長三角霧霾污染的時空演變及影響因素

寧自軍 隗斌賢 劉曉紅

摘要：本文運用Theil指數、莫蘭指數、Kendall系數和空間計量模型等方法，對長三角都市圈城市群2014-2017年PM_2.5的時空格局演變與影響因素進行了實證分析后發現，長三角區域空氣質量持續得以改善，但呈現“北高南低”“冬高夏低”的時空差異特征，地區差異呈縮小態勢，區域PM_2.5污染呈現明顯的“U”型曲線。同時大氣污染季節變動呈高度一致性，在空間分布上具有顯著的正自相關關系，各城市霧霾污染的空間分布具有鄰域之間的空間關聯結構。由于區域霧霾污染呈現多種污染源耦合構成的復合污染態勢，并且區域內各省市具有地方性污染特征，加上霧霾污染治理中不同利益主體的不同利益訴求，這就要求針對污染源種類制定精細化的霧霾防治政策，實現地方性法規與國家法規政策的互補，并基于合作博弈選擇邏輯從整個社會的利益出發，使治理法規政策體現制度性、公平性和合理性。

關鍵詞：大氣污染;時空演變;影響因素;地方治理

中圖分類號：C916

文獻標志碼：A

文章編號：1007-9092（2020）01-0082-011

一、引言

以江、浙、滬為核心的長三角地方經過40多年的高速發展，現已成為中國經濟總量最大、最具活力的都市經濟圈。隨著工業化、城市化和長三角一體化的深入推進，長三角地區因二氧化硫、煙粉塵、碳氧化物等污染物的過度排放而導致大氣環境質量下降已成為制約區域經濟發展的瓶頸，并嚴重影響人們的健康和生活。黨的十八大以來，習近平總書記多次就大氣污染防治工作作出重要指示，2013年9月國務院發布《大氣污染防治行動計劃》，長三角地區兩省一市將大氣污染防治列入重點民生工程，加快了霧霾治理的法規建設，通過科技支撐和管理創新等系列措施推動區域霧霾治理的工作，區域空氣質量整體持續改善。2018年長三角地區PM_2.5年均濃度較2013年下降39%，但區域大氣環境形勢依然嚴峻，冬季頻繁發生的重霧霾天氣特別是對人類健康的影響已成為群眾最關心的突出環境問題。在長三角區域一體化上升為國家戰略、加快生態文明建設與推進區域高質量發展等多重背景下，研究長三角霧霾污染的時空格局演進特征與影響因素，對深化區域聯防聯控、發揮地方政府主導作用，打贏藍天保衛戰具有重要的意義。

霧霾通常是由人為活動所排放的顆粒物和不可見的氣體隨后轉化成的顆粒物（即二次顆粒物）所引起的。大氣中懸浮的顆粒物按粒徑分為TSP（Total Suspended Particles）、PM10（粒徑小于10μm）和PM_2.5（粒徑小于2.5μm細顆粒物）等，霧霾污染的本質是地區PM_2.5濃度過高，大量細顆粒物懸浮在空氣中，使空氣普遍混濁且能見度降低。PM_2.5污染的形成除氣候、地形等客觀原因外，根本問題是區域二氧化硫、氮氧化物、煙粉塵、VOC等污染物排放量遠遠超過了環境容量。無論是在發達國家還是在發展中國家的城市中，PM_2.5與O₃并列為最重要的兩種大氣污染物（Streets et al.，2007; Molina and Molina，2004），低空O₃通常是在高溫季節易于產生并超標，而PM_2.5污染盡管呈現季節性變化，但在許多城市地區全年均可能形成高濃度污染。因此相對于O₃，PM_2.5更能代表大氣復合污染的復合性及綜合信息。目前我國霧霾污染已從上世紀的煙煤型污染，演變為以PM_2.5和污染氣體（臭氧、二氧化硫、氮氧化物）組成的跨區域性、復合型污染。

