基于高程的环境库兹涅茨曲线实证分析

摘要 本文利用GIS的空间分析技术，以高程带为取样单元，研究在高程带上三种主要的大气污染物与经济发展之间的定量关系。以重庆市为例，验证环境库兹涅茨在高程上是否存在。研究结果发现，污染物浓度随高程的增加呈非单调下降的趋势，人均GDP随高程的增加先增大后减小。在高程上，污染物浓度与经济发展之间的关系和两者在时间序列和国别(或地区)序列上环境库兹涅茨曲线研究的结论相似。其中，TSP和NOx分别与人均GDP之间呈较稳定的呈“N”形和倒“U”形关系，受人口密度和高程影响较大；而SO2与人均GDP之间关系不稳定。

关键词 环境库兹涅茨曲线 高程 大气环境质量 经济发展 重庆市

中图分类号 X820.2

文献标识码 A

文章编号 1002-2104(2007)02-0048-07

大气环境质量与经济发展之间相互关系的定量化研究，起始于环境库兹涅茨曲线(Environmental Kuznets Curve，EKC)的提出[1]。随着1992年世界银行《世界发展报告》后，EKC的概念逐渐被人们所熟知，对它的研究随即便在全球范围内展开[2]。Grossman & Krueger (1991)，Panayotou (1993)，Selden & Song(1994)，Panayotou (1997)，Torras & Boyce(1998)，List & Gallet(1999)，Hettige & Mani et al(2000)，Stern & Common(2001)，Lindmark(2002)，Cole (2004) 等人利用时间序列数据或者同一时间的国别(地区)数据，对大气污染物浓度(或排放量)与经济发展(人均GDP)之间的关系做过深入的研究，其中对SO2的研究最多。这些研究表明，虽然因使用的计量经济学模型不同，结果有所差异，但主要的大气污染物与收入之间存在倒“U”形关系，拐点大部分处于中等收入国家水平[1，3～11]。20世纪90年代后期以来，结合时间序列数据和国别数据形成的面板数据(panel data)，对EKC的研究逐渐成为热点。国内EKC研究起步较晚，例如，张晓(1999)，凌亢、王浣尘等(2001)，范金、胡汉辉(2002)，陈华文、刘康兵(2004) ，王西琴、李芬(2005)等人对一些省市或城市的部分环境指标进行了实证分析，虽然拐点相差较大，但大部分污染物浓度与人均GDP之间的关系服从EKC规律[12～16]。 纵观国内外十多年来对EKC的实证研究成果，不难发现，这些研究的数据取样有三种：基于一个国家或地区，在时间序列即纵向上取样；基于同一年份多个国家或地区的横向取样；以及结合两者进行的面板数据[17]。然而，大气环境质量与经济发展在高程上的相关性如何，高程上EKC是否存在，国内外均未有报道。

随高程的增加，物资和能量随之发生变化，导致气候、动力地貌过程、生物和土壤的垂直分异，使得人口分布、文化传播、土地利用方式以及社会经济的发展都带有明显的地带性。虽然，对诸如光热、气温、水分、植被、土壤、地貌等自然要素和人口、聚落、民族等人文要素进行过研究；但是，在山地垂直分布研究中，人文要素和自然要素之间的相互作用、相互影响的综合研究还比较欠缺[18]。然而，这是一个迫切需要研究的课题，因为这涉及到我国大江大河源头山区的生态环境保护、土地和生物资源的合理开发利用、聚落空间分布和演变等重要问题。因此，本文以典型的山区城市――重庆市为例，沿高程带对三种主要大气污染物浓度、人口、人均GDP等要素进行取样，分析两类要素之间的相关性，并对环境库兹涅茨曲线进行实证分析，为山地生态环境脆弱区协调环境保护与经济发展，实施可持续发展提供重要的理论依据。

1 大气环境质量与经济发展在高程上的分布特点

1.1 研究区概况

重庆市介于105°17′～110°11′E，28°10′～32°13′N之间，位于青藏高原与长江中下游平原的过渡地带，气候属亚热带季风性湿润气候。重庆市东西长约470km，南北宽约450km，面积8.24万km2，共辖40个区县。在辖区内，北有大巴山，东有巫山，东南有武陵山，南有大娄山，地形由南北向长江河谷倾斜，山地、丘陵面积约占90%，高差达2000m以上。城镇主要分布在长江、嘉陵江、乌江等江河沿线，以中心城区为依托，构成了大、中、小城镇有机结合的组团式、网络化的现代城镇群。由于人口众多，加之受特殊地形的影响，大气污染严重，属于我国酸雨和SO2控制区。直辖以来经济飞速发展，城市人口、城市工业和交通规模也不断增加，大气污染已成为制约重庆市发展的重要因子之一[19]。

