城市群視角下大氣污染空間效應和影響因素研究

徐緒堪，劉思琪，張宏陽

（1.河海大學商學院，江蘇常州 213022；2.常州市大數據挖掘與知識管理重點實驗室，江蘇常州 213022；3.河海大學統計與數據科學研究所，江蘇常州 213022）

在京津冀、長三角和珠三角一體化發展都已上升為國家戰略的大背景下，京津冀、長三角及珠三角城市群，作為中國人口聚集規模最大、產業群最為集中的重要區域，在經濟總量快速增長同時，粗放外延式的重化工業推進方式，經濟發展和環境約束矛盾明顯，污染物濃度遠超標準，區域大氣污染問題日益突出［1］。大氣污染多表現為霧和霾的天氣現象，《2018 年中國氣候公報》顯示，三大城市群局域階段性霧霾問題嚴峻。霧霾天氣能加重慢性病患者病情，影響孕婦生殖系統功能造成胎兒發育畸形，對人體健康及當代城市的可持續發展產生了非常嚴重的負面影響［2］。在2013 年造成霧霾天氣最重要的“元兇”PM2.5 就被國際癌癥研究機構（International Agency for Research on Cancer）列為人類致癌物之一。三大城市群中京津冀城市群大氣污染尤為嚴重，在過去的2018 年，污染天數比例高達32%，多地發布霾預警，多個機場出現航班大量延誤和取消，呼吸道疾病患者增多，2018 年3 月28 日，張家口市空氣質量指數AQI 達到457，為京津冀區域范圍年度最高值。黨中央、國務院高度重視大氣污染防治工作，十九大報告指出牢固樹立新發展理念，堅決打好污染防治攻堅戰，推動形成人與自然和諧發展現代化建設新格局。2019 年國務院政府工作報告指出新的一年工作重點之一是加強污染防治和生態建設，大力推動綠色發展。可見，城市群建設面臨經濟發展和污染防控雙重壓力，在經濟發展的同時也應特別注重生態環境的協同治理，大氣污染問題已經成為了全社會普遍關注的焦點問題，三大城市群如何應對大氣污染加強污染防治值得深思。

1 相關文獻回顧

國內外研究學者就大氣污染的影響因素進行了較多深入探究，包括人文因素角度［3-8］的經濟發展水平、城鎮化、人口密集程度、產業結構和技術進步等方面，氣壓、氣溫、降水量和相對濕度等自然因素［9-12］也對大氣污染有著重要的影響。如：省級層面，Wang 等［13］學者利用中國1990—2012 年省際面板數據探究經濟增長及城市化對SO2排放的影響，最終驗證了經濟增長和SO2排放之間顯著的倒“U”型曲線關系；城市層面，周侃等［14］基于全國339 個地級行政單位的數據驗證了人口規模、城鎮化和經濟發展水平對大氣污染的主要影響作用；在城市群視角下，曹庭偉等［15］從城市群角度出發，探究了成渝城市群15 個城市O3的污染特征及太陽輻射、氣溫等自然氣象因素對O3濃度的影響。陸大道［16］認為面對中國日益增長的環境問題，自然與社會經濟要素的綜合集成研究極為重要，而現今工作缺少兩者的有效結合，縱觀現今已有研究發現，鮮少有學者將人文因素、自然因素統籌納入大氣污染影響因素中進行探討［17］。周曙東等［18］從城市群的角度出發，認為大氣污染的內因是污染物排放，而外因則是氣象條件，綜合人文經濟因素和自然環境因素對京津冀地區城市PM2.5的影響因素進行了深入探究。劉海猛等［19］視角細化至京津冀城市群202個區縣，利用多種空間計量模型對比分析，系統量化自然及社會經濟因素貢獻程度大小并探討其空間溢出效應等。

諸多學者也著重探討了大氣污染的空間效應［20-26］。劉曉紅等［25］利用2014 年中國各省市區截面數據驗證了中國霧霾污染較強空間溢出效應的存在，提出區域聯動的建議，但張可等［6］相關研究表明，省際尺度太大且其內部存在的問題較大差異，大氣污染的空間效應難以準確確定。張生玲等［21］強調，現階段的中國大氣污染區域性明顯，就城市群舉例而言，以北京、石家莊和南京等大型城市向外擴散蔓延，大氣污染連片式爆發，城市間污染的空間外溢性是現階段大氣污染治理必須認真面對的問題，也只有區域城市細化分工任務同時提高跨行政區的環境合作，大氣環境才能實現空間均衡。

