劉華軍++孫亞男++陳明華

摘要面對嚴重的霧霾天氣以及霧霾污染邊界不斷擴張的嚴峻挑戰(zhàn)，加快創(chuàng)新大氣污染聯(lián)防聯(lián)控體系以形成跨區(qū)域協(xié)同治污合力勢在必行。本文基于京津冀、長三角、珠三角、成渝、長中游等五大地區(qū)96個城市2015年的空氣質量指數（AQI）以及PM2.5、PM10、SO2、CO、NO2、O3等6種分項污染物的逐日數據，從時間序列數據“預測能力”的視角，在向量自回歸模型框架下識別霧霾污染的城市間動態(tài)交互影響效應，運用社會網絡分析方法刻畫霧霾污染空間關聯(lián)的網絡結構特征。在此基礎上，運用二次指派程序從分項污染物視角考察霧霾污染空間關聯(lián)的關鍵誘因，并利用雙變量Moran指數揭示霧霾污染與其影響因素之間的空間相關性。研究發(fā)現(xiàn)，城市霧霾污染之間存在普遍的動態(tài)關聯(lián)關系且呈現(xiàn)出聯(lián)系緊密、穩(wěn)定性強、帶有明顯特征的多線程復雜網絡結構形態(tài)。不論在地區(qū)內部還是在全部樣本城市當中，均不存在孤立的城市節(jié)點，這意味著面對霧霾污染的空間關聯(lián)網絡，任何一個城市都不能獨善其身，均受到來自地區(qū)內部和地區(qū)以外其他城市以及它們構成的空間關聯(lián)網絡的影響。在六種分項污染物中，PM2.5的空間關聯(lián)是導致霧霾污染空間關聯(lián)的最主要誘因。城市霧霾污染與其影響因素尤其是城市人口密度、投資強度、工業(yè)污染排放之間存在顯著的空間相關性?；谏鲜鼋Y論，中國應當加快構建以防控PM2.5為重點的跨區(qū)域霧霾污染協(xié)同治理機制，并將其融入城市群發(fā)展戰(zhàn)略以及區(qū)域發(fā)展戰(zhàn)略之中，最終實現(xiàn)包含霧霾污染協(xié)同治理在內的全方位的區(qū)域協(xié)同發(fā)展。

關鍵詞霧霾污染；動態(tài)關聯(lián)；社會網絡分析；協(xié)同治理

中圖分類號F205文獻標識碼A文章編號1002-2104（2017）03-0074-08doi：10.3969/j.issn.1002-2104.2017.03.009

當前，中國已經成為世界上大氣污染最嚴重的地區(qū)之一，尤其是經濟發(fā)達、人口密集的京津冀、長三角、珠三角、成渝以及長中游等地區(qū)已經成為中國大氣污染的重點區(qū)域。2015年12月以來，華北地區(qū)多次出現(xiàn)大面積的嚴重霧霾天氣，多個城市連續(xù)啟動了霾紅色預警。更為嚴峻的是，霧霾污染邊界的不斷擴張使得在一個污染嚴重的區(qū)域內部沒有任何一個城市的空氣質量能夠獨善其身，多個城市之間的動態(tài)關聯(lián)構成了一個以城市為節(jié)點的復雜網絡。城市霧霾污染的空間關聯(lián)網絡給大氣污染防治提出嚴峻挑戰(zhàn)，按照行政區(qū)域邊界的環(huán)境管理模式與霧霾污染區(qū)域性特征之間的矛盾不斷加劇，僅從行政區(qū)劃的角度考慮單個城市霧霾污染防治的“各自為戰(zhàn)”的環(huán)境管理和污染治理模式已經難以有效解決當前愈加嚴重的區(qū)域霧霾污染問題[1]，加強區(qū)域聯(lián)防聯(lián)控以形成跨區(qū)域協(xié)同治污合力勢在必行。

