互联网技术进步对区域环境质量的影响及空间效应

摘要：首先，从环境监测动态化、政府环境监管信息化、社会公众参与环境保护深度化及环保产业智能化4个维度分析了互联网技术对环境质量的作用机理。然后，利用探索性空间数据分析互联网技术进步与环境污染(废水、二氧化硫、氮氧化物及一般工业固体废物)的空间关联性，并基于扩展的环境库兹涅茨曲线(EKC)，结合空间计量模型考察互联网技术进步对环境污染的影响。研究结果表明：互联网技术进步与环境污染存在显著的空间溢出效应；互联网技术进步能显著减少环境污染、改善环境质量；针对不同的污染物，经济增长对环境质量的影响效果不同。最后，基于研究结论，提出提高区域环境质量的政策建议。

0 引言

随着信息技术的发展及其在环境保护领域的创新应用，互联网在环境保护中的作用日益突显。2015年1月，我国实施的新环境保护法主张环境保护信息化建设与信息公开；同年3月，国务院总理李克强提出制定“互联网+”行动计划。统计数据显示，截至2016年6月，中国网民规模达7.10亿人，互联网普及率为51.7%，网民数量已跃居世界第一，环境保护是网上报道最多、关注度最高、讨论最热烈的话题之一，环境问题已成为全世界普遍关注的热点。信息不对称是造成环境管理困难的一个重要原因，不仅增加了环境管理成本，而且削弱了环境政策的有效性与权威性，导致管理主体缺位，降低公众参与积极性，使得环保信息来源渠道单一[1]。而互联网的开放性、交互性、实时性弥补了以往环境管理的不足，“互联网+环保”成为推动环境治理现代化和环境管理转型的重要手段。

1 理论基础

1.1 互联网技术对环境质量的作用机理

Steve等[2]将生态环境演变的驱动力分为直接驱动力和间接驱动力。其中，直接驱动力包括气候、土壤等直接影响环境的因素，间接驱动力包括社会、经济、科技等可控因子。生态环境演变强调了间接驱动力的作用，因而研究可控因子对环境的影响对于环境污染治理具有重要意义[3]。基于此，本文从影响环境质量的间接因素出发，分析互联网技术对环境质量的作用机理。

(1)环境监测动态化。利用大数据、云计算等互联网技术[4-7]，实时动态监测空气质量、河流水质、土壤变化等环境信息，并对环境监测数据进行整合，综合分析环境质量与污染数据的关联及变化规律，探析区域污染现状及空间分布特征，预测污染趋势，既能为认识环境问题及治理环境污染提供依据，又能为政府减排决策制定提供技术支撑。例如，广东省佛山市已正式实施的《佛山市互联网+环境保护工作方案》就是利用大数据、云计算等信息技术，建立环境质量与环境容量、排污总量之间的动态联系，通过挖掘环境数据应用价值，为环境管理提供科学依据。

(2)政府环境监管信息化。政府是环境保护的主导力量[8]，而环境监管是环境保护事业发展的着力点。互联网技术日益成熟，提升了环境信息化应用水平[9]，实现了各种资源的有效调度及各部门环境信息联动与资源共享[10]，针对性地弥补了传统监管工具的不足，丰富了环境监管手段，为政府提高监管效率、提升环境监管执法效果提供了信息支持。例如，黑龙江省在“互联网+”思维下，搭建了环境监管决策“一张图”，即通过环境监管、决策指挥、移动执法的综合管理，实现全方位无盲区的环境监管，提高环境保护综合水平。

(3)社会公众参与环境保护深度化。环境状况与公众生活质量息息相关[11]，公众的环境需求是环境保护的根本动力。互联网技术为公众获取环境信息[12]、形成环保意识、参与环保提供了新的方式和契机。公众利用互联网实时通讯技术、移动终端平台等，一方面可以获取环境监测数据和环保知识，了解环境监管措施和环境治理成果；另一方面，可以将环境污染行为和污染证据提供给环保监测部门，督促环保部门积极跟进、监督污染企业，形成对环境质量和环境执法效果的双重监督。例如，公众环境研究中心推出“蔚蓝地图”APP，使公众能够通过互联网与手机实时查询和监督身边的污染源，参与环境污染治理。社会公众参与环保、举报环境违法行为已成为加强环境监管的重要手段[13]。