綜上所述，現今對于京津冀、長三角和珠三角三大城市群大氣污染空間效應和影響因素的對比討論相對較少。因此，針對當前研究不足以及三大城市群大氣污染防治的必要性及緊迫性，本文將影響大氣污染的人文因素和自然因素系統量化，綜合運用空間自相關分析及基于STIRPAT 模型的空間滯后模型及空間誤差模型，分析京津冀、長三角和珠三角三大城市群大氣污染的空間效應與影響因素。導致大氣污染的人文因素和自然因素眾多，只有盡可能周全考慮各相關因素，準確甄別其中關鍵因素，才能為三大城市群的大氣污染治理提供科學依據，對于促進實施生態文明建設具有關鍵性的現實意義。

2 模型構建與數據說明

2.1 STIRPAT 模型

最初由Ehrlich 等［27］學者提出了IPAT 模型，該模型被廣泛應用于探究人口規模、經濟發展水平以及技術水平三個因素對環境的影響。IPAT 模型方程如下：

式（1）中：I表示被解釋變量環境影響；P、A、T為解釋變量，表示人口規模、經濟發展水平和技術水平3 個影響因素。IPAT 模型為專家學者解決人類活動對環境影響的相關問題提供了借鑒，但該模型仍存在較大的局限性，被解釋變量對3 個因素的彈性恒等于1。因此Dietz 等［28］提出了隨機的IPAT模型，即STIRPAT 模型，方程如下：

式（2）中：I、P、A、T代表含義與（1）相同；α表示模型系數；β1、β2、β3為待估計的參數；是誤差項。為了消除模型（2）可能存在的異質性，對模型兩邊分別取對數，模型變為如下：

STIRPAT 模型的一大優勢就在于可拓展性，解釋變量中允許加入更多相關的影響因素來探究其對環境的影響。根據本文分析人文因素和自然因素對大氣污染影響需要，本文將模型（3）調整如下：

式（4）中：被解釋變量I大氣污染程度用各市年均AQI 濃度表示。解釋變量中包括5 個人文因素P、A、T、IS、GR以及5 個自然因素AH、AS、AT、AW、TR。P為人口密集程度，用人口密度表示；A代表經濟發展水平，用各市人均GDP 表示，同時加入其平方項，驗證經濟發展水平與大氣污染之間是否存在倒U 型關系；T表示技術水平，用能源強度表示，即人均全社會用電量［29］；IS代表產業結構，用第二產業產值占GDP 比重表示；GR表示綠化水平，用人均綠地面積表示。AH是年均相對濕度；AS是年均日照時數；AT是年均氣溫；AW是年均風速；TR是年降水量。

2.2 數據說明

本文探究城市群視角下大氣污染空間效應和影響因素，京津冀、長三角和珠三角三大城市群作為研究對象，以《京津冀協同發展規劃綱要》《長江三角洲城市群發展規劃（2016—2020 年）》《珠江三角洲地區改革發展規劃綱要（2008—2020 年）》［30］為劃分依據。由于數據獲取原因，本文選取時間跨度為2014—2017 年，長江三角洲區域研究范圍去除2014 年還未監控空氣質量的銅陵、安慶、滁州、池州和宣城5 市，最終京津冀、長三角和珠三角城市群分別包括13、21 和9 個城市，總共43 個城市。AQI 原始數據利用八爪魚工具爬取于天氣后報。人文因素原始數據均來源于歷年《中國城市統計年鑒》《中國統計年鑒》以及三大城市群各個城市的統計年鑒和統計公報等。自然因素原始數據從中國氣象數據網獲得。各變量的數據特征見表1。

表1 變量的描述性統計

3 實證結果及分析

3.1 中國三大城市群大氣污染現狀分析

如圖1，2014—2018 年間，中國三大城市群年均AQI 總體呈現下降趨勢，由此可見，國家環境保護政策實施成效顯著，三大城市群大氣污染總體上得到了有效控制和改善。但不難發現，相較于2014—2016 年，2016—2018 年間，京津冀和長三角城市群AQI 下降速度變緩，而珠三角城市群年均AQI 有相對上升的趨勢，因而大氣污染的防治及治理仍是現階段亟待解決的一個問題。京津冀城市群2014 年年均AQI 為132，降為2016 年的104 再降至2018 年的92，由國家空氣質量標準的Ⅲ級輕度污染改善至Ⅱ級良；長三角城市群年均AQI 由2014 年的89 降為2016 年的74 再降至2018 年的70，處于國家空氣質量標準的Ⅱ級；珠三角城市群2014 年年均AQI 是64，到2016 年下降為52，而2016—2018 年年均AQI 卻相對上升，處于國家空氣質量標準的Ⅱ級。三大城市群之間大氣污染水平相差較大，空氣質量差距并未隨著時間的推移而逐漸縮小，環境形勢依然嚴峻，仍需繼續加大環境治理力度。

