環境吸收能力對中國PM_2.5濃度的影響

李琳 成金華 刁貝娣

摘要 大氣污染，特別是細顆粒物（PM2.5）污染，對人類生產生活造成極大負面影響，是全球共同關注的熱點問題，也是我國社會經濟高質量發展所面臨的巨大考驗。環境吸收能力是大氣環境系統自身結構與功能健康的保障，對人類在生產生活過程中產生的大氣污染物的自動容納、吸收和消化等作用不容忽視。了解環境中各要素對PM2.5的吸收能力，深入探索環境吸收能力對PM2.5濃度的影響，對開拓大氣污染治理新思路有重要意義。文章選用2004—2017年全國30個省、自治區、直轄市的面板數據，從自然資源稟賦和人類活動影響兩個維度構建指標體系測算環境吸收能力指數，并通過面板回歸模型、基于MCMC優化的廣義面板分位數回歸技術和情景分析探討了環境吸收能力對PM2.5濃度影響及其異質性效應。研究發現：①全國環境吸收能力整體水平偏低，且區域間環境吸收能力差異較大。環境吸收能力受自然條件與人類活動的共同影響，自然條件稟賦是影響環境吸收能力強弱的主要因素，人類活動影響是造成環境吸收能力指數波動和地區間差異的主要因素。②從總體回歸結果來看，環境吸收能力的增強對PM2.5濃度的降低有顯著負向影響，在PM2.5濃度較高的地區，環境吸收能力的作用更加明顯，但其影響效應不會必然隨著PM2.5濃度的上升而增加，并且在極端情況下，影響效應并沒有通過顯著性檢驗。③從異質性效應分析結果來看，在可持續情景和緊急情景下，環境吸收能力對PM2.5濃度的作用顯著為負，而在悲觀情景下，環境吸收能力的作用并未體現。研究結論為我國大氣污染防治和環境質量改善有重要啟示作用。

關鍵詞 環境吸收能力;大氣污染;PM2.5濃度;面板分位數回歸;情景分析;異質性

中圖分類號 F205文獻標識碼 A文章編號 1002-2104（2021）05-0077-11DOI：10.12062/cpre.20200936

大氣污染問題是中國最受關注的環境問題之一。進入21世紀之后，高速的經濟增長、快速的工業化城鎮化進程、長時間粗放式的能源消耗模式，使得大氣污染物尤其是細顆粒物（PM2.5）的排放大幅增加，大氣環境質量問題日益凸顯，為生產生活和公眾健康埋下了隱患，成為我國可持續性發展進程中的巨大考驗[1]。目前，因《大氣污染防治行動計劃》《打贏藍天保衛戰三年行動計劃》等大氣污染防治計劃的實施，細顆粒物PM2.5的排放有所減少，在大氣中的濃度有所降低，但仍存在治理效果不持久、不穩定的問題。大氣污染治理不僅僅需要關注對人類行為活動的控制和管理，也需要從環境自身的修復能力為大氣污染治理找尋新的突破口。環境吸收能力是維持與保證大氣環境系統自身結構與功能健康的基礎。了解環境對PM2.5的吸收能力，深入探討環境吸收能力對PM2.5濃度的影響，對開拓大氣污染治理新思路有著重要的啟示作用。同時，考慮到各地區自然條件稟賦和經濟社會發展的不均衡性，相對應的大氣環境質量與環境吸收能力水平也必然存在區域差異。要從環境自身修復能力入手，針對影響的異質性提出相應的PM2.5治理措施，以響應我國生態文明建設國家戰略，打好大氣污染治理的攻堅戰。

1文獻綜述與研究假設

在過去的數十年中，人們對PM2.5的認知有明顯提高。PM2.5的主要來源和影響已經被廣泛研究，例如，從能源消費量[2-4]、能源消費效率（強度）[5-6]、能源消費結構[7-8]、交通運輸建設[9-10]等視角了解PM2.5的來源;從經濟增長、產業結構調整、對外貿易等經濟活動視角探索影響PM2.5排放和治理的因素[11-12];以及從健康損失[13]、經濟損失[14]的視角來評估PM2.5造成的影響。然而，大多數研究主要從反省人類自身行為活動合理性的角度，重點關注如何將大氣中的PM2.5濃度迅速降低，而忽略了大氣是作為環境要素中的重要組成部分，環境自身的修復作用在探索大氣污染防治路徑的過程中常被忽略。

