pearson乘積矩相關(guān)系數(shù)；x和y為2組樣本值，和為2組樣本平均值。0.8<|r|≤1為高度相關(guān)，0.6<|r|≤0.8 為顯著相關(guān)，0.4<|r|≤0.6 為低度相關(guān)，0.2<|r|≤0.4為微弱相關(guān)，0≤|r|≤0.2為極弱相關(guān)或無(wú)相關(guān)；r>0為正相關(guān)，r<0為負(fù)相關(guān)。

使用STIRPAT模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境質(zhì)量的驅(qū)動(dòng)因素進(jìn)行分析，計(jì)算公式如下：

式中：I為廢/污水排放量；P1為常住人口；P2為城鎮(zhèn)化率；A1為GDP；A2為人均GDP；T1為主要污染物排放量；T2為第二產(chǎn)業(yè)占比；α1、α2、β1、β2、γ1、γ2分別為各驅(qū)動(dòng)因素項(xiàng)系數(shù)；C為模型常數(shù)。

2 結(jié)果與討論

2.1 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶地表水水質(zhì)變化

“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶總體水質(zhì)穩(wěn)中趨好，優(yōu)良水質(zhì)（Ⅰ類(lèi)～Ⅲ類(lèi)）斷面比例上升，劣Ⅴ類(lèi)水質(zhì)斷面比例下降。1 178個(gè)可比斷面中，優(yōu)良水質(zhì)斷面比例由2016年的76.2%升至2020年的86.5%，上升10.3個(gè)百分點(diǎn)；劣Ⅴ類(lèi)水質(zhì)斷面比例由2016年的3.7%降至2020年的0.4%，下降3.3個(gè)百分點(diǎn)。優(yōu)良水質(zhì)中，Ⅰ類(lèi)水質(zhì)斷面比例由2016年的3.0%逐年升至2020年的7.0%，Ⅱ類(lèi)水質(zhì)斷面比例由2016年的40.8%逐年升至2020年的50.6%，Ⅲ類(lèi)水質(zhì)斷面比例由2016年的32.4%逐年降至2020年的28.9%，長(zhǎng)江經(jīng)濟(jì)帶優(yōu)良水質(zhì)斷面中優(yōu)的水質(zhì)（Ⅰ類(lèi)～Ⅱ類(lèi)）斷面比例進(jìn)一步增加（圖1）。

圖1 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶水質(zhì)狀況變化Fig.1 Changes of water quality in YREB during the 13th Five-Year Plan period

“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶11省（市）水質(zhì)均呈好轉(zhuǎn)趨勢(shì)，優(yōu)良水質(zhì)斷面比例均有不同程度上升，劣Ⅴ類(lèi)水質(zhì)斷面比例均不斷下降。其中，四川、上海、浙江、安徽和江蘇優(yōu)良水質(zhì)斷面比例上升幅度超過(guò)10個(gè)百分點(diǎn)，上海、安徽和四川劣Ⅴ類(lèi)水質(zhì)斷面比例下降幅度超過(guò)7個(gè)百分點(diǎn)，水質(zhì)改善明顯。個(gè)別地區(qū)改善空間仍較大，從2020年情況看，云南、安徽和江蘇優(yōu)良水質(zhì)斷面比例尚低于80%，云南還未消除劣Ⅴ類(lèi)水質(zhì)（圖2）。

圖2 “十三五”時(shí)期11?。ㄊ校耦?lèi)～Ⅲ類(lèi)（下）和劣Ⅴ類(lèi)（上）水質(zhì)斷面比例變化Fig.2 Changes in the proportion of grade Ⅰ-Ⅲ (below) and inferior to grade V (up) water quality sections in 11 provinces and cities of YREB during the 13th Five-Year Plan period

“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶地表水TP、COD和NH3-N斷面超標(biāo)率相對(duì)較高，2020年斷面超標(biāo)率分別為9.8%、4.6%和2.3%，是主要超標(biāo)指標(biāo)，也是未來(lái)水質(zhì)改善的重點(diǎn)指標(biāo)?？傮w來(lái)看，3項(xiàng)指標(biāo)濃度均逐年下降，TP濃度由0.111 mg/L降至0.075 mg/L，下降32.4%；COD由 12.8 mg/L降至 11.4 mg/L，下降10.9%；NH3-N濃度由0.45 mg/L降至0.21 mg/L，下降 53.3%（圖3）。