(4)环保产业智能化。“互联网+”为环保产业发展带来重大变革，互联网平台优势为企业寻求产品创新、开发洁净生产方式，实现企业绿色低碳发展带来机遇，并通过加速环保科技成果产业化推动环保产业经济结构调整。例如，以环保产业链为核心的“互联网+环保”平台，开创性地利用互联网思维与信息通信技术，构建了全新环保产业互联网生态，实现了环保企业的产业升级和资源循环。

互联网实现了政府严格高效的环境监管、执法与公众环境污染实时监督相结合，倒逼企业改进生产工艺，连锁带动环保产业整体发展。

1.2 环境质量影响因素

相关研究发现，环境质量还受到宏观经济、环境治理力度、产业结构、对外开放水平、科学技术水平等多因素影响。因此，本文分别从规模效应、制度效应、结构效应、贸易效应以及技术效应5个方面探讨其它环境质量间接影响因素。

(1)规模效应。主要表现为经济发展水平对环境质量的影响。Grossman 和 Krueger[14]指出，环境质量与经济发展间存在倒U型关系，该关系曲线被称为环境库兹涅茨曲线(EKC)。环境库兹涅茨曲线表明，当经济发展水平较低时，环境污染随着经济增长而加剧；当经济发展达到一定水平后，环境污染随着经济增长而缓解。其主要原因在于，当经济发展水平较低时，工业化和城市化进程加剧了环境污染；当经济发展达到一定水平后，人们对生活环境质量的要求提高，对环境质量的关注度越来越高，国家通过制定相应的法律法规，加强对环境污染监管与治理，有效减轻了环境污染。

(2)制度效应。不同的环境制度会产生不同的环境效果。完善的环境制度能够规范生产行为和环境治理行为，影响到当地污染排放水平。包群等[15]，黄茂兴等(2013)认为，环境规制有利于抑制企业排污行为。

(3)结构效应。经济发展初期，经济结构从农业向工业的转变加深了环境污染程度[16]，工业化进程加快导致资源过度消耗、废弃物排放量大幅增加[17]。随着经济发展方式转变、产业结构优化升级，高能耗、高污染工业比重下降，第三产业比重上升。相比第一产业和第二产业，第三产业资源消耗少、污染排放少。因此，第三产业比重越高，环境质量越好。

(4)贸易效应。贸易开放对环境的影响存在两种不同的观点，一种观点认为外商直接投资有利于改善东道国的环境质量。外资企业执行的严格环境标准以及使用的清洁生产技术降低了污染排放量，从而改善了环境质量；另一种观点是“污染避难所假说”，认为外商直接投资导致东道国环境质量恶化，环境管制严格的发达国家将污染产业转移到环境管制较松的发展中国家，生产资源消耗性产品和污染密集型产品加剧了东道国环境污染。

(5)技术效应。科技进步对环境质量的影响覆盖了全过程，包括事前防御、事中指导及事后治理[3]，高效、环保的生产技术能有效控制污染物排放。科技进步也可能仅扩大了生产规模或提高了生产效率，但并未实现环保生产，此时科技进步反而加剧了环境污染。

国内外学者针对不同的研究对象、研究视角，采用不同方法研究环境污染影响因素，一些学者还探讨了互联网技术对环境保护带来的影响，但仍存在以下不足：第一，现有文献都是从宏观层面探讨互联网技术对环境管理的可行性，以及互联网技术在环境保护中的应用与意义，缺乏微观层面结合实际情况的互联网技术进步对环境质量影响的实证研究；第二，目前有研究发现环境污染具有空间自相关性[18-20]，即由于空气、水脉的流动具有不可控性，一个地区环境质量不仅受到当地污染物排放影响，还受到周边地区污染物排放影响。以往研究未考虑到互联网技术进步及空间自相关性对环境污染的影响，且多采用时间序列、截面数据或传统的面板数据，较少使用空间计量方法进行面板数据分析。