國內外學者針對PM_2.5的成因分析雖然研究方法不盡相同，但結論主要集中在區域化石能源的大量消耗、工業廢氣和煙塵排放、機動車尾氣排放等因素對PM_2.5形成具有較高的“貢獻率”。以化石能源為主的能源消耗是PM_2.5污染的直接原因，高能耗工業排放的大量廢氣煙塵是霧霾頻繁的主要原因，汽車尾氣對PM_2.5的貢獻約在10%-30%?！霸搭^”排放導致污染物長期累積的總量超過了區域的環境容量，遇到不利的氣候條件就會形成霧霾。霧霾形成的另一特征是PM_2.5可以遠距離輸送，由此造成的霧霾污染不再是單獨某一個城市的問題，而是跨城市、跨省際、甚至跨國界的區域性問題。Shepherd（2004）的研究表明，在北美東部某些城市地區，PM_2.5中來自于區域的貢獻可達50%～75%。程真，成長虹等（2015）利用CALPUFF空氣質量模型，模擬測算了2004年長三角區域內城市間一次污染跨界輸送影響，結果顯示，環太湖地區的上海、蘇州、無錫和常州等地由于自身排放強度大，成為長三角一次污染最嚴重的地區。薛安等（2015）研究發現PM_2.5污染具有區域傳輸特性，對污染的治理應該以城市群或整個區域為分析對象。由此可見，造成的霧霾污染不再是單獨某一個城市的問題，而是跨城市、跨省際、甚至跨國界的區域性問題。有效控制PM_2.5濃度水平，需要區域協同聯合采取措施。為此，本文以長三角經濟圈16個城市為研究對象，包括上海、南京、無錫、常州、蘇州、揚州、鎮江、泰州、南通、杭州、寧波、嘉興、紹興、湖州、舟山和臺州等城市，基于Theil指數及其分解對長三角地區的PM_2.5污染從空間差異演進特征進行分析;再運用全局Moran'sⅠ、莫蘭指數散點圖和局部莫蘭指數對區域PM_2.5污染空間自相關特征進行研究;運用最后季節指數和Kendall協同系數就PM_2.5的季節差異與區域協同演進展開分析，并采用空間面板模型PM_2.5分析的影響因素及空間交互效應，旨在為長三角地區霧霾綜合治理提供有價值的研究結論。

（二）變量與數據來源

本文研究樣本區間為2014-2017年。長三角重點城市PM_2.5濃度年度數據取自2015-2018年《中國環境統計年鑒》，嘉興、泰州的年度數據根據月度數據平均得到，各城市PM_2.5污染的月度數據資料來自PM_2.5歷史數據查詢網。在空間自相關模型中，假定PM_2.5的影響因素包括能耗強度、工業廢氣排放強度、工業煙塵排放強度和機動車尾氣排放量等因素。能耗強度作為一個綜合性指標，用于衡量地區能源利用效率，同時可以反映地區能源結構優化、產業結構調整和技術創新等對能源消耗的影響?！笆晃濉币詠韲医y計局、國家發改委等部門采用單位GDP能耗（噸標煤/萬元）考評地區能耗利用效率，本文采用萬元GDP能耗（噸標煤/萬元）作為解釋變量，并假定單位GDP能耗的降低有利于改善地區PM_2.5污染水平，兩者具有正向關系。萬元GDP能耗數據資料取自各省能源強度考評監測資料及相關城市的統計公報。

工業廢氣排放強度和工業煙塵排放強度。我國PM_2.5以硫酸鹽、硝酸鹽和銨鹽構成的無機鹽類（SNA）與有機物（OM）以及粉塵為主要成分（曹軍驥，2016）。工業生產排放的二氧化硫（SO₂），氮氧化物（NOx）和氨氣（NH₃）氣體經過化學反應易形成硫酸鹽、硝酸鹽和銨鹽。本文分別將萬元GDP工業廢氣排放量（萬標立方米）和萬元GDP工業煙塵排放量（kg）作為解釋變量，假定工業廢氣和煙塵排放對地區空氣環境質量具有正向影響。浙江省的相關數據取自2015-2017年《浙江自然資源與環境統計》，上海和江蘇省8個城市數據主要來自對應城市的統計年鑒。

