石碧濤,呂斯濠,馬 超
(1.東莞理工學(xué)院 經(jīng)濟(jì)貿(mào)易系,廣東 東莞 523808; 2.東莞理工學(xué)院 化學(xué)與環(huán)境工程學(xué)院,廣東 東莞 523808; 3.東莞理工學(xué)院 社會(huì)發(fā)展研究院,廣東 東莞 523808)
隨著我國工業(yè)化進(jìn)程加快和經(jīng)濟(jì)總量的不斷 增加,環(huán)境安全與環(huán)境管理進(jìn)入到新的發(fā)展時(shí)期。根據(jù)庫茲涅茨曲線揭示的規(guī)律,目前我國已經(jīng)處于污染總量逐步擴(kuò)張的階段,環(huán)境事件多發(fā)頻發(fā),環(huán)境風(fēng)險(xiǎn)不斷增加,對(duì)我國的環(huán)境安全管理提出了新的挑戰(zhàn)。黨的十八大報(bào)告提出要加快生態(tài)文明建設(shè),把生態(tài)文明建設(shè)納入中國特色社會(huì)主義建設(shè)總布局中,并且強(qiáng)調(diào)要建立健全生態(tài)環(huán)境保護(hù)的體制機(jī)制,推動(dòng)形成人與自然和諧發(fā)展的現(xiàn)代化建設(shè)新格局。
然而,現(xiàn)實(shí)中環(huán)境事件頻頻發(fā)生。據(jù)統(tǒng)計(jì),1992-2006年間我國環(huán)境污染事故每年發(fā)生1000起以上。我國嚴(yán)峻的發(fā)展現(xiàn)實(shí)和美好的遠(yuǎn)景規(guī)劃之間存在不小差距,這要求我們切實(shí)保護(hù)環(huán)境,堅(jiān)決保障環(huán)境安全,科學(xué)做好環(huán)境管理工作,有效預(yù)防環(huán)境風(fēng)險(xiǎn)。那么我國環(huán)境事件頻發(fā)多發(fā),其背后隱藏的作用機(jī)理是什么?到底哪些因素決定環(huán)境事件的發(fā)生?如何有效避免環(huán)境事件發(fā)生,進(jìn)而來保障我國的環(huán)境安全?
本研究通過構(gòu)建環(huán)境事件發(fā)生的假設(shè)路徑和作用機(jī)理,并對(duì)近年來發(fā)生的有影響力的100個(gè)環(huán)境事件進(jìn)行經(jīng)驗(yàn)分析,運(yùn)用Logistics數(shù)理回歸方法對(duì)影響環(huán)境事件的因素進(jìn)行定量研究,以此為基礎(chǔ)提出有效的防范策略。
盡管不同的環(huán)境事件發(fā)生的特征、內(nèi)容等不盡一樣,但由其造成的嚴(yán)重后果以及所引發(fā)的強(qiáng)烈社會(huì)響應(yīng)引發(fā)了廣泛的關(guān)注。在實(shí)證研究方面,范小斌和羅宏[1]、張玲和朱玉霞[2]、趙淑莉等[3]、楊潔[4]等在各自文獻(xiàn)中進(jìn)行了詳盡分析。此外,丁愛中[5]、毛顯強(qiáng)[6]、張龍[7]等則從預(yù)防環(huán)境事件發(fā)生角度提出了相關(guān)對(duì)策。
綜合來看,關(guān)于我國環(huán)境事件的研究基本上沿用“事件起因—事件經(jīng)過—事件結(jié)果—事件預(yù)防”的思路,缺乏對(duì)環(huán)境事件的定量研究,少量已有的定量研究成果缺少對(duì)隱藏在我國環(huán)境事件頻發(fā)背后的影響要素的系統(tǒng)分析,這對(duì)有效預(yù)防環(huán)境事件發(fā)生是不利的。
文章先收集國內(nèi)1994-2011年發(fā)生的100個(gè)主要環(huán)境污染事件,對(duì)事件生境、外圍特征、經(jīng)濟(jì)政治條件、社會(huì)治理狀態(tài)、環(huán)境損害程度等23個(gè)指標(biāo)進(jìn)行特征提取和分析。
2.2.1 環(huán)境事件樣本簡(jiǎn)歷制作
首先將收集的環(huán)境事件樣本信息制作成樣本簡(jiǎn)歷。樣本簡(jiǎn)歷共100份,每一份簡(jiǎn)歷對(duì)應(yīng)一份特征評(píng)價(jià)。其格式如下:
表1 環(huán)境事件基本信息模板
2.2.2 環(huán)境事件特征提取
然后對(duì)樣本進(jìn)行特征開采,其模式和標(biāo)準(zhǔn)如下:
2.2.2.1 環(huán)境事件的分級(jí)
根據(jù)污染損害程度將事件分為一般環(huán)境事件、重大環(huán)境事件和環(huán)境公共事件三個(gè)等級(jí)。
2.2.2.2 環(huán)境污染生境