鉴于此，本文首先分析我国互联网技术进步与环境污染空间分布特征，然后将互联网技术进步和环境污染的空间自相关性纳入空间计量模型，分析互联网技术进步对环境污染的影响。本文从互联网动态发展角度入手，揭示互联网技术进步与环境污染在地理分布上的空间效应，重点考察互联网技术进步对环境污染的影响，以期为我国利用信息化手段治理环境污染提供科学依据。

2 模型构建

2.1 空间相关性检验

为测度互联网技术进步与省域环境污染在地理空间上的关联性、异质性及集聚特征，采用局域空间自相关Moran指数及其散点图、局部空间关联指标LISA集群图。

(1)局域空间自相关Moran指数。Moran指数是观测值与其空间滞后变量间的相关系数，局域Moran指数模型为：

式(1)中

表示区域i的观测值，n表示样本总数，Wij表示空间权重矩阵。Moran指数的取值范围为[-1,1]：当Moran指数在(0,1]之间时，表示区域观测值呈空间正相关。Moran值接近1，表示相似属性集聚(即低值与低值邻接、高值与高值邻接)；当Moran指数在[-1,0)之间时，表示区域观测值呈空间负相关。Moran值接近-1，表示相异属性集聚(即低值与高值邻接、高值与低值邻接)，Moran指数接近0，表示属性随机分布或不存在空间相关性。

(2)Moran散点图。Moran散点图用以研究局域空间不稳定性，分为4个象限的空间关联模式：第一、三象限表示正向空间自相关性，第二、四象限表示负向空间自相关性。其中，第一象限(High-High，高-高)表示高观测值区域被高值区域包围，第二象限(Low-High，低-高)表示低观测值区域被高值区域包围，第三象限(Low-Low，低-低)表示低观测值区域被低值区域包围，第四象限(High-Low，高-低)表示高观测值区域被低值区域包围。

(3)局域空间关联指标LISA。局域空间关联指标LISA用以检验局部地区是否存在集聚现象，LISA集聚区反映了相邻区域观测值相近的特质，用以描述区域差异。

Anselin[21]将空间计量模型分为空间自回归模型(Spatial Autoregressive Model，SAR，又称空间滞后模型)和空间误差模型(Spatial Error Model，SEM)。

本文基于环境库兹涅茨曲线(EKC)，引入互联网技术进步变量，构建环境污染空间计量模型，探讨互联网技术进步对环境质量的影响。为消除异方差和量纲问题，将变量进行对数化处理。

空间自回归模型(SAR)：

+β3ln3GDPit+β4lnINTit+β5lnXit+εit

空间误差模型(SEM)：

+β4lnINTit+β5lnXit+εit

其中，εit=λWε+μit；i和t表示第i个省份第t年的数据；P表示环境污染变量；WlnPit为区域环境污染空间滞后因子，反映空间距离对区域环境污染的作用程度；GDP表示经济增长；INT表示互联网技术进步；X表示其它影响环境质量的控制变量；β为解释变量回归系数；ρ为空间自回归系数，反映邻近区域环境污染对本区域的空间影响；λ为空间误差系数，用以衡量邻近区域环境污染通过误差项对本区域环境影响的方向与程度；ε、μ为随机误差项；W为空间权重矩阵(n×n)，在选择空间权重矩阵时，采用最常用的空间邻接权重，设定依据为空间是否相邻，当两省域相邻时W取值为1，不相邻时W取值为0。

2.3 数据来源与指标选取

自2011年起，环保部先后修订了统计制度中的指标体系、调查方法及相关技术规定，因此本文采用2011-2014年的数据。样本覆盖大陆31个省、直辖市和自治区(以下简称为区域或省域)，原始数据来自历年《中国统计年鉴》和《中国环境统计年鉴》。

