洞庭湖生態(tài)經(jīng)濟(jì)區(qū)環(huán)境治理效率時空分異及其影響因素

何 姣，李露露，焦 銳，劉星池

（1.湖南理工學(xué)院經(jīng)濟(jì)與管理學(xué)院，湖南岳陽 414006；2.湖南大學(xué)工商管理學(xué)院，湖南長沙 410082）

2023 年，國務(wù)院以國函〔2023〕9 號文件批復(fù)同意《新時代洞庭湖生態(tài)經(jīng)濟(jì)區(qū)規(guī)劃》，致力于推動洞庭湖生態(tài)經(jīng)濟(jì)區(qū)向更高層次發(fā)展。洞庭湖生態(tài)經(jīng)濟(jì)區(qū)（以下簡稱“湖區(qū)”）作為中國三大主要生態(tài)經(jīng)濟(jì)區(qū)之一，地跨湘鄂兩省四市一區(qū)，共33 個縣（市、區(qū)），規(guī)劃面積6.05 萬km2。近年來，為加快改善湖區(qū)生態(tài)環(huán)境質(zhì)量，政府主管部門陸續(xù)出臺了《湖南省洞庭湖水環(huán)境綜合治理規(guī)劃實施方案（2018—2025 年）》《洞庭湖生態(tài)環(huán)境專項整治三年行動計劃（2018—2020 年）》等一系列與湖區(qū)環(huán)境治理相關(guān)的政策文件。中央和省級生態(tài)環(huán)境保護(hù)督察組也多次針對洞庭湖生態(tài)環(huán)境保護(hù)統(tǒng)籌安排專項督察“回頭看”，以確保專項治理政策得到嚴(yán)格落實。根據(jù)湖區(qū)所屬縣（市、區(qū)）年度政府財政決算數(shù)據(jù)顯示，2017—2021 年湖區(qū)累計投入生態(tài)環(huán)境治理資金約400 億元?？傮w上看，湖區(qū)生態(tài)環(huán)境綜合治理成效明顯，但仍面臨湖泊萎縮、生態(tài)退化、“九龍治湖”等諸多難題，亟須科學(xué)測度該地區(qū)環(huán)境治理效率并揭示影響效率的關(guān)鍵因素，以實現(xiàn)湖區(qū)環(huán)境協(xié)同治理和推動湖區(qū)經(jīng)濟(jì)社會高質(zhì)量發(fā)展。

1 文獻(xiàn)綜述

為切實提高環(huán)境治理效率，實現(xiàn)人與自然和諧共生，學(xué)術(shù)界對環(huán)境治理效率研究提供了更多新的思路和技術(shù)支持，主要集中在環(huán)境治理效率的測度和影響因素分析兩個方面。關(guān)于環(huán)境治理效率測度，目前學(xué)者們多選擇熵權(quán)-TOPSIS 法、隨機前沿分析（stochastic frontier analysis,SFA）和數(shù)據(jù)包絡(luò)分析（data dnvelopment analysis,DEA）模型等進(jìn)行評價分析。其中，何偉等［1］、鄧正華等［2］分別基于長江、洞庭湖水資源視角，運用熵權(quán)-TOPSIS 法對其承載力進(jìn)行綜合評價，研究發(fā)現(xiàn)長江水資源承載力呈現(xiàn)穩(wěn)步提升態(tài)勢，洞庭湖則與之相反；黃萬華等［3］同樣運用該方法對長江水資源管理績效水平進(jìn)行了靜態(tài)評價及動態(tài)分析。徐維祥等［4］基于SFA 考察了全國和東中西部地區(qū)環(huán)境規(guī)制效率的時空差異性，相較而言，DEA 模型已成為目前環(huán)境治理效率或績效評價的主流方法［5］。從研究角度來看，學(xué)者們選擇將研究對象重點放在省域或流域環(huán)境效率等上，如景曉棟等［6］、張吉崗等［7］、馬駿等［8］和Pan 等［9］采用傳統(tǒng)DEA 模型分別探析區(qū)域生態(tài)環(huán)境效率、省域節(jié)能減排效率和長江經(jīng)濟(jì)帶生態(tài)補償效率的時空分異特征。另外，考慮到不同時間截面的綜合技術(shù)效率可能存在差異，向小東等［10］、胡振華等［11］、劉蒙罷等［12］、陳琦等［13］和周平［14］將超效率DEA或SBM 模型與Malmquist 指數(shù)相結(jié)合揭示環(huán)境或低碳效率的靜態(tài)空間異質(zhì)性和動態(tài)時間演變趨勢。