環(huán)境污染生境包含污染物特征、污染主體特征、污染傳播途徑。污染生境決定環(huán)境污染可控、可治理狀態(tài),并據(jù)此推算污染影響外溢范圍。
2.2.2.3 人居環(huán)境
人居環(huán)境的積聚程度和年齡結(jié)構(gòu)對(duì)環(huán)境污染的敏感性不一樣。這些因素包括食物、水環(huán)境、人文環(huán)境和自然景觀等。
2.2.2.4 鏈接點(diǎn)
鏈接點(diǎn)有污染物與污染主體、污染物與污染對(duì)象、污染物傳播路徑和政府污染監(jiān)測(cè)等。環(huán)境污染在邊際地區(qū)和落后地區(qū)損害大,影響深遠(yuǎn)。
2.2.2.5 環(huán)境治理
社會(huì)公共部門是環(huán)境治理的主體。環(huán)境污染問題可能引發(fā)社會(huì)公共事件,進(jìn)而關(guān)系到地方形象建立、地方長(zhǎng)期成本計(jì)算和政府績(jī)效。
為了便于對(duì)采集的案例信息進(jìn)行統(tǒng)計(jì)檢驗(yàn),本研究根據(jù)設(shè)計(jì)的指標(biāo)建立數(shù)據(jù)庫,讓每一個(gè)指標(biāo)都能夠通過實(shí)際觀測(cè)變量顯示,并進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。
2.2.3 數(shù)據(jù)轉(zhuǎn)換與樣本數(shù)據(jù)庫建立
在特征統(tǒng)計(jì)變量提取的基礎(chǔ)上,根據(jù)樣本信息和特征統(tǒng)計(jì)變量評(píng)價(jià)標(biāo)準(zhǔn),將所有事件進(jìn)行數(shù)據(jù)轉(zhuǎn)換和編碼處理。
將所有指標(biāo)分為7組,利用多元Logistics回歸模型分組進(jìn)行顯著性檢驗(yàn)。其中:因變量為發(fā)生的不同等級(jí)的環(huán)境事件(分為一般環(huán)境事件、重大環(huán)境事件和環(huán)境公共事件三級(jí)),自變量為7組,共計(jì)23個(gè)指標(biāo)變量。模型的原始假設(shè)為:
H0:特征指標(biāo)變量對(duì)環(huán)境事件的影響系數(shù)為0;H1:特征指標(biāo)變量的影響系數(shù)不為0。
當(dāng)變量通過顯著性檢驗(yàn)(P<0.05)時(shí),則拒絕H0,接受H1,說明所選取的特征指標(biāo)具有可靠性,指標(biāo)顯著影響環(huán)境事件的發(fā)生;反之亦相反。
回歸的結(jié)果如表2~表8所示:
表2 環(huán)境污染生境指標(biāo)擬合檢驗(yàn)
表3 污染主體指標(biāo)擬合檢驗(yàn)
表4 污染物指標(biāo)擬合檢驗(yàn)
通過前文對(duì)主要環(huán)境事件的案例分析和利用特征變量進(jìn)行回歸分析發(fā)現(xiàn),特征指標(biāo)中有20個(gè)具有顯著性影響(初始特征指標(biāo)有23個(gè),表中列出的觀測(cè)指標(biāo)變量共有20個(gè),但“污染物擴(kuò)散途徑”和“污染源組合”兩個(gè)指標(biāo)參與了兩次回歸,這是出于分析的便利性和邏輯嚴(yán)密性考慮。另外三個(gè)觀測(cè)指標(biāo)“環(huán)境污染起因”、“污染源”和“媒體關(guān)注度”回歸不顯著,其回歸結(jié)果沒有顯示在文中)。這20個(gè)指標(biāo)決定環(huán)境事件的性質(zhì),即每個(gè)指標(biāo)的變化都會(huì)導(dǎo)致環(huán)境事件性質(zhì)的改變。其中顯著性為0.000的指標(biāo)有事件區(qū)位特點(diǎn)、污染物擴(kuò)散途徑、污染主體企業(yè)規(guī)模、污染企業(yè)歷史排放信譽(yù)、污染物種類、污染源組合、環(huán)境污染對(duì)人居健康的影響、污染對(duì)生態(tài)功能的影響、污染治理政府關(guān)聯(lián)、治理技術(shù)難度、監(jiān)測(cè)難度、污染治理責(zé)任12個(gè),這些指標(biāo)對(duì)環(huán)境事件的性質(zhì)具有絕對(duì)的敏感性,環(huán)境事件演化路徑必然伴隨這12個(gè)指標(biāo),而且它們也決定環(huán)境事件的損害程度。在對(duì)環(huán)境事件進(jìn)行評(píng)估時(shí),它們具有重點(diǎn)觀測(cè)價(jià)值。
表5 對(duì)象敏感性指標(biāo)擬合檢驗(yàn)
表6 社會(huì)敏感性指標(biāo)擬合檢驗(yàn)