美國學者Tietenberg等[15]于2011年提出了環境吸收能力（EnvironmentalAbsorptionCapacity，EAC）的概念，認為自然環境對于人類在生產生活過程中產生的廢棄物具有自動容納、吸收和消化的能力。盡管一些學者從衡量大氣環境容量和環境承載力的角度為PM2.5污染物的治理和環境政策的制定提供了依據[16-17]，但環境吸收能力這一概念既不同于反映“某一個環境單元所允許承載污染物的最大數量”的環境容量，也不同于衡量“一個區域所能永久承載人類活動的程度”的環境承載力，且三者對PM2.5污染物的作用機理存在差異。因此，對環境吸收能力的測算及其對PM2.5濃度影響的探討不能單純地由環境容量或環境承載力等相關及類似的研究所替代。

目前，國內外對環境吸收能力測算的工作較少。結合文獻，借鑒現有文獻中對環境容量與環境承載力的測算分析，采用的測算方法主要有以下幾類。第一類是簡要估算，如修正的A值法，不需要特別了解污染源的布局、排放量與排放方式，也不需要考慮氣候、干濕降塵等因素，其結果對地方建設規劃決策和區域污染排放總量控制有一定的參考價值，但因其所用參數較少且取值主觀性較大，所測量結果與實際大氣環境容量有一定的差距[18]。第二類是采用函數關系分析或數值模擬的方法，選取一個或多個指標來表示環境容量，如空氣質量模型模擬法和線性規劃優化法[19-20]。第三類是構建評價指標體系，運用多指標綜合評價的理論與方法進行測算，這類方法因其綜合性、客觀性和科學性，在衡量環境因素的研究中較為常見。一些學者將環境吸收能力的概念融入環境評價指標體系中[21-22]，并在測算的指標選取中做出了貢獻。袁曉玲等[23]從環境污染和環境吸收的視角綜合大氣、水、土壤三大環境要素評價了環境質量，選取城市綠地面積、平均相對濕度、年降水量、水資源總量、濕地面積和森林面積等指標測算了大氣、土壤和水體的環境吸收指數，作為環境質量評價的正向指標。在這些研究中，衡量環境吸收能力的指標多為森林覆蓋率、林地面積、綠地面積、降水量、水資源總量等反應地區自然條件的指標。部分研究從植物學、氣象學、環境科學視角，采用實驗對比方法和監測數據，認為環境中的各個要素對大氣污染物有一定的吸收能力，他們從單一環境資源要素入手，認為森林植被[24]、近地表下墊面（湖泊、濕地）[25-26]和氣象因素（濕度、降水、風等）[27-28]對大氣污染物具有一定的吸收能力。這些研究多數從綜合環境污染物凈化角度入手，未從單一污染問題，如大氣污染、水污染、土壤污染問題切入進行環境吸收能力的測算，選用的指標也以體現地區自然條件為主。

依據環境對污染物的吸收能力，大氣污染物可分為基金污染物和累積性污染物。目前，我國一系列大氣污染防治政策重點關注的大氣污染物多為基金污染物，即環境對其有一定吸收能力的污染物，PM2.5是基金污染物的代表。其在進入空氣、土壤、植被或水體后，或被光照降解，或被植被吸收，或溶于液體，能夠被轉化為對人類和生態系統造成危害較小的物質，可能被分解和稀釋到無害的濃度。而累積性污染物長時間持久存在于大氣中，對人類的健康產生的影響不可逆，環境對其沒有或只有很小吸收能力。

理論上，由于環境吸收能力的存在，地球自身的力量是可以將環境恢復到原有或相近的活力水平，資源環境退化并不是不可逆的[29]。如圖1所示，環境吸收能力的作用存在于污染排放到環境負荷產生過程之間，其大小直接決定了人類活動產生的污染排放在未經有效干預的情況下有多少會直接造成環境負荷。一旦排放的污染物超過環境吸收能力，污染物就會在環境中累積，造成生態環境的破壞。Ouardighi等[30]認為，環境吸收能力的增強能有效降低環境中的污染物濃度，環境中存在的污染物總量隨環境吸收能力的增加而減少，隨排放率的增加而增加。同時，污染物排放的減少也會帶來環境吸收能力更好的作用體現，二者形成一個良性的循環關系[23]。因此，文章提出：