關(guān)于環(huán)境治理效率影響因素分析，學(xué)者們綜合考慮經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)和環(huán)境要素等對環(huán)境治理效率的直接或間接影響。其中，經(jīng)濟(jì)發(fā)展水平方面，常甜甜等［15］、楊騫等［16］、王兵等［17］、張新林等［18］和萬斯斯等［19］認(rèn)為人均地區(qū)生產(chǎn)總值（GDP）對環(huán)境治理效率產(chǎn)生明顯促進(jìn)效應(yīng)，而李青松等［20］和范如國等［21］研究表明經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)用水綠色效率和環(huán)境治理效率時空分異的影響作用呈減弱趨勢。產(chǎn)業(yè)結(jié)構(gòu)方面，韓晶［22］、葛世帥等［23］和咼亞玲等［24］發(fā)現(xiàn)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)對環(huán)境效率提升具有促進(jìn)作用，而王珊等［25］和王建華等［26］的研究認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)對環(huán)境效率提升沒有貢獻(xiàn)甚至存在反向作用。環(huán)境要素方面，鑒于有效減少與環(huán)境效率密切相關(guān)的污染物可提升效率水平，張婉玲等［27］、戢夢雪等［28］、陳詩一等［29］和張東敏等［30］將廢水、廢氣和固態(tài)廢物作為主要指標(biāo)對生態(tài)環(huán)境質(zhì)量進(jìn)行了深入探討。此外，還有學(xué)者考察了技術(shù)進(jìn)步、工業(yè)化水平等因素對環(huán)境治理效率的影響。如汪克亮等［31］通過Luenberger 生產(chǎn)率指數(shù)分解發(fā)現(xiàn)技術(shù)進(jìn)步對環(huán)境效率提升有很大的驅(qū)動作用，吳旭曉［32］則認(rèn)為環(huán)境效率的下降是由技術(shù)進(jìn)步無效率導(dǎo)致的結(jié)果；藺雪芹等［33］、崔葉辰等［34］發(fā)現(xiàn)工業(yè)化水平的提升會導(dǎo)致效率普遍偏低。

通過對現(xiàn)有文獻(xiàn)梳理發(fā)現(xiàn)，以往研究多集中在省域?qū)用婀まr(nóng)業(yè)環(huán)境效率或績效、長江經(jīng)濟(jì)帶或湖區(qū)水資源利用效率及其影響因素等方面，鮮有文獻(xiàn)對湖區(qū)縣域?qū)用娴沫h(huán)境治理效率及其影響因素開展深入研究。因此，本文選取湖區(qū)范圍內(nèi)的岳陽、常德和益陽3 個地級市下轄24 個縣（市、區(qū)）為研究對象，運用非期望產(chǎn)出超效率SBM—Malmquist 指數(shù)模型測度2017—2021 年湖區(qū)環(huán)境治理效率以探究其時空分異特征，并借助Tobit 回歸模型揭示影響其環(huán)境治理效率的因素，以期為提升湖區(qū)環(huán)境治理水平提供參考依據(jù)。

