基于地理探測器的京津冀地區制造業集聚對PM2.5濃度的影響研究

王嘉寧 李業錦 李怡旻 李倩

摘要：[目的/意義]探究京津冀地區霧霾污染的分布特征以及影響因素，厘清PM2.5濃度與制造業集聚之間的關系，可能是推動京津冀地區綠色發展的重要途徑。[方法/過程]本文基于2005—2013年京津冀地區規模以上工業企業微觀數據以及NASA的年均PM2.5濃度數據，以京津冀204個區（縣）為研究對象，探究制造業集聚與PM2.5濃度的時空演化特征，運用地理探測器方法，從集聚形式和行業異質性兩個視角揭示PM2.5濃度空間分布的影響機理。[結果/結論]①京津冀地區年均PM2.5濃度呈現西北低、東南高的空間分布格局，且上升態勢明顯。制造業集聚形式呈現空間分異特征，其中集聚密度呈現“京-津-邯”三核心組團式發展格局。專業化集聚表現為“張-保-邢-秦”四小型核心發展格局。多樣性集聚呈現集中連片式發展格局。②不同時期的制造業集聚形式對PM2.5濃度的解釋力存在差異。集聚密度始終是PM2.5濃度空間分布的主導因素，但影響程度有所下降，專業化集聚對于PM2.5濃度的解釋力有所增強。不同集聚形式的交互作用加強了對PM2.5濃度空間分布的影響程度。③從行業異質性來看，化學原料及化學制品制造業是導致PM2.5濃度空間分異的主導因素，化學原料及化學制品制造業與其他因子的交互作用的解釋力明顯強于其他因子間的交互作用，其與黑色金屬冶煉及壓延加工業交互作用的解釋力最高。因此，引導制造業空間合理集聚、有序集聚、多樣性集聚，加大偏污染型、重化工產業的疏解力度，加快推動制造業綠色環保轉型，是京津冀地區PM2.5環境治理的重要戰略選擇。

關鍵詞：集聚形式 PM2.5 地理探測器 京津冀地區

分類號：F427

DOI： 10.19318/j.cnki.issn.2096-1634.2022.02.15

？本文系國家自然科學基金項目“北京城市環境污染對居民居住空間選擇的影響及其演化模擬”（項目編號：41671166）、國家自然科學基金青年項目“基于城市安全環境評價的大城市應急避難場所區位優化配置研究：以北京為例”（項目編號：41001105）研究成果之一。

1 引言

不合理的產業集聚有可能會加劇環境的污染，產生一系列的環境問題以及潛在的環境威脅。近年來，京津冀地區作為霧霾污染重災區，實施了《大氣污染防治行動計劃》《大氣十條》等政策，同時將加強工業企業大氣污染綜合治理看作一號工程。然而對一些不合理的產業集聚區進行疏解轉移有可能比直接進行治理更為有效。因此，探究京津冀地區不同時期霧霾污染分布特征以及影響因素，積極厘清PM2.5（細顆粒物）濃度與制造業集聚之間的關系，可能是推動京津冀地區綠色發展的重要途徑。