理論假設1：地區環境吸收能力的提升會帶來PM2.5濃度的降低。

理論假設2：在PM2.5濃度較高的地區，環境吸收能力無法得到更好的體現。

各地區依據環境吸收能力的差異，區域環境狀態可分為三個情景：可持續情景、緊急情景和SoylentGreen悲觀情景“SoylentGreen”一詞源于1973年理查德·弗萊舍的電影《SoylentGreen》，描述人類除了悲慘地忍受世界性的生態災難外什么也做不了，后學者將這種極端悲觀的情景以“SoylentGreen”命名。[30]。在可持續情景下，環境質量處于一種穩定的狀態，各環境要素富有彈性，生態經濟系統的變化不會威脅到環境的可持續性;處于緊急情景下的地區，環境吸收過程的臨界放緩，環境對污染物的吸收作用會迅速下降，這一情景下的地區應及時避免情況向悲觀化發展;在SoylentGreen悲觀情景下，環境吸收能力被消耗殆盡或存在嚴重的滯后性效應，環境中存在一個持久的污染存量，且環境對能夠吸收的污染物存在排斥，生態系統無法回到開始時的狀態。因此，文章提出：

理論假設3：在環境吸收能力水平較高的地區，環境吸收能力的增強更有利于PM2.5濃度的減少，而在環境吸收能力低的地區，環境吸收能力對PM2.5濃度的減少作用很小甚至沒有。

綜上所述，文章選取2004—2017年中國30個省份（研究未涉及西藏、港澳臺）為研究樣本，采用多指標綜合評價方法，從自然資源稟賦和人類活動影響兩個維度，全面、客觀、科學構建針對大氣污染的環境吸收能力指標體系，對各省市自治區的環境吸收能力進行測算，量化分析環境吸收能力對PM2.5濃度的影響程度，并通過MCMC優化的廣義面板分位數回歸方法分析不同大氣污染分位數水平下環境吸收能力所發揮的作用，再運用情景分析探尋環境吸收能力對PM2.5濃度的影響的異質性，為大氣環境質量改善提供新的理論依據與實踐建議。

2模型、變量與數據

2.1環境吸收能力測算

文章采用多指標綜合評價的方法進行環境吸收能力指數的測算。選取該方法一方面是希望從自然條件稟賦和人類活動影響兩個方面獲得科學可信的指數結果，另一方面考慮到統計數據的局限性。文章選取客觀賦值熵權法，對各個指標進行客觀賦值，通過確定熵值來評估所獲得的信息量[31-32]。在構建指標體系過程中，融入“山水林田湖草生命共同體”的概念與內涵，借鑒各學科學者在各環境要素對PM2.5濃度作用效應的研究成果，從自然條件稟賦和人類活動影響兩個維度，選取7個代表性指標，系統構建衡量環境對大氣污染物的吸收能力的指標體系，如表1。需要說明的是，為確保指標的性質單一，在城市建設用地面積數據的選取中，將城市綠地面積從城市建設用地面積中扣除，故而使得城市建設用地面積更有效的反映為人類生產生活提供物理空間載體的大小依據《GB50137-2011城市用地分類與規劃建設用地標準》，城市建設用地指城市（鎮）內居住用地、公共管理與公共服務設施用地、商業服務業設施用地、工業用地、物流倉儲用地、道路與交通設施用地、公用設施用地、綠地與廣場用地的統稱。城市建設用地規模/面積指上述用地面積之和。其中，綠地包括公共綠地（即公園和街頭綠地）與生產防護綠地（即園林生產綠地和防護綠地），不包括專用綠地、園地和林地。。

2.2計量模型構建與回歸

為檢驗研究假設，文章構建面板回歸方程：

μit為個體固定效應。依據變量體現的時間趨勢，進一步加入時間趨勢項λit，對除第一年外的每一年定義為一個虛擬變量，然后將T-1個時間虛擬變量加入到回歸模型中，樣本跨度14個年份，將13個時間虛擬變量加入模型，構建雙向固定效應模型：

在模型回歸過程中，依據面板數據單位根檢驗結果和社會經濟發展等因素的實際含義，對部分變量取對數處理。

2.3異質性效應分析

為了加強對被解釋變量PM2.5濃度條件分布的理解，深入了解環境吸收能力影響的內在規律，文章采用基于MCMC優化的廣義面板分位數回歸，從不同分位數水平度量環境吸收能力對分布中心的影響，以及其對分布上尾和下尾的影響，使得固定效應模型測算結果更全面和精確。設變量PM的分布函數為F（PM）=P（PM

得到方程的參數值[34]。該方法的優點在于：廣義分位數回歸是無條件期望回歸，所得的影響效應是無條件的，與協變量的數量無關，同時MCMC的優化方法使得分位數回歸結果更穩健[35-36]。