圖3 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶TP、NH3-N濃度和COD變化Fig.3 Annual variations of TP, NH3-N and COD in YREB during the 13th Five-Year Plan period

11?。ㄊ校┲校琓P和NH3-N濃度均顯著下降，TP濃度下降幅度為16.0%（江西）～53.8%（四川），NH3-N濃度下降幅度為30.8%（江西）～72.6%（上海）；浙江和上海的COD分別上升2.0%和17.1%，其他省(市)均有所下降，下降幅度為5.6%（湖南）～24.8%（貴州）。各?。ㄊ校┍容^而言，安徽、江蘇和上海等中下游省（市）3項(xiàng)指標(biāo)濃度均相對(duì)較高（圖4）。

圖4 “十三五”時(shí)期11省（市）TP、NH3-N濃度和COD變化Fig.4 Annual variations of TP, COD and NH3-N in 11 provinces (municipalities) of YREB during the 13th Five-Year Plan period

2020年與2016年相比，1 178個(gè)可比斷面中，分別有24.4%、37.9%和12.6%的斷面TP濃度、COD和NH3-N濃度上升（圖5）。其中，23個(gè)斷面TP濃度上升幅度超過(guò)100%，主要分布在湖北（7個(gè)）和云南（6個(gè)）；23個(gè)斷面COD上升幅度超過(guò)100%，主要分布在浙江（9個(gè)）和湖南（6個(gè)）；23個(gè)斷面NH3-N濃度上升幅度超過(guò)100%，主要分布在云南（8個(gè)）、江蘇（4個(gè)）、安徽（3個(gè)）、湖北（3個(gè)）和浙江（3 個(gè)）。有41個(gè)斷面TP濃度、COD和NH3-N濃度均上升，主要分布在湖北（9個(gè)）、江蘇（6個(gè)）、云南（6個(gè)）、安徽（5個(gè)）和江西（5個(gè)）；有505個(gè)斷面TP濃度、COD和NH3-N濃度均下降。

圖5 2020年與2016年相比長(zhǎng)江經(jīng)濟(jì)帶可比斷面TP、NH3-N濃度和COD變化Fig.5 Concentration changes of TP, NH3-N and COD in comparable sections of YREB in 2020 compared with 2016

2.2 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶社會(huì)經(jīng)濟(jì)發(fā)展情況

“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)高速發(fā)展，GDP和人口均逐年上升，給環(huán)境改善帶來(lái)巨大壓力[26-27]。

長(zhǎng)江經(jīng)濟(jì)帶GDP逐年上升，年均增幅為4.7%（圖6）。其中，第一產(chǎn)業(yè)貢獻(xiàn)率較小，且年際間變化不大，在6.6%（2018年）～7.6%（2016年）波動(dòng)變化；第二產(chǎn)業(yè)貢獻(xiàn)率逐年下降，由42.1%降至38.7%；第三產(chǎn)業(yè)貢獻(xiàn)率5年間均超過(guò)50%，且逐年上升，由50.3%升至54.0%（圖7）。

圖6 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶GDP變化Fig.6 GDP Change of YREB during the 13th Five-Year Plan period

圖7 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)結(jié)構(gòu)變化Fig.7 Changes in industrial structure of YREB during the 13th Five-Year Plan period

長(zhǎng)江經(jīng)濟(jì)帶人口逐年上升，5年間總?cè)丝谠黾?54萬(wàn)人。城鎮(zhèn)化進(jìn)程逐步推進(jìn)，城鎮(zhèn)化率由2016年的56.3%升至2020年的63.2%（圖8）。11?。ㄊ校┲?，四川、云南、貴州、重慶、湖南、江西和安徽城鎮(zhèn)化率提高幅度超過(guò)5個(gè)百分點(diǎn)；上海城鎮(zhèn)化率一直略高于89%，重慶、浙江和江蘇城鎮(zhèn)化率高于60%，城鎮(zhèn)化程度相對(duì)較高（圖9）。