環境問題與經濟活動的影響、產業集聚的環境效應是經濟地理學和環境經濟學的研究熱點，隨著環境經濟地理學和演化經濟地理學的興起，有關集聚與環境的問題逐漸成為學術界研究的核心主題[1]。已有研究主要集中在工業集聚與環境污染方面[2-14]。從行業異質性視角出發，學者們發現不同污染程度的行業集聚對環境造成的正負外部性有所不同[6-10]，研究尺度包括全國尺度[11]、區域尺度[12]、省級尺度[13]和市級尺度[14]。此外，也有學者對農業以及服務業集聚與環境進行了研究[15-16]。從不同集聚形式視角出發，依托集聚的外部性理論，學者們多從專業化集聚和多樣性集聚的角度去分析產業集聚與環境污染的相關問題[17-18]。隨著研究的不斷深入，學者們[19-23]將集聚形式細分為空間形式和組織形式來探討集聚與環境的關系，主要探究產業集聚與環境污染的空間關系和計量關系兩個方面的內容：對于空間關系常用空間自相關等空間分析的方法[20-21]；對于計量關系常構建計量經濟模型、空間杜賓模型等計量模型[22-23]。目前，有關產業集聚與環境污染關系的結論在學術界并未達成一致，主要存在三種觀點：①產業集聚具有環境負外部性效應——集聚導致規模擴大、產能擴張，產生過度擁擠效應、密集效應、惡性競爭效應，加劇環境污染[24-25]；②產業集聚具有環境正外部性效應——產業集聚產生的知識外溢以及技術擴散為產業發展提供創新環境，產生的規模效應提高能源使用效率，良性競爭促進企業間物質交換，從而減輕環境污染[26-27]；③產業集聚與環境污染的關系具有不確定性，存在非線性和門檻效應特征——不同時期的產業集聚所產生的環境正外部性以及環境負外部性共同作用的結果決定了產業集聚的環境效應，呈現出倒“U形”[28]、“U形”[29]、“N形”[30]、倒“N形”[31]以及“S形”[32]等關系。縱觀現有文獻，盡管學術界對產業集聚與環境污染進行了深入的探討和研究，但仍有以下問題值得進一步討論：①研究主要基于城市群、地市等大中尺度，對京津冀地區的微觀尺度研究比較匱乏，京津冀地區各區（縣）具有空間異質性，不同區（縣）存在不同污染特征；②不同集聚形式對于霧霾污染的影響程度存在差異，從行業異質性視角出發，較少實證分析京津冀地區細分行業集聚對霧霾污染的影響機理。

基于此，本文以京津冀區（縣）為研究區域，采用2005—2013年中國工業企業數據以及美國國家航空航天局（National Aeronautics and Space Administration，NASA）的年均PM2.5濃度數據，在總結現有學者的相關文獻以及研究的基礎上，將制造業集聚分為空間形式以及組織形式，分析制造業集聚與PM2.5濃度的時空演化特征，并利用地理探測器探討不同集聚形式以及制造業細分行業集聚對PM2.5濃度空間分異的驅動作用，剖析京津冀地區產業集聚的環境效應，以期為探索京津冀各區（縣）制造業的合理布局和霧霾污染治理提供理論和決策依據。

2 數據來源和研究方法

2.1 數據來源

2.1.1 工業企業數據 工業企業數據來自2005—2013年中國工業企業數據庫，該數據庫包括全部國有工業企業以及規模以上非國有工業企業。本文選擇規模以上工業企業點位的工業總產值、行業名稱、詳細地址等信息，然后整理獲得各區（縣）國民經濟行業分類代碼介于13～43之間的制造業行業的工業總產值，通過計算得出各區（縣）制造業以及細分行業的工業總產值，并提取2005年9，511家企業和2013年19，851家企業的詳細地址信息，通過百度地圖應用程序接口（Application Programming Interface，API）接口，批量獲取制造業企業的經緯度，將每家企業坐標空間化。

2.1.2 PM2.5濃度數據 PM2.5濃度數據來源于哥倫比亞大學國際地球信息科學網絡中心所屬的社會經濟數據和應用中心所發布的2005—2013年的平均柵格數據，該數據是以衛星搭載的中分辨率成像光譜儀和多角度成像光譜儀對氣溶膠光學厚度進行測定后轉換而來。本文通過ArcGIS10.2軟件的“按掩膜提取”功能以及以表格顯示分區統計等工具將原柵格數據進行處理，得出京津冀各區（縣）的年均PM2.5濃度數據。

2.2 研究方法

2.2.1 制造業集聚空間組織形式指標測度 從集聚的外部性差異出發，依據集聚在空間層面和組織層面所表現出的不同特征，將集聚分為空間形式和組織形式。空間形式主要利用集聚密度、企業地理鄰近度等指標進行測度；組織形式主要利用專業化指數、多樣性指數、相關多樣性指數和非相關多樣性指數進行測度。①集聚密度：利用相對制造業密度來表示京津冀各區（縣）制造業空間集聚的水平。②企業地理鄰近度：以京津冀各區（縣）的企業點緯度值的變異系數和經度值的變異系數進行構建。③專業化指數和多樣性指數：分別以京津冀各區（縣）規模最大行業的區位商和赫芬達爾指數的倒數表示。④相關多樣性與非相關多樣性：參考潘文卿等[33]中根據投入產出表計算得到的產業分類結果，將31個制造業（由于廢棄資源綜合利用業、金屬制品、機械和設備修理業行業產值基本為0，故只將29個制造業行業進行分類）分為4大類聚集集合，大類內的行業間具有關聯性，大類之間具有非關聯性，據此計算大類行業的熵可得非相關多樣性，對每一大類中行業的熵進行加權求和得到相關多樣性。具體公式和解釋說明見表1。