為檢驗研究假設2，文章選用情景分析方法，以環境吸收能力平均水平在0.2和0.4為臨界點，將樣本中的30個地區劃分為可持續情景、緊急情景和SoylentGreen悲觀情景，環境吸收能力大于0.4為可持續情景，0.2～0.4之間為緊急情景，小于0.2的地區為SoylentGreen悲觀情景。在模型中，引入情景虛擬變量Dum_Sustainability、Dum_Emergency和Dum_Soylentgreen，與環境吸收能力構成交叉項，剖析不同環境情景下環境吸收能力對PM2.5濃度的影響差異，虛擬變量分別對這三種情景下的區域賦值為1，其他地區賦值為0。

文章選用隨機效應模型來研究環境吸收能力對PM2.5濃度影響的異質性。選擇隨機效應模型的原因有3點：①處于不同情景下的地區被視為一個隨機變量，是許多處于該情景地區的一部分;②基于Hausman檢驗的結果，沒有拒絕“固定效應模型和隨機效應模型所估計的系數都是一致的，且隨機效應估計的系數是最有效估計”的原假設;③模型引入虛擬變量的要求。公式（3）表示單隨機效應模型，公式（4）表示雙向隨機效應模型[37]。

2.4變量選擇與數據來源

被解釋變量：PM2.5濃度。各省份的PM2.5濃度數據來源于達爾豪斯大學的大氣成分分析組（AtmosphericCompositionAnalysisGroup），由遙感數據解析為地理加權數據。

解釋變量：環境吸收能力（eac）。由測算得到的各省份環境吸收能力指數表示。

結合相關文獻與數據可獲得性，選取如下控制變量：①人口因素。以往的研究發現，PM2.5濃度與人口規模和城市化率均存在顯著相關性[38-39]。文章選擇城鎮人口數（pop，萬人）表示人口規模，由城鎮化水平（cit，%）表示城鎮化率。②污染來源。化石燃料特別是煤炭的燃燒是導致大氣污染的主要因素，煤炭消費總量的調整對PM2.5排放有著直接貢獻[40]，該變量由煤炭消費量（cons_coal，萬t）表示污染來源。③環境規制強度。不同類型環境規制對霧霾污染的影響有顯著差異[41]，一定程度上，環境規制強度越大，對霧霾的治理效果越好[42]。該變量由各地區環境污染治理投資占GDP的比重（ratio_inves，%）表示。④結構因素。魏巍賢等[7]認為，以低熱值煤炭為主的能源消費結構特征對環境影響較大，能源消費結構調整是治理PM2.5的根本手段。產業結構對PM2.5的影響也被諸多學者論證，他們認為高污染、高能耗企業在經濟結構中所占比例過高會導致PM2.5的大量排放[43-46]。模型結構因素分別由煤炭占一次能源消費比重（stru_coal，%）和第二產業比例（ratio_gdpsec，%）表示。

文章選取2004—2017年30個省份為樣本。環境吸收能力指數測算各指標數據及計量模型中變量數據來源于《中國統計年鑒》《中國林業統計年鑒》《中國水資源公報》《中國城市統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》《中國環境年鑒》及各地區水資源公報等公開的官方統計數據渠道。各變量描述性統計見表2。

3結果分析

3.1環境吸收能力測算結果與區域差異

圖2展示了2004—2017年全國及在三類情景下環境吸收能力指數的時間變化趨勢，表3列出了各情景所涉及的省份，并對各省份所在地區分布進行了統計。表1最右列展示了測算所得各指標的平均熵權。熵權用于度量樣本指標所提供的有效信息量，各指標的離散程度越大，該指標提供的有效信息量就越大。權重的確定意味著各項單一指標對總體水平影響程度的確定。分析發現：①全國環境吸收能力整體水平不高，2004—2017年，全國總體環境吸收能力平均水平為0.295;②不同情景下環境吸收能力差異較大，可持續情景下的省份在西南、東北、華南等地區均有涉及，環境吸收能力整體水平達到0.45，緊急情景下的地區主要集中在華東地區，而SoylentGreen悲觀情景下的地區主要集中在華北地區，環境吸收能力不足0.2;③可持續情景和緊急情景下的地區環境吸收能力指數波動明顯，環境狀態不穩定。同時，由所得權重可知，代表自然條件稟賦的四個指標的權重明顯大于代表人類活動影響的三個指標，這表明各地區自然條件稟賦的情況對環境吸收能力的高低起著決定性作用，自然條件稟賦的限制是環境吸收能力整體水平不高的主要原因。人類活動影響各指標所體現的社會經濟發展方式是造成環境吸收能力水平波動、地區差異較大的主要因素，地區的建設和發展以及突發環境事件的不可控性給環境吸收能力的穩定性帶來了挑戰。