2 研究方法

2.1 非期望產(chǎn)出超效率SBM 模型

數(shù)據(jù)包絡(luò)模型是早在1978 年提出的針對同類型多投入、多產(chǎn)出決策單元（decision making units,DMU）進(jìn)行有效性評價的非參數(shù)方法［35］。而2001年Tone［36］基于傳統(tǒng)DEA 提出的非期望產(chǎn)出超效率SBM 模型，已被Wang 等［37］、李俊霞等［38］、錢麗等［39］、Wang 等［40］廣泛應(yīng)用于生態(tài)環(huán)境效率、資源配置效率、創(chuàng)新效率和能源效率等研究領(lǐng)域，該模型不僅克服了傳統(tǒng)DEA 測度效率值不能跨期比較的缺陷，也充分考慮了非期望產(chǎn)出?；诖耍疚牟捎梅瞧谕a(chǎn)出超效率SBM 模型測度湖區(qū)環(huán)境治理效率，該模型見公式（1）至（2）：

2.2 Malmquist 指數(shù)模型

非期望產(chǎn)出超效率SBM 模型雖然考慮了非期望產(chǎn)出所帶來的影響，但無法揭示環(huán)境治理效率動態(tài)變化情況。基于Fare 等［41］提出的Malmquist 指數(shù)模型，本文旨在運用技術(shù)效率和技術(shù)進(jìn)步變化指數(shù)評估湖區(qū)環(huán)境治理全要素生產(chǎn)率，以直觀揭示環(huán)境治理技術(shù)進(jìn)步時超效率前沿面的變化趨勢。該模型見公式（3）：

2.3 Tobit 回歸模型

由于湖區(qū)環(huán)境治理效率的取值范圍在0～1之間，屬于受限因變量，若采用傳統(tǒng)的最小二乘法將導(dǎo)致系數(shù)估計偏誤。因此，本文選擇Tobit 模型可以用于解決受限因變量建模問題，具體見公式（5）：

3 變量選取及數(shù)據(jù)來源說明

3.1 投入和產(chǎn)出變量

根據(jù)超效率SBM 的投入產(chǎn)出框架，本文參考董會忠等［42］、盧麗文等［43］的研究成果并考慮數(shù)據(jù)可獲得性，構(gòu)建了湖區(qū)環(huán)境治理效率的評價指標(biāo)體系。其中，選取環(huán)境治理投入和能源投入兩個指標(biāo)作為投入變量，環(huán)境治理投入采用縣（市、區(qū)）政府財政年度報告中披露的節(jié)能環(huán)保支出進(jìn)行衡量，能源投入則采用包括三大產(chǎn)業(yè)用電和居民生活用電的全社會用電量。產(chǎn)出變量中的期望產(chǎn)出包括空氣質(zhì)量達(dá)標(biāo)率、污水處理率、森林覆蓋率3 個指標(biāo)；非期望產(chǎn)出選取各縣（市、區(qū)）水質(zhì)綜合指數(shù)作為代理變量，其數(shù)值越小說明水環(huán)境質(zhì)量狀況越好，反之則越差。

3.2 解釋變量

湖區(qū)環(huán)境治理效率還受到經(jīng)濟(jì)發(fā)展水平、地理環(huán)境、資源稟賦和政策制度等諸多因素影響，但由于客觀條件限制和模型本身局限難以將所有因素考慮進(jìn)來。因此，參考劉偉等［44］、程鈺等［45］、馮雨豪等［46］的研究，選取各縣（市、區(qū)）第二產(chǎn)業(yè)占比、規(guī)模以上工業(yè)資產(chǎn)、人均GDP、人均可支配收入、糧食播種面積與農(nóng)作物總播種面積比值和有效灌溉面積六項指標(biāo)作為影響環(huán)境治理效率的解釋變量。表1 總結(jié)了湖區(qū)環(huán)境治理效率的投入、產(chǎn)出和解釋變量，并對具體指標(biāo)及其數(shù)據(jù)來源進(jìn)行了說明。

表1 洞庭湖生態(tài)經(jīng)濟(jì)區(qū)環(huán)境治理效率評價指標(biāo)

4 環(huán)境治理效率時空分異及其影響因素分析

4.1 環(huán)境治理效率靜態(tài)分析

基于本文構(gòu)建的評價指標(biāo)體系和采集的變量數(shù)據(jù)，運用MaxDEA 軟件測算2017—2021 年湖區(qū)3市下轄24 縣（市、區(qū)）環(huán)境治理效率值，并借助ArcGIS 軟件直觀呈現(xiàn)環(huán)境治理效率的空間分布情況，如圖1 所示。從圖1 可以看出，湖區(qū)環(huán)境治理效率整體呈現(xiàn)先下降、后上升、再下降的波動趨勢，下降幅度達(dá)9%，僅2019—2020 年出現(xiàn)正增長。