3 制造業集聚與PM2.5濃度的時空演化特征

3.1 PM2.5濃度的時空演化特征

總體來看，京津冀地區年均PM2.5濃度，空間分布上由東南向西北呈現圈層結構并逐漸遞減，高值區位于石家莊以及邯鄲的部分區（縣）；時間分布上呈現上升趨勢。由圖1可知，分時間段來看，2005年石家莊橋東區、橋西區以及邯鄲叢臺區的PM2.5濃度的范圍均在70.1～95.0 ug/m3期間。2013年京津冀東南部分區縣的年均PM2.5濃度上升到95.1～120.0 ug/m3，高濃度區域仍舊處于石家莊橋東區、橋西區以及邯鄲叢臺區，這些地區以發展鋼鐵等重污染企業為主，導致其霧霾污染防控形勢嚴峻。

3.2 制造業集聚形式的時空演化特征

本文利用ArcGIS 10.2軟件，將制造業不同集聚形式的數值由低到高依次劃分為低值區、較低值區、中值區、較高值區和高值區五類。

3.2.1 集聚密度 空間分布呈現“京-津-邯”三核心發展格局。2005年，高值區包括天津和平區、邯鄲復興區、北京石景山區等；2013年，高值區以天津市和平區、邯鄲復興區和北京石景山區三個核心地區為中心，形成推動周邊區（縣）集聚密度增加的格局。這類地區具有良好的制造業發展基礎和條件，其中天津市和平區是近代工業發祥地；北京市石景山區是首鋼所在地，為重工業區；邯鄲市復興區是重化工業區，其制造業集聚密度較高（見圖2）。

3.2.2 企業地理鄰近度 2005—2013年，高值區由片狀分布轉變為零散點狀分布，數量明顯減少，由邯鄲市魏縣、邯鄲市臨漳縣、滄州市吳橋縣、張家口橋西區、張家口康保縣、張家口陽原縣、邢臺新河縣等41個區（縣）減少到張家口康保縣、滄州運河區等24個區（縣）。京津冀南部地區2005年處于產業發展的早期，由于相關產業企業生產技術較為落后，中、小型企業數量偏多，導致企業集中建廠、生產；西部地區多山地，內部適宜發展工業的土地面積較小，各區（縣）經濟發展水平較低，在產業發展初期同樣也出現扎堆建廠的現象。因此，初期企業地理鄰近度高值區較多，集中連片分布在南部和西部的部分區（縣）；后期產業發展良好，中、小企業逐漸整改或停產，大型企業迅猛發展，從而高值區逐漸減少（見圖3）。

3.2.3 專業化與多樣性集聚 ①專業化集聚：2005年，高值區連片集中分布在京津冀中部偏南的保定市清苑縣、高陽縣、邢臺市柏鄉縣等部分區（縣）以及西北部的張家口康保縣、張家口橋東區、保定容城縣等部分區（縣）。2013年，低值區連片擴張，高值區由片狀分布轉變為“張-保-邢-秦”四小型核心發展格局。②多樣性集聚：2005年，高值區分布在天津東麗區、北京通州區、石家莊裕華區等部分區（縣），整體呈現“京-津-石”三核心集聚分布格局。2013年，低值區減少，高值區連片集中分布在北京朝陽區、北京東城區、天津武清區、保定安國市、石家莊裕華區等地區。發展初期，偏南部地區和西部地區各區（縣）經濟發展水平較低，制造業門類較單一，且西部地區發展因地形限制進行了大量資源整合，利用自身資源優勢大力發展單一制造業門類，因此制造業專業化水平較高，多樣性水平較低。發展后期，北京朝陽區、天津武清區等地區經濟快速發展且不斷增加企業間上下游聯系，成為制造業多樣性高值區。具體見圖4。