如圖2，京津冀城市群大氣污染最為嚴重，各市年均AQI 多數在90 以上，保定、邯鄲、石家莊和邢臺4 市空氣質量最差，2014—2018 年期間各市年均AQI 有所降低，大氣治理效果比較明顯；長三角城市群各市年均AQI 在50—100 區間，整體空氣質量良好，相對而言，合肥作為發展速度較快的新興化城市，大氣污染較為嚴重；珠三角城市群大氣污染最輕，各市年均AQI 多數在70 以下。大氣污染如何治理和防治值得深思，探究三大城市群大氣污染空間效應和影響因素刻不容緩。

圖1 中國三大城市群2014—2018 年年均AQI 變化趨勢

圖2 中國三大城市群2014—2018 年各市年均AQI 變化趨勢

3.2 空間自相關分析

依據Tobler 地理學第一定律，距離越近的事物空間依賴性越強。為定量測算出區域大氣污染空間依賴程度，本文選用全局空間自相關Moran'sI指數進行計算，計算表達式如下：

式中：yi與yj分別為城市i和城市j空氣質量指數AQI 值；k為城市總數；和S2是AQI 平均值和方差；Wij是空間權重矩陣。Moran'sI指數的取值范圍是（-1,1），結果小于0 表示大氣污染程度具有空間負相關，結果大于0 表示大氣污染程度空間正相關，結果等于0 則表示大氣污染程度空間不相關。另外，利用標準統計量Z值檢驗Moran'sI指數的顯著性水平，Z值計算表達式如下：

式中：E（Moran'sI）表示Moran'sI的均值；VAR 表示Moran'sI的方差。

根據2014—2017 年中國三大城市群各市AQI 截面數據，運用R 軟件計算三大城市群歷年Moran'sI指數，結果見表2。

表2 2014—2017 年中國三大城市群AQI 的Moran's I 指數

由表2 可以看出，中國三大城市群在2014—2017 年間的Moran'sI指數均為正值，且Z值均通過10%的顯著性檢驗，表明中國三大城市群大氣污染的空間呈現并不是一個隨機的狀態，而是存在著顯著的全局空間自相關性，即大氣污染有著顯著的空間全局聚集效應，大氣污染較為嚴重的區域相鄰，污染較輕的區域相鄰。

由于篇幅所限，本文只列出2014 年三大城市群各市大氣污染的Moran 散點圖，如圖3。處在Moran散點圖第一象限的各市觀察點代表該市與其相鄰城市大氣污染程度都相對較高，存在高-高的空間正相關性特征；處于第三象限的觀察點則代表該市和相鄰城市大氣污染程度相對較低，存在低-低的空間正相關性特征；而處于第二和第四象限的點是非典型觀察點，具有空間負相關性特征。中國三大城市群大部分城市觀察點都是典型觀察點，只有少數觀察點位于二、四非典型觀測象限，散點圖從內部結構也說明中國三大城市群大氣污染空間正自相關性的穩定性。

圖3 2014 年中國三大城市群各市AQI 的Moran 散點圖

全局莫蘭指數反應大氣污染整體的空間相關性情況，但會忽略局域地區大氣污染的集聚現象及溢出效應，因此利用局域Moran 指數檢驗測度。局域指數計算公式如下：

式中：Ii表示局域Moran 指數，表示i市和其他周圍市大氣污染的相關程度；其余字母所代表含義均和全局Moran'sI指數相同。Ii結果大于0 表示高（低）值區域被高（低）值區域包圍形成高-高（低-低）集聚區，說明相似大氣污染程度的市聚集在一起。Ii結果若小于0 表示高（低）值區域被低（高）值區域包圍形成高-低（低-高）集聚區，說明大氣污染程度有較大差異的市聚集在一起。