圖8 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶人口變化Fig.8 Population changes in YREB during the 13th Five-Year Plan period

圖9 “十三五”時(shí)期11?。ㄊ校┏擎?zhèn)化率變化Fig.9 Changes in urbanization rate of 11 provinces (municipalities) in YREB during the 13th Five-Year Plan period

2.3 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放及治理情況

“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放量總體上升，但國(guó)家持續(xù)加大治理力度，治理設(shè)施運(yùn)行費(fèi)用逐年大幅提升，工業(yè)源TP、COD和NH3-N去除率總體較高，生活污水處理設(shè)施運(yùn)行費(fèi)用增速明顯，有效去除廢/污水中TP、COD和NH3-N，持續(xù)改善長(zhǎng)江經(jīng)濟(jì)帶地表水環(huán)境質(zhì)量[28-29]。

長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放量總體上升，2019年相較2016年上升6.1%，且以生活污水排放為主。其中，工業(yè)廢水排放量逐年下降，4年間下降21.3%，說(shuō)明工業(yè)廢水治理成效顯著；生活污水排放量逐年上升，2019年比2016年上升14.3%，說(shuō)明城鎮(zhèn)化進(jìn)程發(fā)展較快。長(zhǎng)江經(jīng)濟(jì)帶生活污水排放量遠(yuǎn)超工業(yè)廢水排放量，其比值由2016的3.4倍逐年升至2019年的 4.9 倍（圖10）。

圖10 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放量Fig.10 Wastewater discharge in YREB during the 13th Five-Year Plan period

長(zhǎng)江經(jīng)濟(jì)帶廢/污水治理設(shè)施運(yùn)行費(fèi)用逐年上升，2019年比2016年上升30.2%；工業(yè)廢水治理設(shè)施運(yùn)行費(fèi)用略有上升，4年間總體上升7.6%；生活污水處理設(shè)施運(yùn)行費(fèi)用增速明顯，年增幅接近15%（圖11）。

圖11 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶廢/污水治理設(shè)施運(yùn)行費(fèi)用Fig.11 Operation cost of wastewater treatment facilities in YREB during the 13th Five-Year Plan period

11?。ㄊ校┲校琓P、COD和NH3-N 3項(xiàng)污染物單位面積排放強(qiáng)度上海最高，達(dá)到12.2 t/km2；其次為江蘇，為5.5 t/km2；再次為安徽和浙江，為2.6和2.5 t/km2（圖12）。TP、COD和NH3-N 3項(xiàng)污染物單位水資源量排放強(qiáng)度江蘇最高，達(dá)到3 836.6 t/億m3；其次為浙江和上海，均超過(guò)2 000 t/億m3；再次為安徽，為809.8 t/億m3（圖13）?？傮w來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶下游?。ㄊ校㏕P、COD和NH3-N 3項(xiàng)污染物單位面積排放強(qiáng)度和單位水資源量排放強(qiáng)度均較高。

圖12 “十三五”時(shí)期11?。ㄊ校㏕P、COD和NH3-N單位面積排放強(qiáng)度Fig.12 Discharge intensity of TP, COD and NH3-N per unit area in 11 provinces (municipalities)during the 13th Five-Year Plan period

圖13 “十三五”時(shí)期11省（市）TP、COD和NH3-N單位水資源量排放強(qiáng)度Fig.13 Discharge intensity of TP, COD and NH3-N per unit water resource in 11 provinces (municipalities)during the 13th Five-Year Plan period

2019年，從生活源來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶TP、COD和NH3-N去除率總體較低，分別為57.6%、53.2%和45.3%。11省（市）中，生活源TP去除率為25.9%（貴州）～75.3%（浙江），COD 去除率為24.3%（江西）～85.1%（上海），NH3-N去除率為22.9%（江西）～62.6%（上海）。從工業(yè)源來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶TP、COD和NH3-N去除率總體較高，分別為94.1%、94.1%和92.9%。11?。ㄊ校┲校I(yè)源TP去除率為73.6%（江西）～100.0%（貴州），COD 去除率為89.6%（湖南）～99.1%（浙江），NH3-N 去除率為89.3%（江西）～99.8%（浙江）（圖14）。