3.2.4 相關多樣性與非相關多樣性：空間分布較分散 ①相關多樣性：2005年，空間分布呈現“唐-邯”雙核心高值集聚區和中部高值發展帶，區（縣）間相關多樣性差距較大，邯鄲武安市、唐山遷西縣等部分區（縣）產業間技術關聯度較高，而秦皇島盧龍縣等部分區（縣）產業間不存在技術關聯；2013年，京津冀各區（縣）的相關多樣性發展水平差距縮小，高值區包括天津紅橋區等部分區（縣）。②非相關多樣性：2005年，各區（縣）非相關多樣性存在高值極高、低值極低的差異化發展現象，高值區包括承德雙灤區、唐山遷西縣等部分區（縣），低值區集中分布在張家口的大部分區（縣）；2013年，各區（縣）非相關多樣性水平差距縮小，高值區包括邯鄲邯山縣、天津紅橋區等部分區（縣）。具體見圖5。

4 PM2.5濃度空間分異驅動因素的實證研究

本文分別從集聚形式和行業異質性視角出發，利用地理探測器對PM2.5濃度空間分異的影響機理進行因子探測和交互探測。因子探測器主要探究驅動因子對PM2.5濃度空間分異的貢獻程度，可明確各因子之間的相關互聯性，分析各驅動因子多大程度影響了PM2.5濃度的空間分異，探究制造業不同集聚形式、細分行業集聚對PM2.5污染的發生和發展的決定性作用。交互探測器主要用來探測驅動因子對影響PM2.5濃度的空間分布是否具有交互作用，識別驅動因子之間的共同作用是否增加或減弱對PM2.5濃度的解釋力。

4.1 基于集聚形式對京津冀地區PM2.5濃度空間分異影響的實證研究

遴選6個探測因素，分別為集聚密度（X1）、企業地理鄰近度（X2）、專業化（X3）、多樣性（X4）、相關多樣性（X5）和非相關多樣性（X6），運用ArcGIS10.2自然斷點法進行要素分類后利用地理探測器的方法探討制造業集聚形式對PM2.5濃度空間分異的影響顯著程度。

4.1.1 基于地理探測器的因子探測 總體來看，不同時期各影響要素對PM2.5濃度的解釋力存在著差異，其中集聚密度企業鄰近度、多樣性、相關多樣性與非相關多樣性的解釋力有所減弱，專業化的解釋力有所增強。相關多樣性與非相關多樣性對于京津冀各區（縣）PM2.5空間分布的解釋力大幅度降低，由高度顯著變為不顯著，說明近年來PM2.5濃度的加劇與制造業的相關多樣性和非相關多樣性集聚的關系程度較小。專業化集聚對于PM2.5濃度的解釋力有所增強，且從不顯著變為顯著，說明同種類別的制造業在地區集聚逐漸加劇了PM2.5濃度空間分布的影響程度。集聚密度始終是PM2.5濃度空間分布的主導因素，但影響程度有所下降。分時間段來看，2005年，企業地理鄰近度、相關多樣性與非相關多樣性在一定程度上影響PM2.5濃度空間分布，因子按照q統計量的大小進行整體排序最終得出：集聚密度>相關多樣性>非相關多樣性>企業地理鄰近度。集聚密度的貢獻率最大，解釋力為35%，最為顯著，其次是相關多樣性，解釋力為27.4%。這在一定程度上反映了集聚形式中的集聚密度是導致PM2.5濃度空間分異的主導因素。2013年，影響因子轉為集聚密度、企業地理鄰近度、專業化，因子按照q統計量的大小進行整體排序最終得出：集聚密度>專業化>企業地理鄰近度。其中，集聚密度解釋力為23.6%，最為顯著。具體見表2。

4.1.2 基于地理探測器的交互探測 基于京津冀各區（縣）PM2.5濃度的因子交互探測的結果顯示，總體來看，各因子交互作用以非線性增強和雙因子增強為主，說明京津冀各區（縣）PM2.5濃度的空間分異是多種集聚形式共同影響的結果。其中，多數因子的交互作用的解釋力趨于下降，企業地理鄰近度與專業化、專業化與多樣性交互作用的解釋力增強。分時間段來看，2005年，各因子交互作用以雙因子增強為主，說明在制造業集聚形式因子中任意的兩個因子交互作用均大于單個因子的作用。其中，集聚密度與其他因子交互作用的解釋力高于其他因子間的交互作用，與相關多樣性交互作用時解釋力最高。2013年，各因子交互作用以非線性增強為主，說明在所選的制造業行業集聚因子中任意的兩個因子交互作用均大于兩個因子之和的作用，集聚密度與其他因子交互作用的解釋力高于其他因子間的交互作用，與專業化交互作用時解釋力最高。具體見表3。