国外对环境污染的衡量采用环境污染绝对水平或污染强度，中国学者对环境污染的衡量多采用污染排放总量，且多选用工业源污染指标，较少采用污染排放强度。本文将统计范围扩展至工业源、农业源、城镇生活源、机动车、集中式污染治理设施5个领域。同时，考虑到污染物的多样性及不同污染物治理的差异性，选取水体污染物(废水)、气体污染物(二氧化硫和氮氧化物)和固体污染物(一般工业固体废物)3种形态的污染物，并对其进行处理，采用污染物排放强度指标(污染排放总量与面积之比)，包括废水排放强度(P1)、二氧化硫排放强度(P2)、氮氧化物排放强度(P3)和一般工业固体废物排放强度(P4)。

互联网技术进步(INT)采用互联网普及率度量；经济增长(GDP)采用各地区实际GDP衡量，数据以2011年为基期，用历年各地区GDP平减指数消除价格影响；环境治理力度(EG)采用环境污染治理投资和环境基础设施投资总额之和占GDP比重反映；产业结构(STR)采用第三产业增加值占GDP的比重衡量；贸易开放(OPE)采用外商投资企业进出口总额度量，依据当年人民币兑美元的年平均汇率将美元转换为人民币，并进行GDP平减修正；科技投入(TEC)采用科研费用支出进行间接度量，并进行GDP平减修正。

3 实证分析

3.1 空间自相关性检验

互联网普及率与环境污染指标的Moran指数如表1所示，检验结果显示：互联网普及率的Moran指数均为正值，且通过了1%显著性水平检验，说明我国内地31个省域互联网普及率在地理分布上呈现显著的空间正相关，表现出相似性之间的空间集聚；废水排放强度、二氧化硫排放强度、氮氧化物排放强度及一般工业固体废物排放强度4个指标的Moran指数在5%水平下均通过检验，且显著为正，说明废水、二氧化硫、氮氧化物及一般工业固体废物的排放均呈显著空间正相关，表现为空间分布上的污染集聚现象。

互联网普及率与环境污染的Moran散点图显示，大部分省域集中在第一象限和第三象限。互联网普及率的Moran散点图(见图1)显示，2014年7个省域位于第一象限，比2011年增加1个；2014年16个省域位于第三象限，比2011年减少2个；2011年、2014年位于第一象限和第三象限的省份合计占样本总数的比重分别为77.42%、74.19%。

废水、二氧化硫、氮氧化物及一般工业固体废物的Moran散点图显示，2011年和2014年4个环境污染指标位于第一、三象限的省域个数合计占样本总数的比重均未发生变化，分别为80.65%、77.42%、90.32%、87.10%。可见，各省域互联网普及率与环境污染均表现出明显的空间依赖性，大部分省域与相邻省域存在相似集聚效应，高-高和低-低类型集聚占主导地位，互联网普及率较高(低)的省域趋向与互联网普及率较高(低)省域邻近，同样地，高(低)环境污染省域趋于与高(低)环境污染省域相邻。

互联网普及率的LISA集群图(见图2)显示，互联网普及率在我国区域空间分布上形成了两个不同的集聚区域：以天津为中心，与北京等周边省域组成的互联普及率高值集聚区，通过与天津等省域合作，能够带动周边省域互联网普及率提高，如河北由最初的LH象限跃迁至HH象限；以重庆等地区为中心，与湖北、贵州、云南、四川等周边省域组成的互联普及率低值集聚区，该区域互联普及率均较低，无法起到带动作用。

废水、二氧化硫、氮氧化物及一般工业固体废物的LISA集群图显示，废水、二氧化硫和氮氧化物排放强度在空间分布上的集聚效应相似，具体表现为：形成以江苏、浙江为中心，与周边地区组成的排放强度高值集聚区；以青海、甘肃等地区为中心，与周边省域形成的排放强度低值集聚区。一般工业固体废物排放强度的空间集群表现为：以河北、江苏为中心，与周边省域形成的高值集聚区；以青海等地为中心，与周边省域形成的低值集聚区。北京分布在LH象限，而河北、辽宁位于HH象限，北京作为一般工业固体废物排放强度低值区，被一般工业固体废物排放强度高值区的河北等省域包围，可见北京的一般工业固体废物污染多是受到河北、辽宁等附近省域的影响。