3.2環境吸收能力對PM2.5濃度的影響

為保證估計結果的有效性，避免偽回歸發生，文章對部分變量取對數處理，采用同根單位根檢驗（HT檢驗）和異根單位根檢驗（ADF檢驗、PP檢驗）對各變量進行單位根檢驗，結果如表4所示，檢驗結果均拒絕了含有單位根的原假設，認為所有序列均為平穩過程。

表5展示了環境吸收能力和PM2.5濃度的面板估計結果。模型1為混合回歸模型，模型2、模型3分別為固定效應模型和隨機效應模型。依據F檢驗結果，在混合回歸和固定效應回歸中選用固定效應回歸模型。依據Hausman檢驗值29.70，Prob（Hausman）小于1%，選擇固定效應模型的結果更為有效。模型4為引入時間效應的變截距雙向固定效應模型。同時，采取逐一剔除控制變量的方式，以及以滯后一期的PM2.5濃度作為因變量進行穩健性檢驗，結果如模型（5）、（6）、（7）和（8）所示。

綜合表5中模型（4）與穩健性檢驗結果，環境吸收能力對PM2.5濃度呈現顯著的負向影響，地區環境吸收能力每上升1%，PM2.5濃度則降低0.123%，且在穩健性檢驗結果中，各變量相關系數符號未發生變化，僅在影響程度上存在細微差異，因此認為模型結果穩健。模型（4）中的變量均為顯著，說明存在一定的時間效應。

進一步觀察控制變量可知，城鎮化的發展整體上對大氣環境質量的改善有促進作用，雖然城鎮化的直接結果就是城鎮人口的增加，但城鎮化水平的提高有利于推進地區各方面資源的整合與利用，經濟發展水平、科技水平和教育水平的提高對大氣污染有一定的緩解。能源消費量與PM2.5濃度的相關系數顯著為正，能源消費量的增加會使PM2.5濃度增加，同時煤炭在一次能源消費中的比重降低導致PM2.5濃度顯著降低。近年來，雖然清潔能源應用發展迅速，但煤炭消費量仍然是我國當前生產生活中主要采用的化石能源，鋼鐵、化工、冶金、水泥等行業對煤炭的需求量都很大。環境污染治理投資的增加代表了政府對環境污染治理的決心和力度，對PM2.5濃度有在10%水平下的顯著正效應。產業結構的優化促進了大氣污染問題的緩解，當前，全國各地區第二產業的比重都有所降低，第三產業蓬勃發展，加之對高污染、高能耗產能的大力控制，產業發展逐漸向清潔化方向邁進。

3.3環境吸收能力對PM2.5濃度影響的異質性效應

依據不同地區的經濟社會發展水平、環境吸收能力、大氣環境質量等因素的異質性，通過MCMC優化的廣義面板分位數回歸和情景分析，討論不同大氣質量水平和環境情景下，環境吸收能力對PM2.5濃度的不同影響。

文章利用MCMC優化的廣義面板分位數回歸技術，得到PM2.5濃度分布變遷條件下的環境吸收能力影響估計值的分布規律和影響趨勢。分析結果見圖3和表6。表6按照5個代表性分位數（10%、25%、50%、75%、90%）給出了環境吸收能力對PM2.5濃度的影響效應。由結果可知：①整體來看，隨著PM2.5濃度分位數水平的提高，環境吸收能力對其影響程度逐漸增大，但是，環境吸收能力的影響效應并不會必然隨著PM2.5濃度的上升而增加，例如在60%分位數水平下，環境吸收能力影響迅速下降。②環境吸收能力對PM2.5治理的影響幅度較大，說明PM2.5濃度較低的地區，PM2.5濃度受環境吸收能力的影響有限，而PM2.5濃度較高的地區，環境吸收能力的作用效果更加明顯。③在95%分位數水平上，環境吸收能力沒有通過顯著性檢驗，說明在PM2.5濃度極高的地區，環境吸收能力的作用效果極弱，可視為沒有作用。

進一步分析不同環境情景下的環境吸收能力影響的異質性。表7中，模型（9）為混合回歸模型，模型（10）和模型（11）分別表示引入交叉項之后的固定效應模型和隨機效應模型。依據Hausman檢驗值為負（-100.75），選用隨機效應模型更為合適。模型（12）為引入時間效應的雙向隨機效應模型。為檢驗模型結果的穩健性，文章將情景劃分臨界值進行細微調整，分別檢驗了以0.2和0.3為界模型（13）、0.15和0.4為界模型（14）和0.15和0.35為界模型（15）等三種不同情景下的環境吸收能力影響效應，發現回歸結果方向與組間差異與模型（12）一致，模型結果穩健。