4.2 基于行業異質性對京津冀地區PM2.5濃度空間分異影響的實證研究

從制造業分行業工業總產值的占比來看（見圖6），黑色金屬冶煉和壓延加工、化學原料及化學制品等重工業和化學工業在京津冀地區所占比重較大，這些行業往往是污染密集型和能源密集型行業。天津、唐山、衡水、邢臺等都是能源密集行業占主導，這些地區的經濟發展取決于環境開發和資源消耗的程度，使經濟增長與環境脫鉤的難度加大[36]。本文選取了31個制造業細分行業的集聚密度作為探測要素，利用地理探測器的方法進行橫向比較各行業集聚對于PM2.5空間分異的相對重要性。

4.2.1 基于地理探測器的因子探測 基于不同行業集聚的PM2.5濃度空間分異驅動因子探測的結果顯示，在31個制造業細分行業中，20個行業通過顯著性檢驗，這些行業的集聚在不同程度上解釋了PM2.5濃度空間分異的驅動機制。從q統計量大小的整體排名來看，化學原料及化學制品制造業、橡膠和塑料制品業、專用設備制造業、黑色金屬冶煉及壓延加工業、電氣機械和器材制造業、通用設備制造業以及非金屬礦物制品業是導致PM2.5濃度空間分異的主要因素，解釋力分別為31.9%、27.9%、24.5%、24.4%、24.2%、22.6%、21.3%。其中，化學原料及化學制品制造業解釋力最強，在一定程度上反映了化學原料及化學制品制造業的集聚對京津冀各區（縣）PM2.5濃度空間分布具有顯著影響，這是導致PM2.5濃度空間分異的主要因素。具體見表4。

4.2.2 基于地理探測器的交互探測 基于不同行業集聚的PM2.5濃度空間分異驅動因子交互探測的結果顯示，各因子交互作用以非線性增強和雙因子增強為主，說明京津冀各區（縣）PM2.5濃度的空間分異不是由單個行業集聚所造成的，而是不同行業共同集聚的結果。其中，化學原料及化學制品制造業與其他因子的交互作用的解釋力明顯強于其他因子間的交互作用，其與黑色金屬冶煉及壓延加工業交互作用時解釋力最高，為50.5%，其次是橡膠和塑料制品業與黑色金屬冶煉及壓延加工業的交互作用，解釋力為50.3%。由此可見，化學原料及化學制品制造業與黑色金屬冶煉及壓延加工業、橡膠和塑料制品業與黑色金屬冶煉及壓延加工業在空間上的集聚對PM2.5濃度空間分布具有重要的影響。具體見表5。

5 結論與建議

5.1 結論

本文通過分析京津冀各區（縣）PM2.5濃度與制造業集聚的時空演化特征，基于不同集聚形式和行業異質性，利用地理探測器識別京津冀區（縣）尺度PM2.5污染空間分異的影響因素，得到如下結論。

（1）對基于年均PM2.5濃度、制造業集聚形式的時空演化特征分析可知：京津冀地區年均PM2.5濃度西北低、東南高，呈現上升趨勢，高值區位于石家莊、邯鄲的部分區（縣）。制造業集聚密度的空間分布呈現“京-津-邯”三核心組團式發展的格局；企業地理鄰近度高值區由片狀分布轉變為零散點狀分布；專業化集聚空間分布由中部以及西北部集中連片發展格局轉變為“張-保-邢-秦”四小型核心發展格局；多樣性集聚空間分布由“京-津-石”三小型集聚核心格局轉變為集中連片式發展格局；相關多樣性與非相關多樣性空間分布較分散，各區（縣）相關多樣性與非相關多樣性發展水平差距逐漸縮小。總體來看，京津冀各區（縣）的PM2.5濃度以及制造業集聚形式存在明顯的空間分異性。

（2）從空間分異的機理上來看，制造業粗放式發展模式以及在空間上的不合理集聚對京津冀地區空氣污染治理產生了威脅。2005—2013年，不同集聚形式對PM2.5濃度影響的結果表明，不同時期各影響要素對PM2.5濃度的解釋力存在差異。其中，集聚密度一直是PM2.5濃度空間分布的主導因素，但影響程度有所下降；專業化集聚對于PM2.5濃度的解釋力有所增強，這說明同種類別的制造業在地區集聚逐漸加劇了對PM2.5濃度空間分布的影響程度。同時，不同集聚形式的交互作用加強了對PM2.5濃度空間分布的影響程度。因此，防止制造業在空間上過度集聚，引導制造業空間合理集聚、有序集聚、多樣化集聚，是京津冀地區PM2.5環境治理的重要戰略選擇。