國家生態環境部在《2018年中國機動車環境管理年報》中指出，機動車移動污染源對各地區PM_2.5濃度的貢獻率達到10-50%。在衡量機動車尾氣排放對區域環境影響時，國內學者通常采用汽車保有量和人均機動車擁有量作為指標衡量（陳詩一等，2018）。但由于我國機動車的燃油品質與新車排放標準不斷提升，黃標車和老舊機動車淘汰力度不斷加快，新能源汽車比例大幅提升及城市道路限行等機動車尾氣治理力度加大，盡管2012-2017年全國機動車保有量年均增長5.9%，機動車污染物排放總量卻年均削減0.1%，因此機動車的數量并不能客觀反映機動車污染排放對環境的影響（圖1）。當前國家和地方尚未公布各城市機動車污染物排放量，由于全國機動車一氧化碳（CO）的排放量約占污染物總量的80%，并且大氣中CO的83%來自機動車排放，因此本文采用各城市CO的日均濃度（毫克/立方米）作為替代指標反映機動車污染排放強度，數據取自2015-2018年《中國環境統計年鑒》。

三、長三角PM_2.5濃度時空格局變化特征

（一）PM_2.5濃度城市差異呈縮小態勢

長三角地區是工業集聚程度高、大氣環境污染形勢較為嚴峻的區域（Li et al，2008，程真等，2011）。黨的十八大以來大氣污染防治取得顯著成效，PM_2.5濃度年均降低6.81%，但區域差異仍然明顯，空間分布上呈現“北高南低”的特征。2014年16城市PM_2.5濃度的Theil指數為0.0193，2017年降低到0.0158，表明長三角城市空氣質量的總差異呈縮小態勢。從Theil指數的分解結果看（表1），江浙滬三個行政區域組間差異指數大幅下降。2014年總差異中40.26%的因素來自江浙滬三個行政區域組間差異，2017年29.74%的因素來自組間差異，70.26%來自組內差異。

圖2（a，b） 分別反映了16個城市2014年與2017年PM_2.5濃度演化。2014年16個城市PM_2.5濃度平均為60. 27μg/m³。2014年江蘇省8個城市和浙江省7個城市的PM_2.5濃度均值分別為67. 78μg/m³和52. 87μg/m³，江蘇比浙江高28.2%，2017年江蘇比浙江高21.70%。2014年江蘇8市PM_2.5濃度均超過60μg/m³，其中南京和泰州超過了70μg/m³，浙江舟山、寧波、臺州和嘉興均小于60μg/m³。2017年長三角PM_2.5濃度整體下降，上海市降低至39，浙江7市均小于50，江蘇南京市治理成效最為顯著，比2014年降低了45.95%，但鎮江、揚州和泰州2017年PM_2.5濃度仍超過50μg/m³。

（二）城市群PM_2.5污染空間自相關性顯著

長三角地區由于地市平坦，城市相鄰，受人口密度和氣象條件的影響，各城市之間大氣污染吸納傳輸顯著（程真等，2011）?；趕tata15.0軟件測算的PM_2.5濃度的全局Moran'sⅡ指數表明（表2），2014-2018年長三角城市PM_2.5濃度全局Moran'sⅠ值均大于0，且P值均小于0.05，說明長三角城市PM_2.5污染存在正的空間自相關關系。區域空氣質量整體持續改善，全局Moran'sⅠ值總體呈下降趨勢，空間傳輸影響程度逐漸減弱。

全局莫蘭指數由于無法刻畫城市PM_2.5濃度的局域空間自相關性特征，因此本文采用局部莫蘭指數和莫蘭散點圖進一步揭示長三角PM_2.5濃度的局域空間特征。圖3（a，b）分別為2014和2017年基于空間權重的局域莫蘭散點圖。