1.2 数据准备和预处理

韩贵锋等：基于高程的环境库兹涅茨曲线实证分析中国人口・资源与环境 2007年 第2期环境监测数据和社会经济数据均基于行政区划统计，即将同一行政单元内的污染物浓度和经济发展视为均匀分布，这与现实中污染物和经济强弱在空间上连续渐变分布不相符。因此，必须把以行政区划为统计单元的离散数据转化为空间连续渐变的栅格数据。本文使用地统计(Geostatistics)方法将各区县的离散浓度值、人均GDP、人口数据内插生成栅格图。地统计方法突破了经典统计学的限制，综合考虑变量的结构性和随机性，为研究空间现象和规律提供了实用工具[20～22]。具体插值在ArcGIS9.0中进行，选择其中最常用的普通克里金方法。

在ArcGIS环境下，将重庆市(2002)各区县的TSP、SO2、NOx浓度值输入相应的属性表中(注：重庆市环境监测中心，重庆市环境保护局，重庆市环境质量报告书(2002)，2003.)。启动地统计模块，经过多次试验，选用球状模型(Spherical Model)内插，输出栅格尺寸为1km×1km。高程数据来自美国地质调查局[23]，空间分辨率为30′′，即1km。1km精度DEM可以满足大中尺度范围内的地形模拟、生态学研究和气象要素的空间插值等[24]。将DEM分别与上述经插值得到的3种污染物浓度栅格图层、人口密度图层以及人均GDP图层叠加。使用空间分析，按100m将重庆市高程划分为27个高程带。再使用Zonal statistic工具，统计出每个高程带内的污染物平均浓度、人均GDP和人口密度。将统计结果(.dbf)导入 Excel和SPSS软件中，经过整理得到统计结果，如表1、图1和图2所示。

1.3 污染物、GDP和人口沿高程的分布特点

由表1可知，人均GDP随高程的增加呈单调递减趋势，但是在不同高程带内相差较大。在海拔高程500m以下的各高程带，经济发达，人均GDP较高，最高为9 310元/人(2002年现价，下同)，位于100m高程下地区；最低为2 845.87元/人，位于2 600m以上地区。

三种污染物在高程700m以下变化较复杂，大于700m的地区基本呈下降趋势。其中，TSP随高程的变化较大，先在100m高程内平均浓度达到最大，100～200m地区浓度又降到最小，然后增加至700m高程地区，浓度达到平稳，围绕0.23mg/m3的水平上下波动。TSP最高浓度分布在100m以下的地区，较高的浓度分布在500～2000m的高程范围内，最低浓度处在2 600m以上的地区；SO2最高浓度分布在600～700m的高程带内，较高浓度分布在700～900m的高程范围内，最低浓度分布在2 600m以上的地区；NOx最高浓度位于100～200m高程带内，较高浓度分布在200～700m的地区，最低浓度分布在2 600m以上地区。三种污染物浓度在高程上的分布都呈现中间高两头低的现象，即中部山区的浓度高；低山区和高山区的浓度低，尤其是2 600m以上的高山区，三种污染物的浓度均最低。

在高程上SO2与NOx的浓度分布有较高的相关性，两者之间的相关系数为0.77；SO2与TSP之间的相关性较弱，相关系数只有0.59；而TSP与NOx之间相关系数只有0.08，几乎不相关。三者在空间分布上的相关性与污染物的性质和在大气中的迁移转化规律有密切的关系。由于受到重庆特殊地形的影响，大气污染物向区外迁移的能力有限，SO2与NOx在大气中得到稀释后，主要靠化学作用转化为其他中间产物并与水汽结合成气溶胶，然后随雨沉降，故在大气中的停滞时间比较长；而TSP在大气中极易受雨水冲刷而沉降，同时植被叶面还能吸附部分TSP，它主要发生物理作用，因此在空中滞留时间相对较短。

对比大气环境质量标准，TSP的年平均浓度在100～200m、200～300m以及>2600m的三个高程带内均达到二级标准，占总面积的25%；在其余各高程带内，只能达到三级标准，面积比为75%。对于SO2 的年平均浓度，在