（3）基于行業異質性的細分行業集聚對PM2.5濃度空間分異的影響的結果表明，化學原料及化學制品制造業、橡膠和塑料制品業、專用設備制造業、黑色金屬冶煉及壓延加工業等的集聚是導致PM2.5濃度空間分異的主要因素。其中，化學原料及化學制品制造業的集聚是導致PM2.5濃度空間分異的主導因素。同時，化學原料及化學制品制造業與其他因子的交互作用的解釋力明顯強于其他因子間的交互作用，其與黑色金屬冶煉及壓延加工業交互作用時解釋力最高。因此，京津冀地區作為世界性霧霾問題最突出的地區之一，應加快疏解化學原料及化學制品制造業等細分行業的集聚，以及化學原料及化學制品制造業與黑色金屬冶煉及壓延加工業等偏污染型、重化工行業在空間上的共同集聚，這是降低京津冀各區（縣）PM2.5濃度的重要路徑。

5.2 建議

京津冀地區是我國PM2.5污染的重災區之一，因此，在面對制造業產業集聚發展與PM2.5污染治理時，需要科學管控、精準施策，逐步開展生態文明建設，實現可持續發展。因此，本文提出以下政策建議。①合理制定政策，產業科學布局。按照制造業的集聚情況，從治理方案、集聚特點、管理重點、政策支撐等多方面進行區域差異化管理，合理制定制造業發展規劃，通過降低地租、財政補貼等政策，鼓勵企業遷移到制造業發展基礎薄弱且亟須發展的地區。同時，在這些地區建立可承接企業的制造業園區，增加企業間上下游聯系，提高產業多樣化水平，并對園區的污染物進行統一檢測、處理以及排放，防止地區PM2.5濃度升高。②優化產業結構，提升生產技術。以PM2.5濃度的標準來控制促進制造業轉型，通過制造業結構的優化和轉型升級，來改變京津冀地區以放任空氣污染為代價的傳統的工業化發展模式，做好工業固廢等大宗廢棄物的資源化利用，大力發展綠色產業。引進培養相關產業和環保領域的人才，建立人才隊伍，加大資金投入，攻克環境污染治理和高效生產的關鍵技術。③設立大氣環境監測合作機制，完善大氣環境監測網絡，加強區域內環境監測合作定期協商，推進大氣監測數據共享，持續提高空氣質量優良率。同時，科普環保知識，提高環保意識。

參考文獻：

[1] 孫博文. 環境經濟地理學研究進展[J]. 經濟學動態， 2020（3）： 131-146.

[2] CHEN D K， CHEN S Y， JIN H. Industrial agglomeration and CO2 emissions： Evidence from 187 Chinese prefecture-level cities over 2005-2013[J]. Journal of Cleaner Production， 2018（ 172）： 993-1003.

[3] LIU Z D， CAI Y， HAO X J. The agglomeration of manufacturing industry， innovation and haze pollution in China： Theory and evidence[J]. International Journal of Environmental Research and Public Health， 2020， 17（5）： 1670.

[4] 張姍姍， 朱曉東， 張磊， 等. 蘇錫常地區制造業污染減排綜合分析與評價[J]. 地理科學， 2020， 40（2）： 238-247.

[5] 候勃， 岳文澤， 王騰飛. 中國大都市區碳排放時空異質性探測與影響因素： 以上海市為例[J]. 經濟地理， 2020， 40（9）： 82-90.

[6] 仇方道， 蔣濤， 張純敏， 等. 江蘇省污染密集型產業空間轉移及影響因素[J]. 地理科學， 2013， 33（7）： 789-796.

[7] 王亞平， 曹欣欣， 程鈺， 等. 山東省污染密集型產業時空演變特征及影響機理[J]. 經濟地理， 2019， 39（1）： 130-139.

[8] 薛黎明， 趙桔， 鄭志學， 等. 基于Lotka-Volterra模型的煤炭產業與環境系統協調性研究[J]. 地域研究與開發， 2020， 39（5）： 150-155， 162.

