區域大氣污染防治特護期政策減排效果分析
——基于長株潭地區的DID評估

胡東濱， 李敏倩

一、 研究背景

隨著工業化進程的不斷加速，大氣污染物的排放量逐漸超過了區域環境容量，我國大氣污染問題日益嚴峻，尤其在2013年，全國30個省(市、區)均出現了嚴重霧霾，且有10余個省份經歷了持續的嚴重霧霾天氣。湖南省作為欠發達省份，大氣狀況亦不容樂觀，長株潭地區作為大氣污染防治的重點區域之一，其大氣污染對湖南省全省大氣環境影響最大，為重點改善其大氣環境，且考慮到秋冬季節的不利氣象條件，湖南省人民政府辦公廳于2015年10月印發《長株潭大氣污染防治特護期工作方案》，在此方案中首次提出了大氣污染防治特護期治理模式。

現有文獻對環境政策效果的研究主要集中于政策實施帶來的經濟社會等方面的影響。于娟指出利用模糊評價法與層次分析法等數學方法評估環境政策是發展趨勢(1)于娟. 環境政策評估的理論與方法研究[D].蘭州：蘭州大學, 2008.。姜林將暴露—反應模型與均衡理論模型結合，對能源環境稅政策的實施效果進行綜合評價(2)姜林. 環境政策的綜合影響評價模型系統及應用[J].環境科學, 2006, 27(5):1035-1040.。李潔運用數據包絡法對水資源生態政策進行評價并與其他評價方法進行對比，證明了數據包絡法適用于生態政策評價(3)李潔. 基于數據包絡方法的生態政策評價研究[D].大連：大連理工大學, 2013.。鄧國營等改進了分布函數轉化法并結合雙重差分模型(difference in differences, DID)評估了環境治理對住房市場的影響(4)鄧國營, 徐舒, 趙紹陽. 環境治理的經濟價值：基于CIC方法的測度[J].世界經濟, 2012(9):143-160.。曹洪華等運用DID模型分析農業生產方式與水污染指數，評估了生態農業政策的實施效果(5)曹洪華, 王榮成, 李琳. 基于DID模型的洱海流域生態農業政策效應研究[J].中國人口.資源與環境, 2014, 24(10):157-162.。戴嶸等運用DID模型分析低碳試點政策實施后的人均碳排放量，評估了該政策的減碳效果(6)戴嶸, 曹建華. 中國首次“低碳試點”政策的減碳效果評價——基于五省八市的DID估計[J].科技管理研究, 2015(12):56-61.。鄧榮榮運用DID模型分析兩型社會試點政策實施后的碳排放量和碳排放強度，評估了該政策的碳減排績效(7)鄧榮榮. 長株潭“兩型社會”建設試點的碳減排績效評價——基于雙重差分方法的實證研究[J].軟科學, 2016, 30(9):51-55.。DID模型作為政策評估的重要手段，不僅計量模型簡單，而且能夠避免政策評估中的內生性問題，對政策的實施效果進行無偏估計(8)石華軍, 楚爾鳴. 政策效果評估的雙重差分方法[J].統計與決策, 2017(17):82-85.。因此，DID模型在政策評估中應用廣泛，但在環境政策評估方面的應用主要集中于相關政策對水環境、碳排放的影響，研究政策實施后主要大氣污染物減排效果的文獻還比較少。

大氣污染防治特護期是湖南省率先提出的治理模式，《長株潭大氣污染防治特護期工作方案》中定義特護期為每年10月至次年2月，在此期間內，進一步加大大氣污染防治工作力度，加強長株潭地區的區域協同。為考察特護期政策的實施效果，本文以湖南省長沙市、株洲市、湘潭市為研究樣本，選取與長株潭城市群發展相似的衡陽市、岳陽市、常德市作為對照組，借助大氣污染國控質量監測站點的污染物濃度監測數據，利用DID方法建立模型，分析特護期政策的實施對主要大氣污染物濃度的影響，并首次從行業層面分析了對特定污染物排放影響顯著的行業。