注：地图来源于国家基础地理信息中心；图中黑色表示高-高集聚，灰色表示低-低集聚

3.2 空间计量估计与分析

Hausman检验结果显示，4个环境污染模型应采用固定效应模型，根据固定效应对空间效应和时间效应两类非观测效应的不同控制效果，可以分为无固定效应、空间固定效应、时间固定效应、空间与时间双固定效应。根据Anselin等[22]提出的判别准则，如果LM lag比LM error在统计中更为显著，且Robust LM lag显著而Robust LM error不显著，则适用空间自回归模型(SAR)；反之则采用空间误差模型(SEM)。本文4个环境污染模型的拉格朗日乘子检验结果均显示，应选择空间自回归模型(SAR)，将环境污染排放物废水、二氧化硫、氮氧化物和一般工业固体废物的SAR模型分别表示为模型1、模型2、模型3和模型4，检验结果见表2和表3。

表2和表3显示，模型1-模型4中R2、corr-squared、LogL等统计量在采用无固定效应和时间固定效应时具有较好拟合度，模型能够较好反映出各解释变量对废水、二氧化硫、氮氧化物、一般工业固体废物的排放强度的影响。从模型中解释变量系数的估计结果看，采用时间固定效应时各解释变量系数大多通过了显著性检验，对样本的解释力度较高，估计结果优于无固定效应、空间固定效应、时空固定效应。因此，本文在后续研究中选用时间固定效应的估计结果进行讨论。

模型1-模型4的估计结果显示，空间自回归系数ρ在1%的统计水平上显著为正，表明环境污染在地理空间上存在显著的空间相关效应。邻近省域环境污染严重，本省域环境污染也会受其影响，环境污染受到相邻省域溢出影响显著。

互联网普及率的估计系数在模型1-模型4中均显著为负，说明互联网技术进步将减少废水、二氧化硫、氮氧化物、一般工业固体废物的排放，改善环境污染情况。数据显示，互联网技术进步对废水排放的改善效果最好，系数为-1.302 0，其次是二氧化硫、氮氧化物，对一般工业固体废物排放的改善效果最小。互联网技术发展在环境治理中主要表现为以下3点：①环境管理的互联网信息化实现了环境资源整合和信息共享，环保部门能及时、准确地掌握环境污染变化情况并采取控制措施环境污染，提高了环境监管效率和环境治理水平，有效改善了环境质量；②公众通过互联网信息平台普及了环境保护知识、增强了环境保护意识，借助移动互联网主动监督环境治理情况、反馈环境污染行为，积极参与环境保护，推动了环保事业的开展；③利用互联网发展环保产业，采用环境友好型技术实现清洁生产，减少污染排放。互联网将环境信息、环保部门监管情况和企业治污情况置于“阳光”下，接受社会公众监督，督促环保部门严格监管，迫使企业积极开展环境整治，形成了以政府、公众、企业为主体的多元共治的环境防治局面，有效改善了环境污染状况。

经济发展水平的回归系数在模型1和模型2中通过显著性检验。模型1中β1估计值显著为负，β2估计值不显著，β3估计值显著为负，表明经济发展水平与废水排放强度呈倒N型关系，即废水排放强度随经济发展水平提高而呈现先下降，然后趋于平缓。在此期间，废水排放强度不会随着经济发展水平变化而发生急剧变化，超过这一平台期以后，又呈现下降的发展趋势。模型2中的β1估计值显著为正，β2估计值显著为负，β3估计值显著为正，表明收入与二氧化硫排放强度之间呈N型关系。二氧化硫排放强度随着经济发展水平提高呈现上升-下降-上升的发展趋势。模型3和模型4中的经济发展水平回归系数不显著，表明氮氧化物和一般工业固体废物排放强度与经济增长不存在EKC曲线关系。实际上，环境库兹涅茨曲线能否得以证实或其形态差异在很大程度上取决于环境污染指标和估计方法的选取。例如，针对二氧化硫等重点监管污染物的研究，与固体废物等没有得到重视的污染物的研究，其结论存在较大差异[23-25]，本文的研究结果也证实了这一观点。