從相關領域研究進展看，大量文獻基于空氣質量模型證實了污染物可以實現(xiàn)跨界傳輸[2-5]，部分研究基于空間統(tǒng)計技術刻畫了污染物的空間分布和空間關聯(lián)特征[6-9]，或者應用時間序列統(tǒng)計和計量經濟技術描述污染物的時間變動規(guī)律[10-12]。然而，受樣本數據及研究方法的限制，現(xiàn)有研究尚未揭示出霧霾污染在更大空間尺度上的的動態(tài)關聯(lián)。在此背景下，揭示霧霾污染的動態(tài)關聯(lián)特征，并深入探究霧霾污染空間關聯(lián)的成因，對于完善霧霾污染的跨區(qū)域協(xié)同治理機制具有重要的理論價值和現(xiàn)實意義。

本文以京津冀、長三角、珠三角、成渝、長中游等五大地區(qū)的96個城市為樣本，采用2015年環(huán)保部發(fā)布的城市空氣質量指數（Air Quality Index， AQI）以及PM2.5、PM10、SO2、CO、NO2、O3等六種分項污染物日報數據，從時間序列數據“預測能力”的視角，在向量自回歸框架下構建了區(qū)域霧霾污染的動態(tài)交互影響模型，實證考察霧霾污染的動態(tài)關聯(lián)效應。在此基礎上，構建霧霾污染空間關聯(lián)網絡并運用社會網絡分析（Social Network Analysis， SNA）方法刻畫其結構特征。在揭示霧霾污染動態(tài)關聯(lián)效應的基礎上，運用二次指派程序（Quadratic Assignment Procedure， QAP）方法從分項污染物視角揭示霧霾污染空間關聯(lián)的關鍵誘因，并利用雙變量Moran指數揭示霧霾污染與其影響因素之間的空間相關性，最終為霧霾污染的跨區(qū)域協(xié)同治理提供對策建議。

劉華軍等：霧霾污染的城市間動態(tài)關聯(lián)及其成因研究中國人口·資源與環(huán)境2017年第3期1模型構建與樣本數據

1.1霧霾污染的區(qū)域間動態(tài)交互影響模型

伴隨區(qū)域開放不斷深化，區(qū)域（城市、城市群）之間的空間關聯(lián)愈發(fā)緊密，這已經被大量經驗研究文獻所證實，而且區(qū)域之間的空間關聯(lián)不僅僅體現(xiàn)在經濟方面，在能源、環(huán)境領域的聯(lián)系也日趨緊密[13-14]。對于霧霾污染的空間聯(lián)系，基于空氣質量模型的研究已經表明污染物可以實現(xiàn)跨界傳輸。在大氣環(huán)流以及經濟發(fā)展等因素的作用下，霧霾污染的相互影響不僅體現(xiàn)在排放量巨大的一次污染物在距離較近的城市之間輸送、轉化和耦合，某些污染物尤其是形成PM2.5的污染物可以跨越城市甚至省際的行政邊界而實現(xiàn)遠距離輸送，這就意味著霧霾污染不再是發(fā)生在單個區(qū)域的孤立的污染現(xiàn)象，區(qū)域霧霾污染之間存在一定相關性[15]。在大氣環(huán)流等自然條件的作用下，霧霾污染往往會在區(qū)域間傳導，某個區(qū)域的霧霾污染可能會成為另一區(qū)域霧霾污染的誘因，或加劇另一區(qū)域霧霾污染的程度，這為從時間序列研究視角探索區(qū)域霧霾污染的動態(tài)關聯(lián)提供了新的契機。

從時間序列數據角度，一個區(qū)域霧霾污染的變動可能引起其他區(qū)域霧霾污染的變動，換言之，某個區(qū)域霧霾污染可能“領先”（preceding）于其他區(qū)域，因此該區(qū)域對其他區(qū)域的霧霾污染具有一定的“預測”能力。本文通過構造向量自回歸模型（VAR）來揭示區(qū)域霧霾污染之間的動態(tài)關聯(lián)。