二、 研究方法與設計

(一) 研究方法

DID方法將公共政策或實施的項目視為自然實驗，實驗組為政策覆蓋或參與實施項目的個體，對照組為政策未覆蓋或未參與實施項目的個體。此外，對照組還需滿足三個假設：政策或項目的實施不改變對照組的研究變量、宏觀環境對實驗組和對照組影響相同、實驗組和對照組的相關特征在政策或項目實施期間不隨時間變化(9)傅京燕. 產業特征、環境規制與大氣污染排放的實證研究——以廣東省制造業為例[J].中國人口·資源與環境, 2009, 19(2):73-77.。

DID方法的核心是雙重差分估計量的構造，結合實驗組與對照組在實施與否的截面比較與實施前后的時間的比較，第一次差分消除兩組與時間無關的異質性，第二次差分消除兩組時間引起的增量，將政策或項目實施的真正影響有效分離出來(10)葉芳, 王燕. 雙重差分模型介紹及其應用[J].中國衛生統計, 2013, 30(1):131-134.。如公式(1)所示：

(1)

在具體分析政策或項目實施后的效果時，選擇所需考察的被解釋變量、實驗組對象、控制組對象，建立DID模型的基本描述：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+εit

(2)

式(2)中，y表示被解釋變量；i表示個體；t表示時間點；Period表示時間虛擬變量，政策或項目實施后Period=1，實施前Period=0；Policy表示是否處于實施區域的虛擬變量，區域內個體Policy=1，區域外個體Policy=0；Period·Policy表示時間與實施區域虛擬變量的交互影響；εit表示殘差。

因此，政策或項目實施的真正影響dDID為

即α3為最需關注的政策或項目實施后的雙重差分估計量。本文以DID模型的基本描述為基本方法，以主要污染物濃度為被解釋變量分析特護期政策實施的減排效果，并從行業層面分析對各污染物影響較為顯著的行業。

(二) 研究對象與樣本選擇

1. 研究對象。由于湖南省人民政府辦公廳在2013年12月印發《貫徹落實〈大氣污染防治行動計劃〉實施細則》后開始全面實施大氣污染防治，僅針對長株潭地區的《長株潭大氣污染防治特護期工作方案》于2015年10月印發，且本研究進行時統計年鑒暫更新至2017年，因此本文選擇2014—2017年作為研究時間段，其中，2014年、2015年與2016年、2017年分別為特護期政策實施前后的年份。

《長株潭大氣污染防治特護期工作方案》中提出秋冬季節的氣象條件不利于大氣污染防治，應把每年的10月至次年2月作為大氣污染防治特護期，特護期重點聚焦工業企業、施工工地、機動車和燃煤設施，強化工業、建筑業、交通運輸業以及餐飲業的管控措施，嚴格控制大氣污染排放。傅京燕提出環境政策規制越嚴格，大氣污染物的減排效果越好(11)傅京燕. 產業特征、環境規制與大氣污染排放的實證研究——以廣東省制造業為例[J].中國人口·資源與環境, 2009, 19(2):73-77.。因此特護期政策的提出在理論上應具備一定的減排效果，為考察該模式對長株潭地區大氣環境的影響，本文選擇長沙、株洲、湘潭三市為實驗組。

由于各省對大氣污染防治頒布的政策存在差異性，考慮到對照組需滿足宏觀環境對實驗組與對照組影響相同的條件，本文將對照組的選取范圍劃定在湖南省內，對照組選取過程如下：

首先，雙重差分方法要求選取的對照組自身的條件與實驗組相似，因此政策實施前對照組與實驗組的大氣污染情況越相似，越有利于政策影響結果的有效分離。本文擬依據湖南省各地級市的空氣綜合污染情況進行備選對照組篩選，而湖南省在2015年前采用了兩套環境空氣質量評價標準，無法在全省各地級市間進行比較，因此本文采用《環境空氣質量標準》(GB3095-2012)中各地級市2015年1月—2015年12月的空氣質量綜合指數為篩選依據(詳見下頁表1，數據來源于湖南省生態環境廳)。由于張家界市、郴州市與吉首市的空氣質量綜合指數明顯低于實驗組，婁底市與永州市的空氣質量綜合指數變化趨勢與實驗組的變化趨勢有較大差異，因此本文選擇了備選對照組A={邵陽市，岳陽市，常德市，益陽市，衡陽市，懷化市}。其次，丁煥峰指出大氣污染的主要影響因素為GDP等經濟因素(12)丁煥峰. 中國區域污染影響因素:基于 EKC 曲線的面板數據分析[J].中國人口·資源與環境, 2010(10):121-126.，本文根據湖南省各地級市2014—2017年的GDP平均值篩選出與實驗組經濟發展水平最接近的岳陽市、常德市、衡陽市、郴州市(如下頁表2所示)，即備選對照組B={岳陽市、常德市、衡陽市、郴州市}。最后，本文綜合備選對照組A與B，選擇二者交集C={岳陽市、常德市、衡陽市}作為對照組，與湖南省其他地級市相比，岳陽市、常德市、衡陽市的大氣污染情況以及經濟情況與實驗組更相似，因此本文選取岳陽市、常德市、衡陽市作為對照組，可起到較好的對照作用。