环境治理力度对废水排放强度的影响仅在10%的统计水平下显著为负，估计系数为-0.159 4，对二氧化硫、氮氧化物、一般工业固体废物排放强度的影响不显著，说明环境污染治理投资对改善环境污染状况有一定效果，但对大多数环境污染物的影响效果不明显。可能的原因是：①环境污染治理投资严重不足。2014年，我国各省域环境污染治理投资与环境基础设施建设投资总额之和占GDP的比重最少为0.59%，最多为6.09%，平均值为2.41%，有19个省域低于全国平均水平；②目前我国环境治理费用利用效率不高。虽然环境治理费用逐年增加，但并未有效减少污染物排放；③我国环境污染治理模式主要为末端治理。环境治理投资不能从源头上减少污染物产生，反而会导致污染物排放增多，不得不加大环境治理力度，导致环境治理投资增多的情况。

产业结构的回归系数在模型1-模型3中显著为正，在模型4中不显著，表明产业结构对废水、二氧化硫、氮氧化物排放强度具有正向影响，而对一般工业固体废物排放强度影响不显著。将该估计结果与样本期内31个地区产业结构变化实际情况进行对比：2011-2014年，第三产业增加值占GDP比重的平均值分别为40.32%、41.30%、43.47%和44.24%，第二产业增加值占GDP比重的平均值分别为49.08%、48.20%、46.43%和45.83%。可见，虽然第三产业增加值比重逐步增加，但仍然低于第二产业，并且第三产业发展对资源环境压力的减缓还不能抵消第二产业过度消耗资源及排放废弃物造成的环境损害。可以预见，随着第三产业增加值比重的逐步增加及第二产业增加值比重逐步降低，产业结构调整达到合适的比例时，环境改善效果将会显现。

贸易开放的回归系数在模型1-模型4中均显著为正，表明贸易开放加剧了环境污染。该结论证实了“污染避难所假说”，即发达国家严格的环境管制和较高的环境标准迫使企业(特别是高污染企业)向环境标准低的国家转移。一段时间以来，我国以经济建设为中心，一些地方政府为拉动经济增长、吸引外商投资，放宽环境管制标准，从而加速资源消耗并生产更多污染密集型产品，导致以废水、二氧化硫、氮氧化物、一般工业固体废物为代表的污染物增加，造成环境恶化。

科技投入的回归系数在模型1-模型4中均显著为正，表明科技水平提高会导致废水、二氧化硫、氮氧化物、一般工业固体废物排放强度提高。科技进步不但没有改善环境质量反而加剧了环境污染，其可能的原因是：地方政府热衷于经济增长，重视经济增长有关技术而较少关注环保技术，在促进技术进步过程中缺乏环保意识，科技进步提高了资源和能源的利用效率、生产效率，扩大了生产规模，但并没有实现清洁生产，没有产生环境匹配技术对环境污染进行事前预防和事后处理[26]。

4 结语

通过分析2011-2014年中国内地31个省(市、区)互联网技术进步、废水排放强度、二氧化硫排放强度、氮氧化物排放强度、一般工业固体废物排放强度的空间效应，并在此基础上构建空间计量模型探究其影响，得到如下结论与启示：