[9] 鄒輝， 段學軍. 中國化工產業布局演變與影響機理研究[J]. 地理科學， 2020， 40（10）： 1646-1653.

[10] 周沂， 賀燦飛， 劉穎. 中國污染密集型產業地理分布研究[J]. 自然資源學報， 2015， 30（7）： 1183-1196.

[11] 胡志強， 苗健銘， 苗長虹. 中國地市尺度工業污染的集聚特征與影響因素[J]. 地理研究， 2016， 35（8）： 1470-1482.

[12] 丁鐳， 夏會會， 師懿， 等. 2000—2015年長江經濟帶工業結構演變及其環境效應[J]. 安全與環境工程， 2020， 27（2）： 8-16.

[13] 沈靜， 向澄， 柳意云. 廣東省污染密集型產業轉移機制：基于20002009年面板數據模型的實證[J]. 地理研究， 2012， 31（2）： 357-368.

[14] 高爽， 魏也華， 陳雯， 等. 發達地區制造業集聚和水污染的空間關聯： 以無錫市區為例[J]. 地理研究， 2011， 30（5）： 902-912.

[15] 鄧晴晴， 李二玲， 任世鑫. 農業集聚對農業面源污染的影響： 基于中國地級市面板數據門檻效應分析[J]. 地理研究， 2020， 39（4）： 970-989.

[16] 余奕杉， 衛平， 高興民. 生產性服務業集聚對城市綠色全要素生產率的影響： 以中國283個城市為例[J]. 當代經濟管理， 2021， 43（4）： 54-65.

[17] DE LUCIO J J， HERCE J A， GOICOLEA A. The effects of externalities on productivity growth in Spanish industry[J]. Regional Science and Urban Economics， 2002， 32（2）： 241-258.

[18] 王艷華， 苗長虹， 胡志強， 等. 專業化、多樣性與中國省域工業污染排放的關系[J]. 自然資源學報， 2019， 34（3）： 586-599.

[19] 胡志強， 苗長虹， 袁豐. 集聚空間組織形式對中國地市尺度工業SO2排放的影響[J]. 地理學報， 2019， 74（10）： 2045-2061.

[20] 張姍姍， 張磊， 張落成， 等. 蘇南太湖流域污染企業集聚與水環境污染空間耦合關系[J]. 地理科學， 2018， 38（6）： 954-962.

[21] CHENG Z H. The spatial correlation and interaction between manufacturing agglomeration and environmental pollution[J]. Ecological Indicators， 2016（ 61）： 1024-1032.

[22] 姚成勝， 曹紫怡， 韓媛媛. 工業集聚、人口城鎮化、土地城鎮化與環境污染[J]. 地域研究與開發， 2020， 39（5）： 145-149.

[23] 修國義， 朱悅， 王儉. 產業集聚、人口規模與霧霾污染： 基于省際面板數據的實證[J]. 統計與決策， 2020， 36（7）： 61-65.

[24] 賈卓， 強文麗， 王月菊， 等. 蘭州-西寧城市群工業污染集聚格局及其空間效應[J]. 經濟地理， 2020， 40（1）： 68-75， 84.

[25] DURANTON G， PUGA D. Micro-foundations of urban agglomeration economies[J]. Handbook of Regional and Urban Economics， 2004（ 4）： 2063-2117.

[26] 彭倩， 干鎧駿. 產業集聚、生產率與污染排放： 來自中國制造業企業的經驗證據[J]. 山西大學學報（哲學社會科學版）， 2020， 43（2）： 105-120.

[27] HOSOE M， NAITO T. Trans‐boundary pollution transmission and regional agglomeration effects[J]. Papers in Regional Science， 2006， 85（1）： 99-120.

[28] 王素鳳， CHAMPAGNE P， 潘和平， 等. 工業集聚、城鎮化與環境污染： 基于非線性門檻效應的實證研究[J].科技管理研究， 2017， 37（11）： 217-223.

[29] 王西琴， 李芬. 天津市經濟增長與環境污染水平關系[J]. 地理研究， 2005， 24（6）： 834-842.

[30] 雷玉桃， 鄭夢琳， 孫菁靖. 中國重點城市群工業集聚對霧霾污染的影響研究[J]. 軟科學， 2020， 34（4）： 64-69.

[31] 曹杰， 林云. 我國制造業集聚與環境污染關系的實證研究[J]. 生態經濟， 2016， 32（6）： 82-87.