綜合表7結果，在可持續情景和緊急情景下，環境吸收能力對PM2.5濃度的作用顯著為負，且在可持續情景下的影響程度更大，而在SoylentGreen悲觀情景下，環境吸收能力的作用并未體現。主要原因在于，可持續情景下的地區森林、濕地等自然條件稟賦有顯著優勢，整體生態系統保護較完整，環境質量處于基本穩定狀態，山水林田湖草各環境要素富有彈性，加之處于可持續情景下的7個省份建成區面積所占比重較小，大氣污染突發環境事件次數幾乎為0，人類活動帶來的負面影響較小，因此，環境吸收能力對PM2.5濃度的影響尤為明顯。緊急情景下的地區，自然條件稟賦相對較弱，社會經濟發展方式的不盡合理使得近年來生態系統有所破壞，環境吸收能力對PM2.5濃度的影響顯著，但影響程度較可持續情景下弱，全國有三分之一以上的省份處于緊急情景之下。SoylentGreen悲觀情景下的地區主要集中在華北地區和北京、上海等經濟發展迅速的大都市，華北地區本身因氣候條件影響，容易出現沙塵、霧霾天氣，同時這些省份森林覆蓋率較低，人造林對PM2.5的降解作用需要一些時間得以顯現，濕地面積不斷減少，加之能源消費結構不盡合理和秋冬季節供暖以煤炭燃燒為主等因素，環境吸收能力在這些地區對PM2.5的治理作用不顯著。

4結論與啟示

4.1結論

文章運用多指標綜合評價的方法，測算了我國2004—2017年環境吸收能力指數，分析了環境吸收能力對PM2.5濃度的影響，進一步探討了環境吸收能力在不同PM2.5濃度水平以及不同情景下對PM2.5濃度的影響變化趨勢，得出以下結論。

首先，依據對環境吸收能力測算結果的分析，我國環境吸收能力呈現“整體水平較低，地區差異較大”的特征。更強的環境吸收能力表示地區具有更好的自然稟賦條件和更穩定合理人類行為活動，會帶來更有效的大氣環境修復作用。影響我國環境吸收能力強弱的主要因素是自然條件稟賦，造成環境吸收能力波動和地區差異的主要原因在于人類活動影響，特別是突發環境事件的不可控性。

第二，環境吸收能力對PM2.5濃度呈現顯著的負向影響。總體來看，環境吸收能力每增加一個單位，PM2.5濃度降低0.123%。然而，其影響效應并不會必然隨著PM2.5濃度的上升而增加。在PM2.5濃度較高的地區，環境吸收能力的作用效果會更加明顯，而在PM2.5濃度極高的地區，環境吸收能力對大氣環境的修復作用并未得以體現。

第三，不同情景下環境吸收能力對PM2.5濃度的影響不同，影響程度呈現“可持續情景>緊急情景”的規律，且在悲觀情景下的地區，環境吸收能力的作用并未體現。自然條件稟賦越好，人類活動對生態系統影響越小，環境吸收能力在PM2.5濃度降低過程中所體現的作用越突出。三種情景下環境吸收能力對PM2.5濃度影響的差異及其原因為探索優化大氣污染防治新路徑提供了有力依據。

4.2啟示

以上結論對大氣污染防治新路徑的探索和整體環境質量改善有重要的理論啟示與實踐意義。

首先，統籌環境吸收能力諸要素的綜合治理，提升全國整體環境吸收能力水平。貫徹落實“綠水青山就是金山銀山”的綠色發展理念，順應自然、保護生態，統籌山水林田湖草系統治理，優化完善大氣污染防治路徑與措施。建立環境吸收能力要素大數據臺賬，把握氣候變化規律，保護水資源、森林資源與濕地資源，合理規劃城鎮建成區和綠地面積，科學預防和應對突發環境事件，增強環境吸收能力全要素的彈性，穩定并提高環境吸收能力水平。

第二，轉變社會經濟發展和生產生活方式，實現資源節約型、環境友好型發展。一方面推動節能減排，約束粗放型的能源消費行為，調整以煤炭為主的能源消費結構，運用先進技術手段實現清潔生產和清潔排放，減少人類活動對環境吸收能力的負面影響;另一方面加強生態文明宣傳和自然教育，強化公民環境保護意識，推行簡約適度、綠色低碳的生活方式，促進人與自然和諧共生。