(1)互联网技术进步有利于缓解环境污染、提升环境治理效果，对环境保护具有积极作用。整体而言，中国仍然存在“数据孤岛”和“信息烟囱”，无法完全集成和整合信息资源，且各地信息化建设水平不均，尚未形成以信息支撑环境管理的格局。因此，应借助互联网平台，将云计算、大数据等技术应用在环境保护领域，构建与完善环保系统，如污染源自动监控系统、移动执法系统等。加强环境保护跨界联动，建立环境信息共享机制，一方面加强政府环境监管主体间的信息互联互通，实现跨区域、跨部门、跨行业的环境治理联动。另一方面，确保环保信息及时有效地公开，报告环境治理成果，加强环保宣传，激励公众参与环境保护和监督。同时，建立政府与公众的信息沟通协调平台，鼓励社会公众监督和举报环境违法行为，政府应对公众通过互联网反馈的环境污染信息及时作出反应，快速处理环境污染事件并反馈执法结果。此外，企业应利用互联网的智能性，尽快更新、升级环保技术和环保设备，从源头解决环境污染物排放问题。互联网在环境监测数据实时公开与公众参与环境治理间搭建起一座桥梁，将有效推进公众监督，支持政府决策。

(2)互联网技术进步存在显著的空间相关性，并呈现出空间集聚效应。省域互联网技术进步不仅与其地理位置有关，还受周边省域影响。该现象既是区域经济发展的结果，又与各区域地理特征相关。因此，互联网技术水平较高的省域应发挥其示范效应，加强与周边互联网技术水平较低省域的交流与合作，带动其发展，形成信息技术的追赶效应及区域间环境治理的学习效应。

(3)环境质量不仅受到相邻省域环境污染影响，还与区域间结构性差异有关。不同污染物受到区域间结构性差异的影响不同，这种结构性差异体现为各省域自身的经济发展水平、环境治理力度、产业结构、贸易开放程度与科技水平等影响因素的差异。因此，不同污染源的治理措施各不相同，实施成本和运营维护费用差别较大，需要从治理措施、资金支持等多方面入手，针对性地完善政策体系。相对于严峻的环境污染形势，我国对环境治理的投入偏低，对污染治理、环境保护的支持力度不足。因此，应进一步增加环境治理投入，提高环境管理效率，加大环境治理力度，减轻环境压力，制定环境管理政策并注重政策执行效果，以保证环境治理活动的有效推进与治理效率提高；优化升级产业结构，转变经济增长方式，大力发展低能耗、低污染的环境友好型产业，发展低碳经济、绿色经济，实现经济可持续发展；外资引进要注重高质量、高效益，引进发达国家的先进技术和环保标准，杜绝对技术落后型、资源消耗型、环境污染型项目的引进；加快对环境相关技术的改进和提升，采用先进环保的绿色生产技术和污染排放系统，减少资源消耗和环境破坏，提高环境承载力。

[1] 管宏友,毕春伟.环境管理中信息不对称问题研究[J].资源与产业,2010(3):137-142.

[2] STEVE R C,PRABHU L P,ELENA M B,et al.Ecosystem and human well-being:scenarios,volume 2[M].Washington,London:Islang Press,2005.

[3] 梁流涛,冯淑怡,曲福田.农业面源污染形成机制：理论与实证[J].中国人口·资源与环境,2010,20(4):74-80.

[4] HAMPTON S E,STRASSER C A,TEWKSBURY J J,et al.Big data and the future of ecology[J].Frontiers in Ecology & the Environment,2013,11(3):156-162.

[5] KWON O,LEE N,SHIN B.Data quality management,data usage experience and acquisition intention of big data analytics[J].International Journal of Information Management,2014,34(3):387-394.

[6] SHIN D H,CHOI M J.Ecological views of big data:perspectives and issues[J].Telematics and Informatics,2015,32(2):311-320.

[7] GRANELL C,HAVLIK D,SCHADE S,et al.Future internet technologies for environmental applications[J].Environmental Modelling & Software,2016(78):1-15.

[8] LEMOS M,AGRAWAL A.Environmental governance[J].Annual Review of Environment and Resources,2006(31):297-325.

[9] MOL A P J.Environmental governance in the information age:the emergence of informational governance[J].Environment & Planning C Government & Policy,2006(24):497-514.

[10] ARTS K,IORIS A R,MACLEOD J A,et al.Environmental communication in the information age:institutional barriers and opportunities in the provision of river data to the general public[J].Environmental Science & Policy,2016(55):47-53.