圖1 2017—2021 年洞庭湖生態(tài)經(jīng)濟(jì)區(qū)環(huán)境治理綜合效率分布

從地級市層面來看，湖區(qū)環(huán)境治理效率按照從高到低排序分別是岳陽市、益陽市和常德市，其效率均值分別為0.66、0.63 和0.62。岳陽市高于其他兩個地區(qū)的原因為，近年來岳陽市政府陸續(xù)出臺實施了《岳陽市洞庭湖生態(tài)環(huán)境專項整治三年行動實施方案（2018—2020）》《岳陽市東洞庭湖國家級自然保護(hù)區(qū)條例》和《岳陽市城市規(guī)劃區(qū)山體水體保護(hù)條例》等一系列與環(huán)境治理相關(guān)的政策文件，為開展專項整治行動提供了政策保障。另外，目前洞庭湖生態(tài)環(huán)境監(jiān)測主要集中在岳陽市境內(nèi)的東洞庭湖區(qū)域，其下設(shè)的6 個監(jiān)測站著力對湖區(qū)環(huán)境治理各個環(huán)節(jié)進(jìn)行質(zhì)量控制。正是由于政策和監(jiān)控的雙重保障，使得岳陽市整體環(huán)境治理能力穩(wěn)步提升。

從縣域?qū)用鎭砜矗^(qū)環(huán)境治理效率均值普遍偏低，僅極個別地區(qū)效率值大于1，且主城區(qū)效率值明顯優(yōu)于其他地區(qū)。其中，武陵區(qū)、安化縣和岳陽樓區(qū)環(huán)境治理效率均值以1.01、0.98 和0.96 位居前列。究其原因為武陵區(qū)和岳陽樓區(qū)分別為常德市和岳陽市的主城區(qū)，其在地區(qū)政治、經(jīng)濟(jì)、文化等方面發(fā)揮著主體功能作用，在環(huán)保資金投入、環(huán)保政策執(zhí)行以及輿論監(jiān)督等方面更有優(yōu)勢；安化縣作為國家級重點生態(tài)功能區(qū)，在推動地區(qū)環(huán)境治理效率提升方面具有較好的前期基礎(chǔ)和實踐經(jīng)驗。而環(huán)境治理效率最低的沅江市，雖然在2017—2021 年累計節(jié)能環(huán)保投入達(dá)14 億元，但其污水處理率和空氣質(zhì)量達(dá)標(biāo)率仍落后于其他地區(qū)，這表明環(huán)境治理效率的提升不完全依賴于投入資金，長期綜合治理過程也至關(guān)重要。

4.2 環(huán)境治理效率動態(tài)分析

為進(jìn)一步揭示湖區(qū)24 個縣（市、區(qū)）環(huán)境治理效率的動態(tài)變化趨勢，本文引入Malmquist 指數(shù)從時間和空間兩個維度對其進(jìn)行測算分析，如表2 和圖2 所示。