圖14 2019年11?。ㄊ校┥钤春凸I(yè)源TP、COD和NH3-N去除率Fig.14 Removal rates of TP, COD and NH3-N from domestic and industrial sources in 11 provinces (municipalities) in 2019

2.4 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境質(zhì)量影響因素分析

“十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶地表水水質(zhì)與關(guān)聯(lián)指標(biāo)相關(guān)系數(shù)見(jiàn)表1。從表1可以看出，“十三五”時(shí)期，TP濃度、COD、NH3-N濃度均與COD、NH3-N和TP排放量呈高度正相關(guān)，Ⅰ類(lèi)～Ⅲ類(lèi)水質(zhì)斷面比例與上述3項(xiàng)污染物排放量呈高度負(fù)相關(guān)；TP濃度、COD、NH3-N濃度均與廢/污水治理設(shè)施運(yùn)行費(fèi)用高度負(fù)相關(guān)，Ⅰ類(lèi)～Ⅲ類(lèi)水質(zhì)斷面比例與廢/污水治理設(shè)施運(yùn)行費(fèi)用高度正相關(guān)；TP濃度、COD、NH3-N濃度均與地區(qū)GDP和人口呈負(fù)相關(guān)，Ⅰ類(lèi)～Ⅲ類(lèi)水質(zhì)斷面比例與地區(qū)GDP和人口呈正相關(guān)。充分說(shuō)明“十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境治理成效顯著，國(guó)家進(jìn)一步加大長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境治理力度，持續(xù)投入治理資金，提高污染物處理效率，使在GDP和人口大幅增長(zhǎng)的同時(shí)，水環(huán)境質(zhì)量依然持續(xù)改善。

表1 “十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶地表水水質(zhì)與關(guān)聯(lián)指標(biāo)相關(guān)系數(shù)Table 1 Correlation coefficient between surface water quality and related indicators in YREB during the 13th Five-Year Plan period

11?。ㄊ校┲?，湖北、江蘇和上海單位GDP廢水排放強(qiáng)度低于長(zhǎng)江經(jīng)濟(jì)帶平均水平，說(shuō)明在經(jīng)濟(jì)高速發(fā)展的同時(shí)，其廢水治理能力不斷提升，有效促進(jìn)單位GDP廢水排放強(qiáng)度保持在相對(duì)較低的水平；安徽和浙江接近長(zhǎng)江經(jīng)濟(jì)帶平均水平；四川、云南、貴州、重慶、湖南和江西等單位GDP廢水排放強(qiáng)度較高?？傮w來(lái)看，長(zhǎng)江上游?。ㄊ校﹩挝籊DP廢水排放強(qiáng)度較高，中下游?。ㄊ校┡欧艔?qiáng)度較低（圖15）。

圖15 2019年11?。ㄊ校﹩挝籊DP廢水排放強(qiáng)度Fig.15 Wastewater discharge intensity per unit GDP of 11 provinces (municipalities) in 2019

基于STIRPAT模型，對(duì)長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境質(zhì)量的驅(qū)動(dòng)因素進(jìn)行分析。得到嶺回歸方程如下：

由嶺回歸方程可知，當(dāng)人口數(shù)量、城市化水平、GDP、人均GDP、3項(xiàng)污染物排放量和第二產(chǎn)業(yè)占比的對(duì)數(shù)值發(fā)生1.000%的變化，所對(duì)應(yīng)的廢/污水排放量分別產(chǎn)生2.256%、-0.625%、0.084%、0.039%、0.778%、1.003%的變化效果。導(dǎo)致廢/污水排放量變化效果最大的驅(qū)動(dòng)因素依次為人口數(shù)量、第二產(chǎn)業(yè)占比和3項(xiàng)污染物排放量。人口數(shù)量的增加帶來(lái)廢/污水排放量增加；城鎮(zhèn)化率的提升將減少?gòu)U/污水排放量，城市化進(jìn)程對(duì)環(huán)境壓力有一定積極作用；第二產(chǎn)業(yè)占比的增加會(huì)增大廢/污水排放量，因此加快產(chǎn)業(yè)轉(zhuǎn)型和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)能夠有效緩解環(huán)境壓力；3項(xiàng)污染物排放量與廢/污水排放量呈正相關(guān)，提高污染物收集處理效率有助于減少?gòu)U/污水排放。