2014年莫蘭散點圖中，江蘇8市、杭州和湖州位于第一象限，其PM_2.5表現為高濃度城市被其他高濃度城市所包圍（High-High集聚），空間傳輸影響呈高度正自相關性，尤其是江蘇8市更為顯著。舟山和寧波位于第三象限，表現為低濃度與低濃度相互影響（Low-Low集聚）。臺州、上海和嘉興位于二三象限坐標軸附近，表現為低濃度城市被部分高濃度所影響（Low-High），這些城市PM_2.5濃度相對較低，但周圍又受蘇州、杭州和紹興等影響。紹興位于四象限坐標軸附近，主要由于紹興周邊城市除杭州的濃度相對較高，其他周邊城市濃度相對較低。2017年莫蘭散點圖與2014年相比發生了顯著變化，16個城市基本分布在一三象限，江蘇8市中除南京和南通外，其他城市位于第一象限，仍屬于高一高集聚，南京和南通位于第二象限，表現為低濃度城市被高濃度城市包圍，2017年江蘇和南通的局部莫蘭指數分別為-0.464和-0.095，紹興仍位于第四象限，局部莫蘭指數分別為-0.150。

（三）PM_2.5季節變動差異顯著

圖4描述了16城市四年來PM_2.5濃度季節變動趨勢，長三角地區空氣質量季節性差異明顯，呈現的“北高南低”和“冬高夏低”時空特征，冬季重污染天氣頻發。月度數據分析表明，區域PM_2.5排放季節指數呈現明顯的“U”型曲線。秋冬季節污染濃度上升，夏季污染濃度降到最低。2014-2017年1月份PM_2.5濃度季節指數達到155.9%，12月份為142.2%，8月份季節指數最低僅為63.6%（圖5）。氣候因素不僅影響區域之間的霧霾污染差異，也影響了區域內霧霾污染的季節變化。秋冬季節的“逆溫現象”導致污染物濃度上升，而夏秋季節地面溫度較高，上下層空氣流動加快，污染物擴散迅速，加上夏秋綠色植被的凈化作用，因此污染物濃度在夏秋季節降到最低。Kendall協同系數檢驗結果表明（表3），2014年長三角PM_2.5季節變動城市間的Kendall協同系數為0.804，2017年提高到0.917，表明長三角地區大氣污染季節變動呈高度一致性。圖3可見，2014年夏季各城市間空氣質量差異明顯，6月的Theil指數分達到0.054，2017年降至0.0206。

受氣候條件與風向影響，每年1-3月和6-7月莫蘭指數分別相對較高，表明城市間相互影響較大，程真（2011）利用CALPUFF空氣質量模型研究結果表明，由于江蘇PM_2.5濃度較浙北城市群高，每年以西北風為主的1月，浙北地區容易受江蘇污染南下傳輸的影響，而以偏南風為主的7月，浙北地區的空氣污染會北上影響蘇中及蘇北等城市。長三角地區6-7月份Theil指數組間差異明顯，對總差異的貢獻度超過50%，近四年江蘇8市6-7月份PM_2.5平均濃度分別為49.0和41.0，分別比浙江高45.65%和40.17%。長三角地區霧霾污染所呈現的“北高南低”和“冬高夏低”時空特征，表明氣象條件是霧霾污染“區域差距”和“季節差距”的原因，但氣象條件只是霧霾區域傳輸污染的“催化劑”，霧霾污染的“真兇”依然是污染源的排放。

四、長三角PM_2.5濃度的影響因素與跨界影響

（一）模型構建與參數檢驗

為檢驗長三角地區PM_2.5污染的影響因素及各因素的空間跨界傳輸，本文以2014-2017年16個城市PM_2.5的對數值作為被解釋變量，以能耗強度（X₁）、工業廢氣排放強度（X₂）、工業煙塵排放強度（X₃）、機動車污染排放強度（X₄）等4個變量的對數值作為解釋變量面板模型，為