表2 洞庭湖生態(tài)經(jīng)濟(jì)區(qū)環(huán)境治理Malmquist 指數(shù)均值及其分解

從時間維度來看，2017—2021 年湖區(qū)全要素生產(chǎn)率均值為0.976，年均降低2.4%，呈現(xiàn)“先下降，后上升，再下降”的波動趨勢。而技術(shù)效率和技術(shù)進(jìn)步年均增長率為-2.5%和0.1%，可見湖區(qū)環(huán)境治理技術(shù)水平的改進(jìn)作用相對有限，其管理水平、資源配置效率亟需提高。按時間階段劃分，湖區(qū)全要素生產(chǎn)率僅在2019—2020 年間有所增長，主要依賴于環(huán)境治理科技水平的提高，其技術(shù)效率指數(shù)不升反降這可能與各縣（市、區(qū)）生態(tài)環(huán)境管理的政策和方法緊密相關(guān)。而其他3 個時間階段存在明顯的短板效應(yīng)，尤其是2017—2018 年和2018—2019 年全要素生產(chǎn)率降幅分別高達(dá)11.6%、13.1%。雖然湖區(qū)環(huán)境治理投入要素的配置結(jié)構(gòu)較為合理，但技術(shù)創(chuàng)新難以促進(jìn)湖區(qū)環(huán)境治理的發(fā)展。相較而言，2020—2021 年全要素生產(chǎn)率呈小幅下降態(tài)勢，其技術(shù)進(jìn)步的提升無法彌補技術(shù)效率的下降。因此，今后湖區(qū)環(huán)境治理不僅要加強科技水平和技術(shù)創(chuàng)新，也要注重技術(shù)要素的投入及其資源配置。

從空間維度來看，全要素生產(chǎn)率呈現(xiàn)“常德市＞益陽市＞岳陽市”的空間格局。其中，岳陽市技術(shù)效率下降幅度高達(dá)7.1%，可見技術(shù)進(jìn)步所產(chǎn)生的正面效應(yīng)不足以抵消技術(shù)效率的負(fù)面效應(yīng)。益陽市則由于技術(shù)進(jìn)步出現(xiàn)2.1%的衰退，導(dǎo)致環(huán)境治理效率降低，故需增強環(huán)境治理技術(shù)的開發(fā)和應(yīng)用以提升其技術(shù)創(chuàng)新水平。相較而言，常德市屬于雙驅(qū)動型，其全要素生產(chǎn)率增長受技術(shù)效率和技術(shù)進(jìn)步的共同影響。具體到縣域?qū)用妫A容縣、岳陽縣、津市市、澧縣、臨澧縣、桃源縣、石門縣、赫山區(qū)和沅江市9 個縣（市、區(qū)）全要素生產(chǎn)率呈增長態(tài)勢，漲幅最大的是津市市（27.6%），其次是沅江市（12.3%）和臨澧縣（9%）。而除漢壽縣降幅高達(dá)20%外，其他地區(qū)全要素生產(chǎn)率呈現(xiàn)略微下降趨勢，下降幅度均控制在10%左右。降幅較大的漢壽縣、云溪區(qū)和湘陰縣技術(shù)效率均小于1，可見技術(shù)效率的降低是影響其全要素生產(chǎn)率提高的重要阻力。

4.3 環(huán)境治理效率的影響因素分析

運用Tobit 回歸模型分析前文6 個解釋變量對湖區(qū)環(huán)境治理效率的影響，如表3 所示。從表中可以看出：（1）第二產(chǎn)業(yè)占比、糧食播種面積與農(nóng)作物總播種面積比值與環(huán)境治理效率呈負(fù)相關(guān)性，但未通過顯著性檢驗，說明第二產(chǎn)業(yè)占比、農(nóng)業(yè)種植結(jié)構(gòu)對環(huán)境治理效率會產(chǎn)生一定的抑制作用。（2）規(guī)模以上工業(yè)資產(chǎn)回歸系數(shù)為正且在5%的水平上顯著，每增長1 億元可提高12.26%的環(huán)境治理效率，不僅反映規(guī)模以上工業(yè)加大了對生態(tài)保護(hù)資金、技術(shù)、人力等方面的投入，也進(jìn)一步說明湖區(qū)應(yīng)積極推動工業(yè)向高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)型。（3）有效灌溉面積與環(huán)境治理效率存在顯著負(fù)相關(guān)關(guān)系，雖然擴大灌溉面積能夠促進(jìn)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展，但環(huán)境治理負(fù)面作用遠(yuǎn)遠(yuǎn)大于對經(jīng)濟(jì)增長的正面作用。究其原因可能為，長期以來當(dāng)?shù)鼐用褚揽亢^(qū)氣候濕潤、水資源充足等條件進(jìn)行傳統(tǒng)人工灌溉的方式導(dǎo)致?lián)p水量增大，在一定程度上將加劇水污染、水土流失等多重負(fù)效應(yīng)。（4）人均可支配收入回歸系數(shù)為負(fù)且滿足1%顯著，其原因為人均可支配收入較高地區(qū)的經(jīng)濟(jì)發(fā)展主要通過密集型生產(chǎn)和消費實現(xiàn)，而企業(yè)生產(chǎn)經(jīng)營活動對環(huán)境的污染和生產(chǎn)消費的其他后果往往被排除在經(jīng)濟(jì)決策之外，從而間接導(dǎo)致湖區(qū)環(huán)境治理效率下降。（5）人均GDP 對環(huán)境治理效率呈1%顯著的正向影響，表明當(dāng)?shù)貐^(qū)經(jīng)濟(jì)水平持續(xù)發(fā)展并到達(dá)一定高度時，會引起地方政府對其環(huán)境治理的關(guān)注，促進(jìn)當(dāng)?shù)丨h(huán)境法規(guī)制定與實施和環(huán)保技術(shù)的使用。