3 結(jié)論

（1）“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶水質(zhì)總體穩(wěn)中趨好。優(yōu)良水質(zhì)斷面比例上升10.3個(gè)百分點(diǎn)，劣Ⅴ類(lèi)水質(zhì)斷面比例下降3.3個(gè)百分點(diǎn)；水質(zhì)為優(yōu)的斷面比例上升13.8個(gè)百分點(diǎn)。11省（市）水質(zhì)均呈好轉(zhuǎn)趨勢(shì)。四川、上海和安徽優(yōu)良水質(zhì)斷面比例上升幅度超過(guò)10個(gè)百分點(diǎn)，劣Ⅴ類(lèi)水質(zhì)斷面比例下降幅度超過(guò)7個(gè)百分點(diǎn)，水質(zhì)改善明顯。個(gè)別地區(qū)改善壓力仍較大，從2020年情況看，云南、安徽和江蘇優(yōu)良水質(zhì)斷面比例尚低于80%，云南還未消除劣Ⅴ類(lèi)水質(zhì)。長(zhǎng)江中下游省（市）單位GDP廢水排放強(qiáng)度相對(duì)較低，改善空間已較小，建議關(guān)注上游省（市），通過(guò)技術(shù)和設(shè)施更新，持續(xù)推進(jìn)減排和質(zhì)量改善。

（2）2020年與2016年相比，1 178個(gè)可比斷面中，分別有24.4%、37.9%和12.6%的斷面TP濃度、COD和NH3-N濃度上升。其中，有23個(gè)斷面TP濃度、COD和NH3-N濃度上升幅度超過(guò)100%，主要涉及湖北、云南、浙江、湖南、江蘇和安徽等省。有41個(gè)斷面TP濃度、COD和NH3-N濃度均上升，主要涉及湖北、江蘇、云南、安徽和江西等?。挥?05個(gè)斷面TP濃度、COD和NH3-N濃度均下降。

（3）“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶GDP年均增幅為4.7%，總?cè)丝谠黾?54萬(wàn)人，城鎮(zhèn)化率上升6.9個(gè)百分點(diǎn)，廢/污水排放量總體上升，這些因素給水環(huán)境質(zhì)量改善帶來(lái)巨大壓力。長(zhǎng)江經(jīng)濟(jì)帶廢/污水治理設(shè)施運(yùn)行費(fèi)用逐年增加，上升30.2%，“十三五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境治理成效顯著，在GDP和人口數(shù)量大幅增長(zhǎng)的同時(shí)，水環(huán)境質(zhì)量依然持續(xù)改善。

（4）“十三五”時(shí)期，長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放以生活源為主，且生活源排放量呈上升趨勢(shì)。2019年，長(zhǎng)江經(jīng)濟(jì)帶生活源TP、COD和NH3-N去除率總體仍較低，分別為57.6%、53.2%和45.3%。工業(yè)源排放量逐年下降，但有1/2左右?。ㄊ校㏕P、COD和NH3-N去除率不足95%。需進(jìn)一步提升各?。ㄊ校┎煌?lèi)型污染源的污染物去除率，尤其是生活源收集處理效率。

（5）根據(jù)STIRPAT模型相關(guān)性分析，導(dǎo)致長(zhǎng)江經(jīng)濟(jì)帶廢/污水排放量變化效果最大的驅(qū)動(dòng)因素依次為人口數(shù)量、第二產(chǎn)業(yè)占比和主要污染物排放量。需合理控制人口增長(zhǎng)，持續(xù)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，擴(kuò)大第三產(chǎn)業(yè)占比，加快產(chǎn)業(yè)轉(zhuǎn)型和環(huán)境保護(hù)技術(shù)革新，進(jìn)一步減少?gòu)U/污水排放量，降低水環(huán)境質(zhì)量改善的壓力。