表1 2015年1—12月湖南省地級市空氣質量綜合指數

表2 2014—2017年實驗組與備選對照組經濟發展情況

2. 樣本數據選擇。大氣污染物濃度是影響健康最直接的變量(13)陳宇. 中國城市大氣污染的影響因素研究[D].杭州：浙江大學,2016.，也是衡量污染治理效果的直接指標，為考察特護期政策對長株潭地區大氣環境的影響，本文考慮到數據可得性，根據《環境空氣質量評價技術規范(試行)》(HJ663—2013)選擇SO2、NO2、PM2.5、PM10的年均濃度(μg/m3)以及CO的24小時平均第95百分位濃度(mg/m3)作為被解釋變量，如下頁表3所示。污染物濃度數據來源于各城市的大氣污染國控質量監測站點的日均濃度監測數據。

表3 污染物濃度年評價項目及平均時間

Ehrlich和Holdren提出的IPAT等式認為影響環境的決定因素包括人口因素、富裕程度以及技術水平(14)EHRLICH P R, HOLDREN J P. Impact of population growth[J].Science, 1971, 171(3977):1212-1217.，本文以此為基礎結合其他文獻改進了控制變量的選取。根據朱琴等的研究，人口總量對大氣環境影響不顯著，但城市化水平對其影響顯著(15)朱勤, 彭希哲, 陸志明, 等. 中國能源消費碳排放變化的因素分解及實證分析[J].資源科學, 2009, 31(12):2072-2079.，因此本文選擇城市化水平作為人口因素控制變量，用Level表示。根據Grossman和Krueger(16)GROSSMAN G M, KRUEGER A B . Economic growth and the environment[J].NBER working papers, 1994, 110(2):353-377.提出的“環境庫茲涅茨”曲線，人均GDP是環境污染的重要影響因素，本文選擇人均GDP作為富裕程度因素控制變量，用PGDP表示。李達等提出單位GDP能耗可代表技術水平的進步對環境帶來的影響(17)李達, 王春曉. 我國經濟增長與大氣污染物排放的關系——基于分省面板數據的經驗研究[J].財經科學, 2007(2):43-50.，本文選擇單位GDP能耗作為技術水平因素控制變量，用Energy表示。除IPAT等式中的三類因素外，產業結構和機動車擁有量也是影響大氣環境的重要因素，Panayotou提出第二產業的比重對環境影響最大(18)PANAYOTOU T. Demystifying the environmental kuznets curve: turning a black box into a policy tool[J].Environment and development economics， 1997(25):465-484.，本文選擇第二產業在地區生產總值的占比作為產業結構控制變量，用Secondary表示；王素平提出車輛排放尾氣也是大氣污染物的重要來源，而民用車輛在地區機動車總量中占比最大(19)王素平. 機動車尾氣污染對大氣環境質量影響分析[J].環境工程, 2004, 22(3):72-72.，因此本文選擇地區民用車輛擁有量作為控制變量，用Vehicles表示。

由于在特護期政策中提出了強化管控工業、建筑業、交通業以及餐飲業，本文選擇工業、建筑業、交通運輸業以及餐飲業的行業增加值作為行業變量，分別用Industry、Construction、Traffic、Catering表示。借鑒伍德里奇的經驗，人均GDP、工業、建筑業、交通運輸業以及餐飲業的行業增加值與市場價值有關(20)伍德里奇. 計量經濟學導論：現代觀點[M].北京：中國人民大學出版社，2010:176-178.，對其數據進行取對數處理，可降低內生性、消除可能的異方差影響。人均GDP、城市化水平、單位GDP能耗、第二產業比重、民用車輛擁有量、工業、建筑業、交通運輸業以及餐飲業的行業增加值數據均來源于《湖南統計年鑒》(2015—2018年)。