从图2可以看出，人口密度在200～300m的高程内最大，300～400m内次之，人口密度大小反映出人类活动的强弱。然而，TSP浓度在低海拔地区反而较小。这是因为，重庆地处山区，低海拔的老城区面积十分有限，开发建设活动基本达到饱和。1997年重庆直辖后，各项生产规模迅速扩大，大量的市政工程、建筑活动以及工业工程项目不得不在郊区及海拔较高的地区进行。同时，由于重庆长期以来大气环境质量较差，但近些年主城区大气防治力度大大加强，诸如主城区“蓝天行动”等计划的顺利实施，从而使得地处低海拔的主城区的TSP浓度并非最大。SO2浓度随高程的分布与人口密度随高程的分布相似，其中SO2浓度在高程为700～800m范围内达到最大值，在此高程带内人口密度也较高；随着高程继续增加，SO2浓度呈持续下降趋势。NOx浓度随高程的增加，呈现单调下降趋势。

2 在高程上环境库茨涅茨曲线的实证分析

2.1 线型拟合与分析

以上数据显示，随着高程的增加，大气污染物浓度和人均GDP随高程的变化并非一致。为定量化分析污染物浓度与经济发展之间的关系，本文暂且用人均GDP来衡量经济发展状况。以人均GDP为横坐标，单位为，元/人；分别以三种污染物浓度为纵坐标，为作图和显示方便，将污染物浓度单位转化为μg/m3，即将原始数据扩大1000倍，得到散点图。然后分别利用线形、对数、多项式、乘幂以及指数等函数对散点图进行拟合。比较拟合结果发现，TSP和SO2浓度分别与人均GDP之间存在明显的三次多项式关系，即“N”形关系；而NOx浓度与人均GDP之间存在显著的二次多项式关系，即倒“U”形关系，即只有NOx服从EKC规律。拟合结果见图3，拟合方程系数均通过了95%置信度检验。

TSP浓度与人GDP之间的三次多项式拟合效果较好，R2=0.91，F=74.71。即在高程上，TSP浓度随人均GDP的增加，呈现出先增大后减小再增加的变化趋势。拟合曲线有两个拐点，对应的人均GDP分别为4 344元/人和7 628元/人。第一个拐点对应TSP浓度的极大值，为227.13μg/m3；第二个拐点对应其极小值，为185.06μg/m3。SO2浓度与人均GDP之间的关系和TSP浓度与人均GDP之间关系极其相似，也呈明显的“N”形关系，曲线的拟合效果好，R2=0.9，F=71.79。即SO2浓度随人均GDP的增大也呈现出先增大后下降再增大的变化趋势，两个拐点处的人均GDP大约分别为5 107元/人和8 490元/人。第一个拐点对应SO2浓度的极大值，为84.04μg/m3；第二个拐点对应其极小值，为60.27μg/m3。TSP和SO2分别与人均GDP之间的关系，只在中高海拔地区呈现出局部的倒“U”形关系，而在整体上均为“N”形关系。但是，SO2两个拐点对应的人均GDP均比TSP要高，在拐点处的代表性高程却比TSP低，即向低海拔方向下移。NOx与人均GDP之间的关系比较单一，二次多项式拟合效果好，拟合优度R2=0.96，F=264.91，即两者之间具有典型的环境库兹涅茨倒“U”形曲线特征。拐点人均GDP为6 808元，对应的NOx浓度为27.79μg/m3，代表性高程为300m左右。

2002年末，重庆市人均GDP为6 345元/人[25]。对于三种污染物，如果为“N”形关系，则全市人均GDP已经跨越了第一个拐点，但位于两个拐点之间；如果为倒“U”形关系，则处在拐点附近。这说明，重庆直辖以来，经济得到了前所未有的高速发展，大气环境保护尤其对SO2和NOx的治理方面卓有成效。在曲线上可以看出，在低海拔部分地区已经跨越了拐点。随着经济的发展，科技的不断进步，一方面提高了能源和资源的利用效率，产生的污染物相应减少；另一方面将更多地采用清洁生产工艺和清洁能源，环境质量就逐渐得到改善。