考慮兩個區(qū)域x、y霧霾污染的時間序列分別為{xt}{yt}，為了檢驗兩個區(qū)域霧霾污染之間的動態(tài)關聯(lián)關系和交互影響，構造下面兩個VAR模型：

其中，αj、βj、γj（j=1，2）為待估參數，{εj，t}（j=1，2）為殘差項，滿足{εj，t}～N（0，1）。m、n、p、q為自回歸項的滯后階數。方程（1）檢驗區(qū)域x的霧霾污染是否受到自身以及區(qū)域y霧霾污染滯后期的影響；方程（2）則檢驗區(qū)域y的霧霾污染是否受到自身以及區(qū)域x霧霾污染滯后期的影響。在VAR模型框架下，可以通過檢驗自回歸項系數的聯(lián)合顯著性來識別變量間的動態(tài)關聯(lián)效應。具體的，若方程（1）中虛擬假設H0：γ1，1=γ1，2=…=γ1，n=0被拒絕，則意味著y的滯后值有助于解釋x，即y“領先”于x，兩個區(qū)域霧霾污染的動態(tài)關聯(lián)關系可以直觀的表示為“y→x”。同理，若方程（2）中虛擬假設H0：γ2，1=γ2，2=…=γ2，q=0被拒絕，則意味著x的歷史值有助于解釋y，即x “領先”于y，兩個區(qū)域霧霾污染的動態(tài)關聯(lián)關系可以表示為“x→y”。若上述兩個方程中的虛擬假設均被拒絕，表明x和y存在雙向關聯(lián)關系，則兩個區(qū)域霧霾污染的關聯(lián)關系可以表示為“x←→y”。需要指出的是，上述檢驗均適用于平穩(wěn)序列，對于非平穩(wěn)時間序列需要進行差分直至平穩(wěn)后再進行檢驗。

1.2社會網絡分析方法

在區(qū)域內部，霧霾污染在多個城市之間的動態(tài)關聯(lián)關系將形成多線程的復雜網絡。社會網絡分析（SNA）為揭示霧霾污染空間關聯(lián)的網絡結構特征提供了可行工具。社會網絡分析以“關系”作為基本分析單位，以圖論工具、代數模型技術描述關系模式，是一種針對“關系數據”的跨學科分析方法，近年來其應用領域已經逐漸從社會學向經濟學、管理學等領域拓展[16-17]，成為一種新的研究范式[18-19]。本文將借助SNA工具來刻畫霧霾污染空間關聯(lián)的網絡結構特征，并利用SNA中的QAP方法從分項污染物的角度揭示城市霧霾污染動態(tài)關聯(lián)的成因。

1.3樣本數據

本文以AQI作為衡量城市霧霾污染的綜合指標。同時也考慮了PM2.5、PM10、SO2、CO、NO2、O3等六種分項污染物。本文以實施新空氣質量標準的京津冀、長三角、珠三角、成渝、長中游等五個地區(qū)96個城市為研究樣本。選擇這五個地區(qū)的原因在于，它們是中國經濟規(guī)模最大、人口最為密集的國家級城市群所在區(qū)域，其霧霾污染形勢相比其他地區(qū)更為嚴峻。上述96個樣本城市的污染數據全部來源于環(huán)保部數據中心，分項污染物數據則根據當天環(huán)保部環(huán)境監(jiān)測總站每小時數據的均值計算而得。數據時期跨度為2015年1月1日至2015年12月31日，全部觀測值為365×96×7=245 280個。此外，區(qū)域霧霾污染根據該地區(qū)內部所有城市污染物數據的算術平均測得。