第三，實行“一省一策”，創新聯防聯控“網格化”環境治理新路徑。針對各情景自然條件稟賦和社會經濟發展的異質性，因時因地制宜，尋求各省份PM2.5治理措施，實施生態環境優化、治理和修復。在可持續情景下的地區，優化生態生活生產環境，實現自然環境對大氣污染的吸收能力最大化;在緊急情景下的地區，嚴守生態紅線，擴大植樹造林，加大園林綠化，改善自然生態系統，加強生態環境治理;在悲觀情景下的地區，合理利用當地地形地勢和風向等自然因素，大力修復被破壞的綠色植被，擴大退耕退牧還林還草面積，注重濕地保護。同時，對環境情景差異較大的相鄰地區之間實行聯防聯控協同共治。

參考文獻

[1]CHANCK，YAOX.AirpollutioninmegacitiesinChina[J].Atmosphericenvironment，2008，42（1）：1-42.

[2]YUANX，MUR，ZUOJ，etal.Economicdevelopment，energyconsumption，andairpollution：acriticalassessmentinChina[J].Humanandecologicalriskassessment：aninternationaljournal，2015（21）：781-798.

[3]KHANMM，ZAMANK，IRFAND，etal.Triangularrelationshipamongenergyconsumption，airpollutionandwaterresourceinPakistan[J].Journalofcleanerproduction，2016，112（2）：1375-1385.

[4]張文靜.大氣污染與能源消費、經濟增長的關系研究[J].中國人口·資源與環境，2016，26（11）：57-60.

[5]邵帥，楊莉莉，黃濤.能源回彈效應的理論模型與中國經驗[J].經濟研究，2013（2）：96-109.

[6]趙立祥，趙蓉.經濟增長、能源強度與大氣污染的關系研究[J].軟科學，2019，33（6）：60-66，78.

[7]魏巍賢，馬喜立.能源結構調整與霧霾治理的最優政策選擇[J].中國人口·資源與環境，2015，25（7）：6-14.

[8]馬麗梅，張曉.中國霧霾污染的空間效應及經濟、能源結構影響[J].中國工業經濟，2014（4）：19-31.

[9]KINNONMM，ZHUS，CARRERAS-SOSPEDRAM，etal.Consideringfutureregionalairqualityimpactsofthetransportationsector[J].Energypolicy，2019，124：63-80.

[10]SUNC，ZHANGW，LUOY，etal.Theimprovementandsubstitutioneffectoftransportationinfrastructureonairquality：anempiricalevidencefromChinasrailtransitconstruction[J].Energypolicy，2019，129：949-957.

[11]ZHUL，HAOY，LUZ，etal.Doeconomicactivitiescauseairpollution：evidencefromChinasmajorcities[J].Sustainablecitiesandsociety，2019，49：101593.

[12]HUYNHCM，HOANGHH.ForeigndirectinvestmentandairpollutioninAsiancountries：doesinstitutionalqualitymatter？[J].Appliedeconomicsletters，2019，26（17）：1388-1392.

[13]XIEY，DAIH，DONGH，etal.EconomicimpactsfromPM2.5pollution-relatedhealtheffectsinChina：aprovincial-levelanalysis[J].Environmentalscience&technology，2016，50（9）：4836-4843.

[14]穆泉，張世秋.中國2001—2013年PM2.5重污染的歷史變化與健康影響的經濟損失評估[J].北京大學學報（自然科學版），2015，51（4）：694-706.

[15]TIETENBERGT，LEWISL.Environmentalandnaturalresourceseconomics[M].8thed.Beijing：Chinarenminuniversitypress，2011.

[16]薛文博，付飛，王金南，等.基于全國城市PM2.5達標約束的大氣環境容量模擬[J].中國環境科學，2014，34（10）：2490-2496.

[17]SUY，YUYQ.Dynamicearlywarningofregionalatmosphericenvironmentalcarryingcapacity[J].TheScienceofthetotalenvironment，2020，714：136684.

[18]徐大海，王郁，朱蓉.大氣環境容量系數A值頻率曲線擬合及其應用[J].中國環境科學，2016，36（10）：2913-2922.

[19]肖楊，毛顯強，馬根慧，等.基于ADMS和線性規劃的區域大氣環境容量測算[J].環境科學研究，2008，21（3）：13-16.

[20]盧亞靈，劉年磊，程曦，等.京津冀區域大氣環境承載力監測預警研究[J].中國人口·資源與環境，2017，27（S1）：36-40.