2.2 双对数模型拟合与分析

目前的EKC研究，无论使用时间序列数据、国别数据还是面板数据，双对数模型是常用的。本文在高程带上取样，数据来源与当前EKC研究所用数据来源既然不同，然而通过以上线型分析，我们发现三种污染物与人均GDP之间的关系仍然属于现代EKC所具有的“N”形和倒“U”形的范畴。为了进一步探索污染物与经济之间在高程上的相互关系，采取通用的双对数回归模型进行分析，双对数模型的基本形式如下(1)式[14，26]。由于人口具有明显的垂直地带性特征，而且人口的分布对经济发展和大气环境质量的影响也是直接的。因此，在具体模拟过程中，除了使用双对数基本模型模拟外，还分别使用了考虑人口密度因素、高程带平均高程以及同时考虑这两个附加变量的三个衍生模型，其模型如下。

ln(Pc)=α1+β1ln(GDP/P)+γ1(ln(GDP/P))2(1)

l n(Pc)=α2+β2ln(GDP/P)+γ2(ln(GDP/P))2+

ω2ln(POP)(2)

lnN(Pc)=α3+β3ln(GDP/P)+γ3(ln(GDP/P)) 2+

ω3ln(AVH)(3)

lnN(Pc)=α4+β4ln(GDP/P)+γ4(ln(GDP/P)) 2+

ω4ln(POP)+λ4ln(AVH)(4)

在以上各式中：PC为污染物浓度(μg/m3)；GDP/P为人均GDP(元/人)；POP为人口密度(人/km2)；AVH为高程带的平均高程(m)；αi(i=1，2，3，4)为常数项；βi、γi(i=1，2，3，4)、ωi(i=2，3，4)和λ4均为系数。分别将三种污染物浓度数据和人口密度数据及对应的高程带平均高程代入以上各式，利用SPSS软件进行回归模拟，各项参数的估计结果如表3～5所示。在表中，GDPR表示拐点处对应的人均GDP；Ŕ2为调整的拟合优度值；*表示该系数t检验值的相伴概率值大于0.05，即系数与0没有显著差别。

对于TSP，当不考虑人口密度因素时拟合效果不理想，R2仅为0.3；考虑人口密度时，R2增大为0.59，同时F值也明显增大。这说明TSP的分布与人口的分布是密切相关的。如果考虑高程，高程项的系数和常数项不显著，R2和F也较小，即加入高程变量的模型不可靠；如果同时加入人口密度和高程两个附加变量，模型效果较好。但是，这些模型和线型模型相比，拟合效果不佳，得到的拐点可信度不高。这进一步说明，TSP和人均GDP之间的关系是不稳定的。对于SO2，当考虑人口密度和高程时，R2可高达1，F值也很大，但是部分系数不能通过检验。相反，在不考虑人口密度时，各项检验参数都比较理想，得到拐点处的人均GDP为5 515元/人，介于线型模型的两个拐点之间。对于NOx，线型模型和简单的双对数模型(模型1)模拟的结果很相似，且F值较大，拐点对应的人均GDP为6500元/人，与线型模型的拐点比较接近。在考虑人口密度和高程时，R2和F值都较大，但系数不能通过检验。

总之，用双对数模型模拟可以得出，三种污染物中，只有TSP与人口分布和高程因子有关，它与人均GDP之间的关系比较复杂；笔者尝试使用双对数三次方模型估计，发现仍然是不考虑人口密度效果好，而且R2可以达到0.78，各项检验值均能通过，这进一步说明，在高程上TSP确实和人均GDP之间有着“N”形曲线关系。而SO2和NOx的分布与人口密度和高程的相关性不强，和人均GDP之间关系较简单，均呈倒“U”形关系。

3 结论与讨论

3.1 结论

(1)三种污染物浓度和人均GDP有明显的垂直地带性分布特征。随高程增加，TSP浓度呈先减小后增加再减小的趋势，SO2浓度呈先增加后减小的趋势，NOx浓度呈单调下降趋势。人均GDP随高程的增加呈单调下降趋势；而人口密度呈先增加后减小的趋势。

(2)利用线型拟合分析发现，只有NOx浓度与人均GDP在高程上有明显的倒“U”形关系；而TSP和SO2浓度与人均GDP之间有着典型的“N”形关系，且曲线的拟合效果较好。

(3)采用双对数模型进行分析，结果发现，TSP与人均GDP之间的关系仍呈“N”形。NOx浓度与人均GDP之间仍然呈稳定的倒“U”形关系。SO2浓度与人均GDP之间从线型模型的“N”形关系变为倒“U”形关系，受人口密度和高程的影响较小。这说明，TSP和NOx与人均GDP之间的关系虽然不同，但相互关系较稳定，但是受人口密度和高程影响较大；而SO2与人均GDP之间的关系不够稳定。