基于三大城市群各市AQI 截面數據，利用GeoDa 軟件計算各年AQI 局域莫蘭指數并聯合ArcGIS 軟件生成AQI 局域集聚圖，在此列出2016年三大城市群AQI 局域集聚圖，如圖4。在京津冀城市群，2014 年，石家莊、衡水、邢臺市位于高值區，北京市屬于低值區；2015 年，高值區域有所擴大，北部擴展至保定市，北京市退出低值區域；至2016 年，高值區域不變，北京市仍位于低值區域；而2017 年，高值區域相對縮小，向南縮減至石家莊、衡水、邢臺三市。在長三角城市群，2014 年，江蘇省蘇南常州、鎮江市和安徽省的蕪湖市屬于高值區，寧波市屬于低值區；至2015 年，高值區域向北部擴展，鎮江、常州、南京、揚州四市位列高值區，低值區域不變；2016 年，高值區范圍縮小，常州、鎮江市仍在其中，低值區不變；2017 年，高值區域向北部移動，揚州市位列其中，地址區域不變。在珠三角城市群，2014—2017 年AQI 局域集聚不顯著。由上分析，三大城市群大氣污染局域空間集聚效應比較明顯。

圖4 2016 年中國三大城市群各市AQI 局域集聚地圖

綜上所述，中國三大城市群大氣污染存在正向且長期較為穩定的全局相關性，局部空間相關性表現為大氣污染高-高（低-低）集聚區域明顯，但是這種空間效應對于各區域大氣污染的影響有多大，因而有必要利用空間計量模型進行嚴格的計算。

3.3 計量模型設定及結果分析

空間滯后模型（SLM）：

空間誤差模型（SEM）：

基于2014—2017 年中國三大城市群各市面板數據，首先利用普通最小二乘法（OLS）進行回歸分析，年均AQI 為被解釋變量，人文因素和自然因素指標是解釋變量，OLS1 和OLS2 是分別僅對人文因素和自然因素變量的回歸分析，OLS3 模型則是考慮所有因素變量的回歸。結果表明，對比每個城市群應用普通最小二乘回歸的3 個模型的R2，模型OLS3的估計效果是最好的，比單用人文因素回歸估計的OLS1 模型和單純利用自然因素回歸的OLS2 模型擬合優度都要好，如京津冀城市群OLS3 模型擬合優度達到0.913，而只利用人文因素變量和自然因素變量回歸的模型擬合優度分別為0.759 和0.774。再次驗證了中國三大城市群大氣污染是由人文因素和自然因素共同導致。

已經驗證的中國三大城市群大氣污染的空間正相關性，本文再利用極大似然估計法對空間滯后模型和空間誤差模型進行估計。由于建立面板數據時間長度較短，討論反映時間效應的隨機擾動項是否存在自相關存在一定困難，故假定隨機擾動項為獨立同分布，只考慮個體效應，需對隨機效應和固定效應進行選擇。經由hausman 檢驗，京津冀和長三角兩城市群SLM 模型和SEM 模型檢驗均接受原假設，選擇隨機效應進行分析，珠三角城市群兩模型檢驗拒絕原假設，利用固定效應分析。估算結果見表3。

表3 空間計量模型參數估計結果比較

從人口密集程度（P）看：京津冀和長三角城市群，人口密度對大氣污染都有著正向的影響作用，但只有京津冀城市群人口密度系數通過了1%的顯著性水平檢驗，人口增加勢必加大對環境的需求力度，能源消耗過多加劇大氣污染，同時人口增加導致更多生活垃圾的產生和污染物的排放，環境壓力過大，因此要加快推進城市群及周邊城市協同發展，通過疏解將大城市資源在更大范圍內優化配置，區域優勢互補；而珠三角城市群，人口密度對大氣污染影響為負且通過1%的顯著性檢驗，人口密度的增加帶來人口和經濟要素的集聚效應，進而能源利用率得到提高，達到環境質量的改善。

從經濟發展水平（A）看：京津冀和珠三角城市群，人均GDP 一次項系數顯著為負，二次項系數顯著為正，說明京津冀和珠三角城市群的大氣污染和經濟發展之間呈“U”型演變形態，但有相關研究表明兩者關系支持“環境庫茲涅茨曲線EKC”假說呈“倒U”型，也有“倒N”“N”型形態，由于本文研究選取時間跨度較短，兩者關系有待進一步驗證；長三角城市群，人均GDP 一次項系數為正，二次項系數為負，且均通過10%的顯著性檢驗，驗證了倒U 型關系的存在，在拐點之前，經濟的發展是以犧牲環境為代價，長三角城市群現正處于工業化以及城鎮化快速發展階段，污染物排放相對較多，環境隨之惡化，但越過拐點后，隨著經濟發展所帶來的技術進步等，環境質量會逐步提高。