2霧霾污染的城市間動態(tài)關聯(lián)及其網絡結構特征在對城市霧霾污染的空間動態(tài)關聯(lián)關系進行識別之前，首先對城市AQI及六種分項污染物日報數據構成的時間序列進行單位根檢驗。檢驗結果表明，所有序列在5%的顯著性水平下均拒絕了存在單位根的原假設，滿足VAR變量平穩(wěn)性的要求。在此基礎上，本文在VAR模型框架下對兩兩城市之間霧霾污染的動態(tài)關聯(lián)關系進行了識別，并通過構建城市霧霾污染空間關聯(lián)的復雜網絡模型來揭示其網絡結構特征。節(jié)點、關系、連線是復雜網絡模型的三個基本要素。本文選擇城市作為節(jié)點；按照5%的顯著性水平作為閾值來確定城市節(jié)點之間的動態(tài)關聯(lián)關系進而確定城市節(jié)點之間的連線。依據上述方法，針對AQI及六種分項污染物，本文分別構建了五個地區(qū)以及全部96個樣本城市霧霾污染的空間關聯(lián)網絡，表1報告了網絡結構特征指標的測算結果。圖1則以京津冀的AQI為例對霧霾污染的動態(tài)關聯(lián)進行了可視化。由圖1可以發(fā)現(xiàn)，霧霾污染之間呈現(xiàn)多線程的復雜網絡結構形態(tài)。

2.1霧霾污染空間關聯(lián)網絡的整體緊密程度

（1）從AQI的網絡密度看，不論五大地區(qū)內部還是全部樣本城市，AQI的網絡密度均超過了0.65，這意味著霧霾污染在地區(qū)內部和地區(qū)之間均存在非常緊密的空間關聯(lián)，而且空間關聯(lián)已不僅僅局限于地區(qū)內部的臨近城市之間，

而是呈現(xiàn)出多線程、多城市、跨地區(qū)的網絡分布態(tài)勢。在五大地區(qū)中，京津冀和長中游地區(qū)AQI的網絡密度超過0.70，京津冀地區(qū)AQI的網絡密度最高，而長中游地區(qū)AQI的網絡密度略低于京津冀地區(qū)。珠三角地區(qū)AQI的網絡密度最低，不過也達到0.67以上，長三角和成渝地區(qū)AQI的網絡密度略高于珠三角地區(qū)。而全部樣本城市AQI的網絡密度均低于五大地區(qū)，這說明霧霾污染在地區(qū)內部城市之間的關聯(lián)要比全部樣本城市之間的關聯(lián)更為緊密。

（2）從分項污染物的網絡密度看，除了珠三角地區(qū)的CO和O3的網絡密度低于0.50之外，五大地區(qū)及全部樣本城市六種分項污染物的網絡密度均超過了0.50，這意味著不同的污染物在城市之間也存在非常緊密的關聯(lián)關系。相對于其他四種分項污染物，PM2.5和PM10的網絡密度在地區(qū)之間的差別不大，說明兩種污染物在不同地區(qū)的空間關聯(lián)特征比較一致，因此不同地區(qū)在防控PM2.5和PM10方面可以采取類似的防控措施。而對于其他四種分項污染物，因為它們的網絡密度在不同地區(qū)之間存在較大差異，制定具有地區(qū)特點的防控措施就顯得非常必要。

（3）在AQI及六種分項污染物的空間關聯(lián)網絡中，均不存在孤立的城市節(jié)點，這意味著面對霧霾污染空間關聯(lián)網絡，任何一個城市都不能獨善其身，均受到來自地區(qū)內部和地區(qū)以外其他城市以及它們構成的空間關聯(lián)網絡的影響。換言之，當前中國的霧霾污染問題已成為所有城市共同面對的困境，雖然部分地區(qū)如京津冀、長三角和珠三角已初步構建了大氣污染聯(lián)防聯(lián)控機制，但上述機制僅僅局限于地區(qū)內部，這種局部的大氣污染治理并不能從根本上解決中國整體上的霧霾污染問題。因此，要跳出“單個地區(qū)”的空間概念，從更大的空間范圍內實施大氣污染的協(xié)同防控，為此，在局部地區(qū)霧霾污染已經實施聯(lián)防聯(lián)控的基礎上，中國亟需加快建立跨區(qū)域的霧霾污染聯(lián)防聯(lián)控機制。