(4)本文得到的曲线的形状，与当前国内外有关大气污染物浓度的EKC研究结论一致[2，5，6，12，14，15]，然而拐点对应的人均GDP是偏低的。

3.2 讨论

(1)本文以重庆市为例，从高程角度出发，分析了大气环境质量与经济发展之间的相互关系，以验证EKC假说，为传统的EKC研究提供了一个新的视角。

(2)虽然是在完整的高程上取样，但是仅利用了2002年的数据，即静态的人均GDP数据范围内分析，我们称为GDP窗口。如果GDP不断增长，那么窗口也会不断扩大，两者之间的关系也将随之变化。从长远来看，局部静态GDP窗口内的“N”形关系将重复出现。因为，当经济发展到一定水平后，环境压力随着收入提高而降低，但收入再提高到一定阶段后，环境压力又随着收入的提高而增加，即呈现一种“N”形的关系[13]。因此，对于一个局部的GDP窗口，可以将倒“U”形曲线看着是“N”形曲线的一部分，或者说是个特例。

(3)本文只探索性地分析了主要的三种大气污染物浓度与人均GDP之间的静态关系，为能全面反映两者在高程上的关系，在后续的研究中还可以分析更多污染物的浓度以及排放量总量、人均排放量等其它指标，分别与人均GDP、人均工业生产总值、人均农业生产总值等指标之间的关系；同时结合时间序列数据进行动态研究，以得到较稳定的规律[16]。

(4)技术手段方面，还可在更小的高程带上取样，使用更多种计量经济模型进行比较研究，进一步提高模拟精度。如何将时间序列数据、国家(地区)序列数据和高程带取样的数据结合分析，将是今后EKC研究的重点和难点。

参考文献(References)

[1]Grossman G M，Krueger，A B.Environmental Impacts of a North American Free Trade Agreement.National Bureau of Economic Research Working Paper，NBER[M]，Cambridge MA，1991.

[2]Shafik N，Bandyopadhyay S.Economic Growth and Environmental Quality：Time Series and Cross Country Evidence.Background Paper for the World Development Report 1992[M]，The World Bank，Washington，DC，1992.

[3]Panayotou T.Empirical Tests and Policy Analysis of Environmental Degradation at Different Stages of Economic Development.Working Paper WP238，Technology and Employment Programme[M]，International Labour Office，Geneva，1993.

[4]Selden T M，& Song D.Environmental Quality and Development：Is There a Kuznets Curve for Air Pollution? [J].Journal of Environmental Economics and Management，1994，27：147～162.

[5]Panayotou，T.Demystifying the Environmental Kuznets Curve：Turning a Black Box into a Policy tool[J].Environment and Development Economics，1997，2：465～484.

[6]Torras M，Boyce，J K.Income，Inequality，and Pollution：A Reassessment of the Environmental Kuznets Curve[J].Ecological Economics，1998，25：147～160.

[7]List J A，Gallet C A.The Environmental Kuznets Curve：Does One Size Fit All?[J].Ecological Economics，1999，31：409～424.

[8]Hettige H，Mani M，Wheeler D.Industrial Pollution in Economic Development：The Environmental Kuznets Curve Revisited[J].Journal of Development Economics，2000，62：445～476.

[9]Stern D I，Common M S.Is There an Environmental Kuznets Curve for Sulfur? [J].Journal of Environmental Economics and Management，2001，41：162～178.

[10]Lindmark M.An EKC-pattern in Historical Perspective：Carbon Dioxide Emissions，Technology，Fuel Prices and Growth in Sweden 1870-1997[J].Ecological Economics，2002，42(1～2)：333～347.

[11]Cole M A.Trade，The Pollution Haven Hypothesis and the Environmental Kuznets Curve：Examining the Linkages[J].Ecological Economics，2004，48：71～ 81.

[12]张晓.中国环境政策的总体评价[J].中国社会科学，1999(3)：88～99.[Zhang prehensive Evaluation on Environmental Policies of China [J].China Society Journal ，1999 ，(3) ：88～89.]

[13]凌亢，王浣尘，刘涛等.城市经济发展与环境污染关系的统计研究――以南京市为例[J].统计研究，2001(10)：46～52.[Ling Kang，Wang Huanchen，Liu Tao，et al.Statistical Research on Environmental Quality and Economic Growth――A Case on Nanjing City [J].Statistical Research，2001，(10) ：46～52.]

[14]范金，胡汉辉.环境Kuznets曲线研究及应用[J].数学的实践与认识，2002，32(6)：944～951.[Fan Jin，Hu Hanhui.Studies and Applications of Environmental Kuznets Curve (EKC) [J].Mathematics in Practice And Theory.2002，32(6)：944～951.]