表4給出了面板模型對16個城市2014-2017年PM_2.5污染及其影響因素進行回歸所得到回歸擬合結果。模型I是采用面板數據的固定效應模型擬合結果，F=45.19，P值為0.000，各回歸系數在10%的水平下檢驗顯著，表明模型擬合良好。個體效應“p=0.9403”表明復合擾動項的方差來自個體效應ui的變動。對原假設“H0：ui=0”的F檢驗P值為0，說明面板數據固定效應模型優于簡單混合回歸模型。模型Ⅱ為面板數據的隨機效應模型擬合結果，從Hausman檢驗結果看，長三角地區PM_2.5污染回歸模型選用固定效應模型更為適合。

長三角地區PM_2.5污染的空間分布呈顯著的空間正相關特征，若不考慮空間跨界對PM_2.5濃度影響的因素進行分析，得到的結果有可能存在偏差。對固定效應模型的殘差進行莫蘭指數檢驗，Moran'sⅠ=0.668（p=0.000）表明直接采用面板固定效應模型的殘差存在較強的空間相關性，選用空間自相關模型（Spatial Autocorrelation Model，SAC）更優。

表5是基于空間權重矩陣構建的SAC模型擬合結果，SAC模型的R²均大于固定效應模型的R²，空間自回歸系數p=0.124，且P值均在5%水平上顯著。模型中的解釋變量回歸系數統計檢驗顯著，回歸系數為正，表示解釋變量與PM_2.5濃度呈正向關系，總體看，區域PM_2.5對能源消耗強度彈性系數最高，對機動車污染排放次之。

表4中的LR直接效應給出了本區域解釋變量對本區域被解釋變量的平均“直接效應”，LR總效應表示解釋變量對所有區域的平均“總效應”，LR總效應與LR直接效應之差為LR_間接效應，表示的解釋變量對其他區域的平均“間接效應”。解釋變量的直接效應、間接效應和總效應在5%顯著水平下統計檢驗顯著，且均為正向影響。

六、主要結論與建議

長三角城市間PM_2.5具有明顯的空間自相關特征，且霧霾污染的城市差異較大，表明為持續改善區域環境空氣質量，不僅要從長三角區域一體化的角度加以整體規劃，各行政區域必須采取更加科學的方法、更加嚴格的手段、更大的工作力度，開展協同攻堅行動，大力削減污染物排放量，深化區域聯防聯控，著力降低重污染天氣的不利影響。

長三角區域空氣質量整體持續改善，PM_2.5污染呈現“北高南低”“冬高夏低”的時空特征?？臻g數據分析顯示，我國PM_2.5高排放“俱樂部”成員集中分布于長三角與京津冀及兩者之間的區域，霧霾的污染呈現出空間溢出效應和集聚特征。

全年月度數據分析表明，區域PM_2.5污染呈現明顯的“U”型曲線。秋冬季節污染濃度上升，夏季污染濃度降到最低。2014年長三角PM_2.5季節變動城市間的Kendall協同系數為0.804，2017年提高到0.917，表明長三角地區大氣污染季節變動呈高度一致性。

MoranⅠ指數檢驗結果表明16個城市PM_2.5濃度在空間分布上具有顯著的正自相關關系，各城市霧霾污染的空間分布具有鄰域之間的空間關聯結構，而非完全隨機狀態。第二產業畸高的產業結構、石化能源為主的能源結構、人口的快速集聚以及交通運輸強度的提升共同引致霧霾污染加重。盡管外商直投FDI對霧霾污染起抑制效應，但其影響強度較小。囿于技術進步偏向和能源回彈效應，研發強度和能源效率的提高并未發揮應有的減霾效果?？臻g計量模型結果同時表明，能耗強度、工業廢氣排放強度、工業煙塵排放強度和機動車污染排放強度對PM_2.5均具有顯著的正向影響，能源消耗和機動車污染排放對PM_2.5濃度影響相對較高，且各影響因素對跨區域的間接影響約為直接影響50-60%。