本文首次提出考察被強化管控的行業在特護期政策實施后對大氣環境的影響，以期針對不同污染物分析得出對該污染物影響最大的行業。

3. 模型構建。為考察特護期政策的實施效果，本文選擇SO2、NO2、PM2.5、PM10的年均濃度以及CO的24小時平均第95百分位濃度作為被解釋變量，結合本文所需變量數據，運用DID方法，擬建立三個模型。

模型一，考察特護期政策實施效果的DID基本模型：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+εit

(3)

式(3)中，y表示污染物年均濃度；i表示城市個體；t表示時間點；Period表示特護期政策實施的時間虛擬變量，特護期政策實施后Period=1，實施前Period=0；Policy表示是否處于特護期政策實施區域的虛擬變量，長株潭地區內的城市Policy=1，長株潭地區外的城市Policy=0；Period·Policy表示時間與實施區域虛擬變量的交互影響；εit表示殘差；α0、α1、α2、α3為待估參數值。

由于大氣污染物濃度還受到地區富裕程度、人口因素、技術水平、產業結構、機動車擁有量、相關行業發展水平的影響，在DID基本模型中加入人均GDP、城市化水平、單位GDP能耗、第二產業比重、民用車輛擁有量作為控制變量，加入工業、建筑業、交通運輸業以及餐飲業的行業增加值作為行業變量，以期獲得更準確的DID估計結果。

模型二，在模型一基礎上加入所有控制變量與行業變量：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+λ1PGDP+λ2Level+
λ3Energy+λ4Secondary+λ5Vehicles+λ6Industry+λ7Construction+
λ8Traffic+λ9Catering+εit

(4)

式(4)中，PGDP、Level、Energy、Secondary、Vehicles分別表示人均GDP對數值、城市化水平、單位GDP能耗、第二產業比重、民用車輛擁有量；Industry、Construction、Traffic、Catering分別表示工業、建筑業、交通運輸業以及餐飲業的行業增加值對數值；α0、α1、α2、α3、λ1、λ2、λ3、λ4、λ5、λ6、λ7、λ8、λ9為待估參數值。

考慮到各行業主要排放的大氣污染物不同，其對不同大氣污染物濃度造成的影響大小不同，根據參數估計結果，去除對目標污染物濃度影響較小的行業變量，以期獲得更準確的DID估計結果并針對不同污染物分析得出對該污染物影響最大的行業。

模型三，在模型二的基礎上去除影響較小的行業控制變量：

yit=α0+α1Periodit+α2Policyit+α3Periodit·Policyit+λ1PGDP+
λ2Level+λ3Energy+λ4Secondary+λ5Vehicles+θiKi+εit

(5)

式(5)中，Ki為選擇保留的行業變量，為工業、建筑業、交通運輸業以及餐飲業中某些行業的行業增加值對數值；α0、α1、α2、α3、λ1、λ2、λ3、λ4、λ5、θi為待估參數值。

在模型進行參數估計之前，需進行豪斯曼(hausman)檢驗以確定模型形式，豪斯曼檢驗的原假設為隨機效應模型中個體效應與解釋變量無關，而經檢驗得到所有p值均大于0.01，說明在1%顯著性水平下無法拒絕原假設，因此本文選擇隨機效應模型，基于STATA14.0運用OLS估計法進行參數估計。

三、 估計結果與分析

(一) 參數估計及分析

1. 模型一參數估計及分析。分別以SO2、NO2、PM2.5、PM10的年均濃度以及CO的24小時平均第95百分位濃度為被解釋變量，代入模型一中得到的參數估計結果如表4所示。由于Periodit·Policyit的系數是本文最需關注的DID估計量，根據表4中結果可知，五種污染物年均濃度的DID估計中，只有CO和PM2.5的DID估計量顯著，說明特護期政策的實施只對CO和PM2.5的排放有顯著影響，對SO2、NO2、PM10治理效果不顯著，因此本文后續研究中僅深入探討實施特護期政策對CO與PM2.5排放的影響。CO的R2值為0.609，PM2.5的R2值為0.501，說明模型一的擬合效果一般。CO年均濃度的DID估計結果為正，在10%顯著性水平下顯著，說明該方案的實施沒有減少CO的排放，反而對CO的年均濃度有促進效應；PM2.5年均濃度的DID估計結果為負，在10%顯著性水平下顯著，說明該方案的實施降低了PM2.5的年均濃度，起到了較好的減排效果。