表3 面板隨機效應(yīng)Tobit 模型估計結(jié)果

5 研究結(jié)論與政策建議

5.1 研究結(jié)論

基于非期望產(chǎn)出超效率SBM—Malmquist 指數(shù)模型對2017—2021 年洞庭湖生態(tài)經(jīng)濟(jì)區(qū)環(huán)境治理效率進(jìn)行測度以探究其時空分異特征，在此基礎(chǔ)上利用Tobit 回歸模型實證分析湖區(qū)環(huán)境治理效率的影響因素。通過本文研究主要得出以下3 點結(jié)論：

（1）湖區(qū)環(huán)境治理效率整體水平偏低，且在空間上存在明顯的不平衡性。在地級市層面，湖區(qū)環(huán)境治理綜合效率呈現(xiàn)“岳陽市＞益陽市＞常德市”的空間分布格局；在縣域?qū)用妫瑑H武陵區(qū)等個別地區(qū)表現(xiàn)出強DEA 有效，且地級市主城區(qū)效率值明顯優(yōu)于其他地區(qū)。

（2）湖區(qū)環(huán)境治理全要素生產(chǎn)率呈現(xiàn)先下降、后上升、再下降的變化趨勢，技術(shù)效率和技術(shù)進(jìn)步交錯影響是導(dǎo)致這一變化的主要原因。另外，地級市層面的常德市，縣域?qū)用娴娜A容縣、岳陽縣、津市市等9 個縣（市、區(qū)）全要素生產(chǎn)率呈現(xiàn)出增長趨勢。

（3）人均GDP 和規(guī)模以上工業(yè)資產(chǎn)對湖區(qū)環(huán)境治理效率存在正向顯著影響，而第二產(chǎn)業(yè)占比、人均可支配收入、農(nóng)業(yè)種植結(jié)構(gòu)和有效灌溉面積則存在抑制作用，尤以人均可支配收入和有效灌溉面積的負(fù)向影響更為顯著。

5.2 政策建議

基于上述研究結(jié)論，本文從以下3 個方面提出提升湖區(qū)環(huán)境治理效率的政策建議。

（1）構(gòu)建區(qū)域協(xié)同機制，優(yōu)化配置環(huán)境治理資源。針對目前湖區(qū)環(huán)境治理整體效率偏低、地區(qū)差異明顯的問題，湖區(qū)三市應(yīng)在現(xiàn)有區(qū)域合作框架內(nèi)，建立集環(huán)境保護(hù)、治理和監(jiān)管于一體的區(qū)域環(huán)境治理協(xié)同機制。在具體操作上：首先，應(yīng)結(jié)合湖區(qū)現(xiàn)實情況，構(gòu)建科學(xué)的環(huán)境治理效率評估機制，以引導(dǎo)各地區(qū)環(huán)境治理資源要素的合理配置；其次，深化湖區(qū)各級層面的協(xié)同合作，充分發(fā)揮武陵區(qū)、安化縣等環(huán)境治理綜合效率相對較高地區(qū)的示范引領(lǐng)作用，鼓勵這些地區(qū)在環(huán)境治理政策制定與實施、關(guān)鍵技術(shù)手段和平臺數(shù)據(jù)資源等方面實現(xiàn)區(qū)域共享，從而縮小湖區(qū)環(huán)境治理的空間差異。第三，各地級市政府應(yīng)在綜合考慮縣域經(jīng)濟(jì)發(fā)展水平、資源要素稟賦、產(chǎn)業(yè)結(jié)構(gòu)特征等因素的基礎(chǔ)上，做好各縣（市、區(qū)）環(huán)境治理資源規(guī)劃，避免資源要素對主城區(qū)過分傾斜，從而實現(xiàn)縣域間環(huán)境治理資金、人才、技術(shù)等資源的最優(yōu)化配置。