有效實施區域霧霾治理，從戰略高度看，一要實行系統科學的頂層設計，從源頭上制定實施減霾法規政策，并建立相應的長效機制，保持法規的剛性和政策的連續性。長三角一體化發展上升為國家戰略后，不僅其發展要邁入“快車道”，包括霧霾污染在內的生態環境保護也要跑出“加速度”，需要抓緊研究制定更高水平的專項規劃、細化相關配套措施，使管控更精準、更系統、更嚴格、更有效，努力打造生態友好型一體化發展的“中國方案”;二要建立霧霾污染治理的區域聯防機制，形成有效治霾的區域合力。霧霾污染的“空間溢出效應”和“區域集聚效應”意味著“單干”或“單邊”行為會因為區域霧霾污染的“泄露效應”而徒勞無獲。長三角地區已建立大氣污染防治協作機制，關鍵在于進一步提升區域環境協同治理水平，不僅要以高水平建設一體化示范區為突破口在重點領域協同治理上體現新力度、融合發展上探索新模式，而且要充分利用物聯網、大數據、云計算和互聯網+等手段，完善大氣等環境質量的常態化監測，建立數據資源統籌管理和共享制度，加強相關部門的監測系統、數據庫和信息平臺的共建共享，形成規范統一的與其它生態環境數據庫相融的基礎數據庫和標準體系，加快信息共建共享、標準統一的步伐。還要加強大氣污染監測，構建區域霧霾污染物排放清單和污染源實時監控系統，并在排放標準、產品標準等方面力爭有新突破;三要切實貫徹“高質量發展”和“綠色發展”的新理念，使區域霧霾防治有轉型升級的基礎性支撐。為此要全面推進產業結構、能源結構、運輸結構的優化，加快新舊動能轉換，走生態化、綠色化發展道路，同時要大力發展清潔能源，加快能源技術創新和節能減排技術的推廣應用，推進能源生產和消費革命，促進能源利用效率的提升;四要以社會共治理念推動區域霧霾治理法規政策的制定，并根據霧霾治理程度和經濟發展水平的區域差異實行有所側重的區域治理策略。國家《大氣污染物防治行動計劃》明確要“形成政府統籌、企業施治、市場驅動、公眾參與的防治新機制”，因此要采取措施使所有利益相關者公平公開公正地參與到協作之中、分享合作成果，從而提高協作治理的效率。要充分發揮市場機制的作用，通過環境資源稅、生態補償以及資源環境交易等約束和激勵性制度來促進全社會節能減排。而實行因地制宜的區域治理方案和針對污染源種類制定精細化的防治措施，既可規避“向底線競爭”效應，又可以防止不同地區的“泄露效應”，還可以使治理法規政策更好地體現公平性和合理性;五要基于環境健康負擔與區域內的不平等，進一步推進污染健康賠償救助機制、“以人為本、預防為主、防治結合”的環境健康管理制度的建立與完善，鼓勵環境友好、資源節約和環境健康技術進步與應用，促進以健康醫療、社會保障和環境保護為側重點的基本公共服務均等化。

另外還要把臭氧防治作為霧霾治理的重點，抓緊抓實治理布局。PM_2.5依然是大氣污染的重點，但臭氧的影響已越來越突出，而且是悄悄潛伏在萬里晴空的“透明殺手”，長三角已成為繼京津冀以臭氧為首要污染物的天數占空氣超標天數比例大幅上升后的另一重災區。由于其排放源小而散、種類繁多、成分復雜，即使同一行業因原料構成和生產工藝不同所排放的VOCs種類、性質、濃度也不盡相同，治理難度更大。作為經濟社會發展的先行地區，在臭氧治理上長三角地區也要先行一步，主動采取與PM_2.5協同控制、及時出臺VOCs的治理標準，以及削減氮氧化物排放措施。具體而言，要從源頭上控制VOCs排放，監控氮氧化物、VOCs排放重點行業;要加快制定頒布實施VOCs排放地方標準，當務之急是建筑類涂料與膠粘劑揮發性有機化合物含量限值;探索經濟杠桿手段，征收VOCs排污費，并對屬于產能過剩和淘汰類生產工藝加征;做好與PM_2.5協同治理、多主體多要素多方式綜合治理、跨區域統籌聯防。

（責任編輯：林賽燕）