表7 治理難度指標(biāo)擬合檢驗(yàn)
表8 治理效果指標(biāo)擬合檢驗(yàn)
基于上文分析,將環(huán)境事件損害分為四種表現(xiàn)形式:大概率小損失;大概率大損失;小概率小損失;小概率大損失。環(huán)境事件的表現(xiàn)形式不同,則污染治理方式也不一樣。
大概率小損失事件即環(huán)境污染頻繁發(fā)生而損失較小的事件。這種環(huán)境污染事件主要為一般污染事件,但也可能演化為重大環(huán)境事件。這類事件可以通過集中處理污染物便能將環(huán)境污染行為置于完全可控狀態(tài)。但這類環(huán)境污染行為的頻繁發(fā)生,顯示出了治理能力的弱化和治理責(zé)任的缺乏。因此,需要加強(qiáng)污染主體的治理責(zé)任和政府的治理能力。
大概率大損失環(huán)境污染特征必然導(dǎo)致環(huán)境公共事件,這些事件頻繁發(fā)生顯示出環(huán)境脆弱性和政策的長(zhǎng)期失效,針對(duì)環(huán)境的激勵(lì)機(jī)制失效。巨大損失則顯示造成環(huán)境污染的主體具有危險(xiǎn)性,排放物具有危險(xiǎn)性。最終,經(jīng)濟(jì)模式和經(jīng)濟(jì)慣性導(dǎo)致環(huán)境公共事件發(fā)生,因此必須采取嚴(yán)格的環(huán)境監(jiān)測(cè)措施。
小概率小損失事件是指環(huán)境事件偶然性發(fā)生并且損失小,環(huán)境污染帶來的社會(huì)影響也不大的事件。這種影響的環(huán)境污染事件是一般環(huán)境事件,社會(huì)敏感度低。因此監(jiān)控難度不大,監(jiān)測(cè)成本也不高,環(huán)境污染可以在生態(tài)自我修復(fù)中進(jìn)行消解,環(huán)境監(jiān)測(cè)可通過常規(guī)進(jìn)行,往往能夠通過常規(guī)手段控制污染損害。
這類事件雖是由技術(shù)、自然等不可控因素造成,但一旦發(fā)生,必然釀成環(huán)境公共事件,將帶來巨大的社會(huì)響應(yīng),并考驗(yàn)政府的應(yīng)急能力。它們帶來的社會(huì)破壞性劇烈,造成的損失通常不可挽救,例如輻射、地質(zhì)災(zāi)害,這種不可控因素改變污染物運(yùn)動(dòng)路徑,導(dǎo)致污染物迅速與人類社會(huì)進(jìn)行接觸,微觀擴(kuò)散效應(yīng)在短時(shí)間內(nèi)迅速膨脹。這種小概率事件是環(huán)境監(jiān)測(cè)中最困難的,只能采用最為保守的監(jiān)測(cè)模式。
環(huán)境案例分析說明,環(huán)境事件能夠進(jìn)行識(shí)別和治理。筆者認(rèn)為應(yīng)根據(jù)不同性質(zhì)的事件進(jìn)行分類管理和控制,針對(duì)環(huán)境事件不同的發(fā)生概率和影響程度采取不同的防范策略,從源頭上控制環(huán)境事件發(fā)生的演化網(wǎng)絡(luò),降低其發(fā)生的概率,從而達(dá)到減少損害、保護(hù)環(huán)境的目的。
[1] 范小斌,羅宏.中國突發(fā)環(huán)境事件時(shí)間序列分析[J].中國環(huán)境管理,2012(4):11-16.
[2] 張玲,朱玉霞.淺析我國突發(fā)環(huán)境事件頻發(fā)的原因[J].廣東化工,2012,39(8):105-106.
[3] 趙淑莉,韓小錚,秦承華,等.近年來我國環(huán)境污染事件淺析[J].環(huán)境與可持續(xù)發(fā)展,2012(3):64-68.
[4] 楊潔,畢軍,張海燕,等.中國環(huán)境污染事故發(fā)生與經(jīng)濟(jì)發(fā)展的動(dòng)態(tài)關(guān)系[J].中國環(huán)境科學(xué),2010,30(4):571-576.
[5] 丁愛中,劉玉蘭,程莉蓉,等.環(huán)境事件污染場(chǎng)地健康風(fēng)險(xiǎn)評(píng)估方法初步研究[J].北京師范大學(xué)學(xué)報(bào):自然科學(xué)版,2009,45(5):469-472.
[6] 毛顯強(qiáng),李向前,劉勝強(qiáng),等.突發(fā)環(huán)境事件損失價(jià)值評(píng)估框架如何建[J].環(huán)境經(jīng)濟(jì),2012,99(3):40-43.
[7] 張龍.淺析突發(fā)環(huán)境事件預(yù)測(cè)模型中的幾個(gè)問題[J].中國環(huán)境管理,2011(3):37-38,52.