表4 模型一參數估計結果

2. 模型二參數估計及分析。模型二在模型一的基礎上增加了控制變量與行業變量，參數估計結果如下頁表5所示。與模型一的參數估計結果相比，CO和PM2.5的R2值有了明顯提高，說明加入控制變量之后模型的擬合效果顯著提升，DID估計值的準確性也相應有所提升。模型二中CO濃度的DID估計結果為0.505，在5%顯著性水平下顯著，PM2.5年均濃度的DID估計結果為-9.471，在5%顯著性水平下顯著，CO和PM2.5的DID估計值均有所增長，說明控制變量與行業變量的加入提升了特護期政策實施的雙重差分估計效果。

3. 模型三參數估計及分析。根據模型二的參數估計結果，在特護期政策提出加強管控的工業、建筑業、交通運輸業和餐飲業中，建筑業和交通運輸業的發展對CO年均濃度的影響最小且不顯著，在CO年均濃度的模型二中選擇去除Construction和Traffic兩個控制變量，使用模型三重新進行DID估計；工業和餐飲業的發展對PM2.5年均濃度的影響最小且不顯著，在PM2.5年均濃度的模型二中選擇去除Industry和Catering兩個控制變量，使用模型三重新進行DID估計。

據表5可得，與模型二相比，在去除影響較小的行業變量后，模型三更能體現方案的實施效果。CO年均濃度的模型三DID估計值為0.527，在5%顯著性水平下顯著，說明特護期政策的實施對CO的排放有0.527的促進效應，相對于模型二其估計值有所增加；PM2.5年均濃度的模型三DID估計值為-11.68，在1%顯著性水平下顯著，說明特護期政策的實施對PM2.5的排放有-11.68的減排效應，相對于模型二其估計值有所增加且顯著性水平有所上升。在行業變量的估計結果中，對CO排放影響最大的行業為餐飲業，估計值為1.252，在10%顯著性水平下顯著，說明在特護期政策實施后，餐飲業生產總值的增加會增加CO濃度；對PM2.5排放影響較大的行業為建筑業和交通運輸業，估計值分別為49.87和41.10，均在5%顯著性水平下顯著，說明在特護期政策實施后，建筑業增加值和交通運輸業增加值的上升會提升PM2.5年均濃度。

表5 模型一、模型二和模型三參數估計結果對比

續表

(二) 穩健性檢驗

為了證明DID參數估計結果的可靠性，需要進行穩健性分析。改變參數估計方法是常用的穩健性檢驗方法之一，本文采用tobit估計方法分別對模型一與模型三進行參數估計來進行穩健性檢驗，檢驗結果如表6所示。模型四表示用tobit估計方法對模型一的估計，模型五表示用tobit估計方法對模型三的估計。由于雙重差分估計量為最需關注的估計值，因此表6中只截取了雙重差分估計量、區域虛擬變量與時間虛擬變量的系數估計結果。

由表6可知，不論是對模型一還是對模型三用tobit估計，本文最關注的DID估計量均在一定顯著性水平下顯著，表明本文的檢驗結果較為穩健。通過穩健性檢驗可知，特護期政策實施后CO濃度上升，沒有達到減排目的；對PM2.5年均濃度產生了負向影響，抑制了PM2.5的排放，具有較好的減排效果。