[15]陈华文，刘康兵.经济增长与环境质量：关于环境库兹涅茨曲线的经验分析[J].复旦学报(社会科学版)，2004(2)：87～94.[Chen Huawen，Liu Kangbing.Economic Growth and Environmental Quality：An Empirical Analysis of the Environmental Kuznets Curve[J].Fudan Journal (Social Sciences)，2004(2)：87～94.]

[16]王西琴，李芬.天津市经济增长与环境污染水平关系[J].地理研究，2005，24(6)：834～842.[Wang Xiqin，Li Fen.Econometric analysis of the relationship between economic growth and environmental degradation of Tianjin[J].Geographical Research，2005，24(6)：834～842.]

[17]韩贵锋，徐建华，苏方林等.环境库兹涅茨曲线(EKC)研究评述[J].环境科学动态，2006(1)：1～3.[Han Guifeng，Xu Jianhua，Su Fanglin，et al.A Comment on the Studies of the Environmental Kuznets Curve [J].Envionment and Sustainable Development，2006(1)：1～3.]

[18]邓祖涛，陆玉麒，尹贻梅.山地垂直人文带研究[J].地域研究与开发，2005，24(2)：11～14.[Deng Zutao，Lu Yuqi，Yin Yimei.Reviewand Prospect on Vertical Human Zones in the Mountain Regions[J].Areal Research and Development，2005，24(2)，11～14.]

[19]陈克军，陈刚才等.重庆市大气TSP特征分析[J].重庆环境科学，2003，25(4)：43～46.[Chen Kejun，Chen Gangcai，et al.Analysis of TSP Character in Chongqing [J].Chongqing Environmental Sciences，2003，25(4)：43～46.]

[20]徐建华.现代地理学中的数学方法[M].北京：高等教育出版社，2002(第二版).115～120.[Xu Jianhua.Mathematical Methods in Contemporary Geography[M].Bezjing：Higher Education Publishing House，2002，115～120.]

[21]孙洪泉.地质统计学及其应用[M].北京：中国矿业大学出版社，1990.78～79.[Sun Hongquan.Geo-statistics and its Application [M].Beijing：Chinese Mining University Press，1990.78～79.]

[22]王政权.地统计学及在生态学中地应用[M].北京：科学出版社，1999.9～10.[Wang Zhengquan.Geostatistics and its Application in Ecology[M].Beijing：Science Press，1999.9～10.]

[23]http：//www.usgs.gov.

[24]游松财，李军.海拔误差影响气温空间插值误差的研究[J].自然资源学报，2005，20(1)：140～145.[You Songcai，Li Jun.Study on Error and Its Pervasion of Temperature Estimation [J].Journal of Natural Resources，2005，20(1)：140～145.]

[25]重庆市统计局.2003年重庆市统计年鉴[M].北京：中国统计出版社，2003.[Chongqing Statistic Bureau.Chongqing Statistical Yearbook 2003[M].Beijing：China Statistics Press，2003.]

[26]Stern D I.The Rise and fall of the Environmental Kuznets Curve[J].World Development，2004，32(8)：1419～1439.

An Empirical Analysis of Environmental Kuznets Curve on Elevation：A Case Study of Air Pollution in Chongqing City

HAN Gui-feng XU Jian-hua MA Jun-jie ZHANG Zhi-hua

(Geography department of East China Normal University，Key Laboratory of Geographic

Information Science of Ministry of Education，Shanghai 200062，China)

Abstract By the spatial analysis technology of GIS，this paper samples TSP (Total Suspended Particulates)，SO2 (Sulfur Dioxide) and NOx (Nitrogen Oxides)，and economic development (represented by per capita GDP) along the elevation，and analyses the correlation between the concentrations of the three main air pollutants and per capita GDP.Taking Chongqing city as an example，the objective of this paper is to validate whether the EKC (Environmental Kuznets Curve) is true or not along the elevation.The result shows that the concentrations of pollutants are not monotonously degressive along with increasing of elevation，and that per capita GDP increases，then decreases.Along the elevation，the relationship between concentrations of pollutants and economic development is similar to ones of other researches along time series or countries (regions).Furthermore，the relationship between concentrations of TSP and per capita GDP appears the shape of N，and the relationship between concentrations of NOx and per capita GDP appears the shape of U inverse.But these two relationships are affected by population density and elevation.However，the relationship between concentrations of SO2 and per capita GDP is not steady.

Key words EKC (Environmental Kuznets Curve)；elevation；atmospheric environmental quality；economic development；Chongqing city