從技術水平（T）看：長三角和珠三角城市群，能源強度與大氣污染呈正相關關系，珠三角城市群能源強度系數通過1%檢驗，現階段我國的能源消費仍然以煤炭、石油和天然氣等化石能源為主，燃燒會極大加劇大氣污染，能源強度的降低有利于減輕大氣污染，應積極加快能源結構的轉變，探索新的綠色能源；京津冀城市群，能源強度對大氣污染影響為負，并未通過顯著性檢驗，表明隨著能源強度的增加，大氣污染有所改善，是由于技術水平的提高，企業將綠色生產技術應用于實際生產環節，減少生產環節污染物排放。

從產業結構（IS）看：三大城市群，第二產業GDP 占GDP 比重系數均為正，僅京津冀城市群回歸系數通過1%顯著性檢驗，當第二產業比重增加1%時，大氣污染增加0.319%。第二產業比重的增加使得城市群大氣污染加劇，主要是由于工業產值的增加導致各種大氣污染物排放的增加，可見要實現大氣污染防治，必須要加快產業結構調整升級，大力發展現代服務業以及高新技術產業等。

從綠化水平（GR）看：三大城市群，人均綠化面積對大氣污染有著負向影響，回歸系數通過5%或1%的顯著性檢驗。這表明地區綠化可以有效降低空氣中的灰塵及污染氣體濃度，改善區域大氣污染，各地可以通過提高當地綠化水平達到改善空氣質量的目的。

探討自然因素對各城市群大氣污染的貢獻程度，各城市群略有差異。京津冀城市群，年均日照時數、年均氣溫、年均風速和年降水量對大氣污染存在顯著的負向影響；長三角城市群，年均相對濕度對大氣污染存在顯著的負向影響，年降水量對大氣污染存在顯著的正向影響；珠三角城市群，年均日照時數對大氣污染有著負向顯著影響，年均氣溫對大氣污染有著正向顯著影響。不同時間、空間尺度下，自然因素對大氣污染的影響機理有所差異，具體有待進一步驗證。

4 結論與建議

本文對2014—2018 年間中國三大城市群大氣污染現狀進行了分析，5 年間三大城市群大氣污染總體呈現下降趨勢，但現狀不容樂觀，京津冀城市群大氣污染最為嚴重。本文將人文因素和自然因素統籌納入大氣污染分析整體框架，綜合運用空間自相關分析和基于STIRPAT 模型的空間計量模型，對2014—2017 年三大城市群大氣污染的空間效應與影響因素進行了深入分析。結論如下：第一，中國三大城市群的大氣污染由人文因素和自然因素共同導致。第二，三大城市群大氣污染存在顯著的正空間自相關性，并表現出高-高（低-低）集聚狀態，空間誤差模型的空間殘差自相關系數顯著，三大城市群大氣污染空間溢出效應明顯。第三，三大城市群大氣污染的影響因素存在較大差異。基于以上結論，三大城市群應持續推進污染防治工作，區域城市細化分工任務同時提高跨行政區的環境合作，鞏固擴大藍天保衛戰成果，并提出三大城市群大氣污染防治的以下建議。

（1）京津冀城市群。在人口密度不斷擴大的現狀下，要對人口密度過大的區域進行合理的分流布局，加強城市生活垃圾分類處理，提高公共資源使用率等。調整產業結構，過去經濟增長以高污染、高能耗的重工業為主，現今應轉變經濟發展方式，降低重工業所占比重，同時及時制定實施綠色產業扶持政策，增加綠色產業等第三產業比重。京津冀城市群地處中國北部，冬季做好清潔取暖工作，加強燃煤等污染源治理。

（2）長三角城市群。加強城市綠化建設，綠化水平的提高能夠有效改善空氣質量，三大城市群都應大力提升城市綠化，優化人居環境。加強生態系統保護修復，推進山水林田湖草生態保護修復工程試點，持續抓好國土綠化、防沙治沙、水土流失治理和生物多樣性保護。

（3）珠三角城市群。技術水平角度看，珠三角城市群要繼續提升生產技術水平，壯大綠色環保產業，將綠色生產技術應用于實際生產環節，提高能源利用效率，減少生產環節污染物排放，促進資源節約及循環利用。珠三角城市群要優化城市交通道路設計，減少交通擁堵時長，多鼓勵居民乘坐公共交通工具綠色出行。