表6 穩健性檢驗結果

四、 討論與結論

(一) 結果討論

本文使用DID方法檢驗特護期政策實施前后長株潭地區各類污染物的治理效果，并通過增減行業變量找出對各污染物影響最大的行業，從而為提高大氣污染防治方案實施效果提出相關建議。特護期政策的實施對CO的排放有促進效應。由陳軍等研究可知，長株潭地區CO的主要來源為化石燃料且化石燃料為長株潭地區的主要消耗能源(21)陳軍，李楠，譚菊，等. 長沙市人為源大氣污染物排放清單及特征研究[J].環境科學學報, 2017(3):833-843.。盡管特護期政策中提出了對大型燃煤鍋爐進行脫硫、脫硝及除塵處理，但沒有實施降低CO排放的具體措施。在特護期政策下，企業注重于脫硫脫硝與除塵控制，在污染減排成本的約束下忽視了CO濃度的控制，再加上由于天氣寒冷，居民生活中能源消耗增加導致CO排放增加，且特護期政策中對居民生活用煤未實行管控，使得特護期政策的實施對CO濃度起到了0.527的促進效應。對于餐飲業，盡管特護期政策中提出了餐飲服務場所必須使用清潔能源，但在政策實施階段未實現有效監管，餐飲業的發展仍對CO排放起到了1.252的促進效應，說明特護期政策對餐飲業的管控力度還需加強，應落實對餐飲業能源消耗的監督途徑，控制餐飲業的污染物排放，嚴格懲治污染排放過大的餐飲服務場所， 才能實現對CO濃度的有效控制。為控制地區的CO排放，特護期政策中應增加針對CO減排的特定配套內容，以實現較好的CO污染減排效果。

特護期政策的實施對PM2.5實現了較好的減排效果。由于近年來長株潭地區的首要污染物大多為PM2.5(22)何甜, 帥紅, 朱翔. 長株潭城市群污染空間識別與污染分布研究[J].地理科學, 2016, 36(7):1081-1090.，且在特護期期間，霧霾天氣發生相對較頻繁，針對降低PM2.5的管控措施較為全面，如嚴格執行黃標車淘汰任務等，因此，特護期政策的實施對PM2.5年均濃度起到了-11.68的抑制效應，實現了較好的減排效果。但由于PM2.5來源較廣(23)ZHOU L, TIAN X, ZHOU Z . The effects of environmental provisions in RTAs on PM2.5 air pollution[J].Applied economics, 2017, 49(27):2630-2641.，從唐湘博對長株潭地區PM2.5的溯源結果(24)陳曉紅, 唐湘博, 田耘. 基于PCA-MLR模型的城市區域PM2.5污染來源解析實證研究——以長株潭城市群為例[J].中國軟科學, 2015(1):139-149.來看，建筑水泥塵與交通塵是長株潭地區的主要污染來源之一，本文參數估計結果也表明建筑業與交通運輸業的發展分別對PM2.5排放起到了49.87和41.10的促進效應，特護期政策應加強對建筑業和交通運輸業的管控，才能有效提高PM2.5的減排效果。特護期政策中對于PM2.5的減排措施應繼續實施，并應在現有模式上進行優化，以實現更好的PM2.5減排效果。

(二) 主要結論

1. 特護期政策的實施對不同污染物減排效果不同。由于不同污染物的來源和特征存在差異性，且污染物之間的相互作用較為復雜(25)吳丹, 張世秋. 中國大氣污染控制策略與改進方向評析[J].北京大學學報(自然科學版), 2011, 47(6):1143-1150.，特護期政策中提出的防治措施未實現對所有大氣污染物排放進行全面減排的效果,該模式的實施只對CO與PM2.5的年均濃度產生了較明顯的影響。在制定大氣污染防治方案時，應更多地從污染控制技術層面入手，實現同時去除多種污染物的治理效果。

2. 從行業層面針對不同污染物加強管控。由于每個行業的生產活動存在差異性，其污染物排放也存在不同。由參數估計結果可知，在特護期政策管控的行業中，餐飲業對CO排放影響顯著，建筑業和交通運輸業對PM2.5排放影響顯著。根據大氣污染特征，在特護期內針對不同污染物加強管控不同行業，將有效提高大氣污染防治效果。

3. 大氣污染防治特護期治理模式值得推廣但應注意增加CO減排特定配套內容。由于全國大部分地區都存在較嚴重的PM2.5污染，從本文雙重差分估計結果來看，盡管特護期方案的實施對CO排放治理效果欠佳，但對PM2.5排放的治理效果顯著，確實具有較好的減排效果，且特護期政策實施后PM2.5的減排效應顯著大于CO排放的促進效應，因此特護期方案的實施可在很大程度上改善大氣整體質量，值得其他地區借鑒，但在推廣大氣污染防治特護期治理模式的同時，應當根據當地大氣污染特征，增加針對CO減排的特定配套內容，進一步提高大氣污染防治效果。