[32] 張可， 豆建民. 集聚與環境污染： 基于中國287個地級市的經驗分析[J]. 金融研究， 2015（12）： 32-45.

[33] 潘文卿， 李子奈， 劉強. 中國產業間的技術溢出效應：基于35個工業部門的經驗研究[J]. 經濟研究， 2011， 46（7）： 18-29.

[34] 王勁峰， 徐成東. 地理探測器： 原理與展望[J]. 地理學報， 2017， 72（1）： 116-134.

[35] 陳洪星， 楊德剛， 李江月， 等. 大數據視角下的商業中心和熱點區分布特征及其影響因素分析： 以烏魯木齊主城區為例[J]. 地理科學進展， 2020， 39（5）： 738-750.

[36] ZHAO Y B，WANG S J， ZHOU C S. Understanding the relation between urbanization and the eco-environment in China’s Yangtze River Delta using an improved EKC model and coupling analysis[J]. The Science of the Total Environment， 2016（571）： 862-875.

作者貢獻說明：

王嘉寧：負責總體構思及主要內容撰寫；

李業錦：負責方法指導及部分內容撰寫；

李怡旻：負責部分內容撰寫以及相關政策修改；

李 倩：負責部分內容撰寫。

Research on the Influence of Manufacturing Agglomeration in Beijing-Tianjin-Hebei Region on PM2.5 Concentration Based on Geographic Detector

Wang Jianing1 Li Yejin1 LI Yimin2 Li Qian3 1College of Resources Environment and Tourism， Capital Normal University， Beijing 100048 2Faculty of Geographical Science， Beijing Normal University， Beijing 100088 3China International Engineering Consulting Corporation， Senior Engineer， Beijing 100048

Abstract： [Purpose/significance] Exploring the distribution characteristics and influencing factors of haze pollution in the Beijing-Tianjin-Hebei region and clarifying the relationship between PM2.5 concentration and manufacturing agglomeration may be an important way to promote the green development of the Beijing-Tianjin-Hebei region. [Method/process] 204 districts and counties in Beijing-Tianjin-Hebei Region were taken as research objects to explore the spatial and temporal distribution characteristics of manufacturing agglomeration and PM2.5 concentration based on the data of industrial enterprises and the average annual PM2.5 concentration data from 2005 to 2013. The geographical detectors were used to reveal the influence mechanism of PM2.5 concentration spatial distribution from the perspectives of industry heterogeneity and agglomeration. [Result/conclusion]①The average annual PM2.5 concentration in Beijing-Tianjin-Hebei region showed a low spatial distribution pattern in northwest and a high spatial distribution pattern in southeast， with the obviously upward trend. The agglomeration form of manufacturing industry presented the spatial differentiation characteristic， in which the agglomeration density presented the development pattern of “Beijing-Tianjin-Handan” three-core group. Specialized agglomeration was manifested in the four small core development patterns of “Zhangjiakou-Baoding-Xingtai-Qinhuangdao”. Diversity agglomeration showed a centralized and contiguous development pattern. ②There was difference in the explanatory power of manufacturing agglomeration forms to PM2.5 concentration in different periods. Agglomeration density is always the dominant factor in the spatial distribution of PM2.5 concentration， but the degree of influence decreases to some extent. Specialized agglomeration has enhanced the explanatory power of PM2.5 concentration. The interaction of different agglomeration forms strengthens the degree of influence on the spatial distribution of PM2.5 concentration. ③From the perspective of industry heterogeneity， chemical raw materials and chemical products manufacturing industry were the leading factors resulting in the spatial differentiation of PM2.5 concentration. The explanatory power of the interaction between chemical raw materials and chemical products manufacturing industry and other factors was obviously stronger than that of other factors， and the explanatory power of the interaction between chemical raw materials and chemical products manufacturing industry and ferrous metal smelting and rolling processing industry was the highest. Therefore， the pollution-prone and heavy chemical industries should also be redistributed more vigorously to guide the reasonable， orderly and diversified agglomeration of manufacturing space， and accelerate the green and low-carbon transformation of manufacturing industry， which is an important strategic choice for the environmental management of PM2.5 in Beijing-Tianjin-Hebei region.

Keywords： agglomeration form PM2.5 geographic detector Beijing-Tianjin-Hebei region