[21]屈小娥.中國環境質量的區域差異及影響因素：基于省際面板數據的實證分析[J].華東經濟管理，2017，31（2）：57-65.

[22]劉伯龍，袁曉玲.中國省際環境質量動態綜合評價及收斂性分析：1996-2012[J].西安交通大學學報（社會科學版），2015，35（4）：32-40.

[23]袁曉玲，邸勍，李朝鵬.中國環境質量的時空格局及影響因素研究：基于污染和吸收兩個視角[J].長江流域資源與環境，2019，28（9）：2165-2176.

[24]ZHANGX，DUJ，HUANGT，etal.AtmosphericremovalofPM2.5byman-madethreenorthernregionsshelterforestinnorthernChinaestimatedusingsatelliteretrievedPM2.5concentration[J].Scienceofthetotalenvironment，2017，593-594：713-721.

[25]ZHUC，ZENGY.EffectsofurbanlakewetlandsonthespatialandtemporaldistributionofairPM10andPM2.5inthespringinWuhan[J].Urbanforestry&urbangreening，2018，31：142-156.

[26]LIUJ，YANG，WUY，etal.WetlandswithgreaterdegreeofurbanizationimprovePM2.5removalefficiency[J].Chemosphere，2018，207：601-611.

[27]于彩霞，鄧學良，石春娥，等.降水和風對大氣PM2.5、PM10的清除作用分析[J].環境科學學報，2018，38（12）：4620-4629.

[28]RYUJ，KIMJJ，BYEONH，etal.Removaloffineparticulatematter（PM2.5）viaatmospherichumiditycausedbyevapotransp-iration[J].Environmentalpollution，2019，245：253-259.

[29]DASGUPTAP，MALERK.Environmentalandresourceeconomics：somerecentdevelopments[R].SANDEE，2004.

[30]OUARDIGHIFE，BENCHEKROUNH，GRASSD.Controllingpollutionandenvironmentalabsorptioncapacity[J].Annalsofoperationsresearch，2014，220：111-133.

[31]CABRALESA，GOSSNERO，SERRANOR.Entropyandthevalueofinformationforinvestors[J].Americaneconomicreview.2013，103（1）：360-377.

[32]WANGQ，YUANX，ZHANGJ，etal.Assessmentofthesustainabledevelopmentcapacitywiththeentropyweightcoefficientmethod[J].Sustainability，2015，7（10）：13542-13563.

[33]PARZENE.Quantileprobabilityandstatisticaldatamodeling[J].Statisticalscience，2004，19（4）：652-662.

[34]魏下海.貿易開放、人力資本與中國全要素生產率：基于分位數回歸方法的經驗研究[J].數量經濟技術經濟研究，2009（7）：61-71.

[35]POWELLD.Quantileregressionwithnonadditivefixedeffects[R].RAND，2015.

[36]POWELLD.Quantiletreatmenteffectsinthepresenceofcovariates[R].RAND，2016.

[37]ANGELIKIN，MENEGAKI.GrowthandrenewableenergyinEurope：arandomeffectmodelwithevidenceforneutralityhypothesis[J].Energyeconomics，2011，33（2）：257-263.

[38]WANGS，ZHOUC，WANGZ，etal.Thecharacteristicsanddriversoffineparticulatematter（PM2.5）distributioninChina[J].Journalofcleanerproduction，2017，142：1800-9.

[39]WANGS，XUL，GES，etal.DrivingforceheterogeneityofurbanPM2.5pollution：evidencefromtheYangtzeRiverDelta，China[J].Ecologicalindicators，2020，113：106210.

[40]薛文博，武衛玲，付飛，等.中國煤炭消費對PM2.5污染的影響研究[J].中國環境管理，2016，8（2）：94-98.

[41]周杰琦，梁文光，張瑩，等.外商直接投資、環境規制與霧霾污染：理論分析與來自中國的經驗[J].北京理工大學學報（社會科學版），2019，21（1）：37-49.

[42]劉曉紅，江可申.環境規制、能源消費結構與霧霾：基于省際面板數據的實證檢驗[J].國土資源科技管理，2016，33（1）：59-65.

[43]CHENGZ，LIL，LIUJ.IdentifyingthespatialeffectsanddrivingfactorsofurbanPM2.5pollutioninChina[J].Ecologicalindicators，2017，82：61-75.

[44]YAND，RENX，KONGY，etal.TheheterogeneouseffectsofsocioeconomicdeterminantsonPM2.5concentrationsusingatwo-steppanelquantileregression[J].Appliedenergy，2020，272：115246.

（責任編輯：于杰）