（2）加大技術(shù)創(chuàng)新力度，提升環(huán)境治理全要素生產(chǎn)率。針對技術(shù)效率與技術(shù)進(jìn)步變化對提升湖區(qū)環(huán)境治理全要素生產(chǎn)率水平不高的問題，需要優(yōu)化配置技術(shù)創(chuàng)新所需資金、人才等資源要素，促進(jìn)湖區(qū)環(huán)境治理技術(shù)上的引進(jìn)、轉(zhuǎn)化與開發(fā)。具體而言，岳陽樓區(qū)、云溪區(qū)、汨羅市等10 個受技術(shù)進(jìn)步制約的地區(qū)應(yīng)側(cè)重于加大環(huán)境治理資金的投入力度和專業(yè)管理、技術(shù)人才的引進(jìn)力度，通過稅收減免、購房補貼、綠色信貸等多重優(yōu)惠政策吸引高新環(huán)保技術(shù)企業(yè)和人才；而君山區(qū)、鼎城區(qū)、武陵區(qū)等8 個受技術(shù)效率制約的地區(qū)則應(yīng)在現(xiàn)有環(huán)境治理資源約束下，確保環(huán)境治理資金?？顚Ｓ?，并通過改善環(huán)境治理資源投入的方向和廣度以提升環(huán)保資源投入的規(guī)模效應(yīng)。

（3）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)布局，推進(jìn)生態(tài)環(huán)境高質(zhì)量發(fā)展。以綠色發(fā)展推動農(nóng)業(yè)現(xiàn)代化和加快第二產(chǎn)業(yè)轉(zhuǎn)型升級是提升湖區(qū)環(huán)境治理效率的治本之策。因此，應(yīng)結(jié)合湖區(qū)三市農(nóng)業(yè)農(nóng)村現(xiàn)代化“十四五”規(guī)劃提出的農(nóng)業(yè)產(chǎn)業(yè)特色發(fā)展布局，借助現(xiàn)代工業(yè)設(shè)備和數(shù)字技術(shù)手段打造綠色高效和綠色現(xiàn)代農(nóng)業(yè)高地，并持續(xù)推進(jìn)化肥、農(nóng)藥、農(nóng)膜等農(nóng)業(yè)投入品減量使用。同時，針對湖區(qū)三市產(chǎn)業(yè)結(jié)構(gòu)不合理，第二產(chǎn)業(yè)占比偏高問題，加快第二產(chǎn)業(yè)向服務(wù)業(yè)的轉(zhuǎn)型升級，淘汰高污染、高能耗、高排放的落后產(chǎn)能，提高產(chǎn)業(yè)創(chuàng)新能力和技術(shù)水平；開發(fā)推廣低碳清潔能源及節(jié)能低碳技術(shù)，有效構(gòu)建綠色低碳的現(xiàn)代產(chǎn)業(yè)體系，以推動湖區(qū)生態(tài)環(huán)境高質(zhì)量發(fā)展。

注釋：

1）考慮2017—2018 年湖南省生態(tài)環(huán)境廳《縣（市、區(qū)）地表水考核斷面水環(huán)境質(zhì)量情況排名》數(shù)據(jù)缺失問題，本文基于2019—2021 年原始數(shù)據(jù)采用幾何平均值方法對缺失值進(jìn)行補充。