[11] JOHANSSON L,EPITROPOU V,KARATZAS K,et al.Fusion of meteorological and air quality data extracted from the web for personalized environmental information services[J].Environmental Modelling & Software,2015(64):143-155.

[12] KARATZAS K,KUKKONEN J.Quality of life information services towards a sustainable society for the atmospheric environment[M].Thessaloniki:Sofia Publications,2009.

[13] 魏斌,张波,黄明祥.信息化推进环境管理创新的思考[J].环境保护,2015,43(15):38-41.

[14] GROSSMAN G M,KRUEGER A B.Economic growth and the environment[J].Quarterly Journal of Economics,1995,110(2):353-377.

[15] 包群,邵敏,杨大利.环境管制抑制了污染排放吗[J].经济研究,2013(12):42-54.

[16] PANAYOTOU T.Demystifying the environmental Kuznets curve:turning a black box into a policy tool[J].Environment and Development Economics,1997(2):465-484.

[17] DASGUPTA S,IAPLANTE B,WANG H,et al.Confronting the environmental Kuznets curve[J].Journal of Economic Perspectives,2002,16(1):147-168.

[18] MADDISON D.Environmental Kuznets curves:a spatial econometric approach[J].Journal of Environmental Economic and Management,2006,51(2):218-230.

[19] 许和连,邓玉萍.外商直接投资导致了中国的环境污染吗？——基于中国省际面板数据的空间计量研究[J].管理世界,2012(2):30-43.

[20] 吴玉鸣,田斌.省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证[J].地理研究,2012(4):627-640.

[21] ANSELIN L.Spatial econometrics:methods and models[M].Dordrecht:Kluwer Academic Publishers,1988.

[22] ANSELIN L,FLORAX RJGM,REY S J.Advanced in spatial econometrics:methodology,tools and applications[M].Berlin:Springer-Verlag,2004.

[23] ARROW K,BOLIN B,COSTANZA R,et al.Economic growth,carrying capacity,and the environment[J].Ecological Economics,1995,15(2):91-95.

[24] 符淼.我国环境库兹涅茨曲线：形态、拐点和影响因素[J].数量经济技术经济研究,2008(11):40-55.

[25] 袁鹏,程施.中国工业环境效率的库兹涅茨曲线检验[J].中国工业经济,2011(2):79-88.

[26] 张可,汪东芳.经济集聚与环境污染的交互影响及空间溢出[J].中国工业经济,2014(6):70-82.

The Spatial Effect of Internet Technology Progress to Regional Environmental Quality

Abstract：This paper analyzes the mechanism of Internet technology to environmental quality from four aspects:the dynamic monitoring of environment,the informatization of government environmental supervision,the deepening of public participation in environmental protection and the intelligentization of environmental protection industry at the first.Then,this paper investigates spatial correlation of Internet technology and environmental pollution (waste water,SO2,NOX,common industrial solid wastes) by exploratory spatial data analysis,and analyzes the spatial effect of Internet technology to environmental quality by spatial econometric model on the basis of Environmental Kuznets Curve (EKC).The result shows that spatial spillover effect of Internet technology and regional environmental pollution is both significant; Internet technological progress can significantly reduce environmental pollution and improve environmental quality; for different pollutants,the effect of economic growth on environmental quality is different.Finally,some suggestions are given to improve the regional environmental quality.

Key Words：Internet Technology; Environmental Quality; Spatial Effect; Economic Growth

基金项目：国家社会科学基金重点项目(12AZD108)；国家自然科学基金项目(71401052)；教育部创新团队项目(IRT13062)

作者简介：解春艳(1987-)，女，江苏南京人，河海大学商学院博士研究生，研究方向为环境经济学、环境管理；丰景春(1963-)，男，浙江金华人，博士，河海大学商学院教授、博士生导师，研究方向为项目管理；张可(1983-)，男，河南信阳人，博士，河海大学商学院副教授，研究方向为环境经济学、环境管理。