2.2霧霾污染空間關聯(lián)網絡的穩(wěn)定性

在社會網絡分析中，通常采用網絡效率來刻畫網絡穩(wěn)定性。網絡效率越低，網絡中就存在越多的冗余連線，網絡的穩(wěn)定性就越強。表1報告了五大地區(qū)和全部城市AQI及六種分項污染物的網絡效率。①從AQI的網絡效率看，五大地區(qū)及全部城市樣本AQI的網絡效率均小于0.10，這表明不論在五大地區(qū)內部還是在全部樣本城市中，90%以上的連線是“冗余”的，也就是說，城市霧霾污染之間的動態(tài)關聯(lián)關系存在嚴重的多重疊加現(xiàn)象，說明霧霾污染動態(tài)關聯(lián)均具有較強的網絡穩(wěn)定性。同時，通過對比可以發(fā)現(xiàn)，五大地區(qū)內部AQI的網絡效率均低于全部樣本城市AQI的網絡效率，說明AQI在五大地區(qū)內部的關聯(lián)網絡相對于全部樣本來說具有更強的穩(wěn)定性，這就進一步為地區(qū)內部率先開展霧霾污染的聯(lián)防聯(lián)控進而構建跨區(qū)域的聯(lián)防聯(lián)控體系提供了科學依據。②從分項污染物的網絡效率看，PM2.5和PM10具有較低的網絡效率。因此，單個城市采取的污染防治措施所能取得的效果必然受到關聯(lián)網絡的制約，亟需加快構建以細微顆粒物為重點的霧霾污染聯(lián)防聯(lián)控機制。

2.3霧霾污染空間關聯(lián)網絡的小世界特征

在社會網絡分析中，通常采用“平均距離”來定量揭示網絡的小世界特征。根據表1的測度結果，五大地區(qū)內部及全部樣本城市的AQI及六種污染物空間關聯(lián)的平均距離均處于1—2之間，即使平均距離最大的珠三角地區(qū)的CO，其關聯(lián)網絡的平均距離也只有1.679 0。這一結果表明，不論是地區(qū)內部還是全部樣本城市，AQI及六種分項污染物在任意兩個城市節(jié)點之間通過1—2個中間城市就完全可以建立聯(lián)系，霧霾污染空間關聯(lián)網絡呈現(xiàn)明顯的小世界特征?？臻g關聯(lián)網絡的小世界特征促進了霧霾污染之間的聯(lián)系和交互影響，實施霧霾污染聯(lián)防聯(lián)控的必要性更加凸顯。

3城市霧霾污染空間關聯(lián)的成因分析

3.1霧霾污染空間關聯(lián)的成因：基于分項污染物視角

為了從分項污染物角度揭示城市霧霾污染空間關聯(lián)的成因，本文以AQI的空間關聯(lián)網絡（矩陣形式）作為被解釋變量，以六種分項污染物的空間關聯(lián)網絡作為解釋變量，通過構建計量模型定量考察霧霾污染空間關聯(lián)的成因。由于計量模型中的被解釋變量和解釋變量都是矩陣形式的“關系數據”，而傳統(tǒng)的統(tǒng)計分析和回歸估計方法對于關系數據的回歸分析和統(tǒng)計檢驗將失效，因此，本文轉向社會網絡分析中的二次指派程序（QAP）。QAP是社會網絡分析中研究關系數據之間關系的特定方法，以重復抽樣和對矩陣數據的置換為基礎，利用非參數方法對系數進行統(tǒng)計檢驗。

（1）QAP相關分析。根據霧霾污染空間關聯(lián)的QAP相關分析結果，在五大地區(qū)內部及全部樣本城市中，所有相關系數均為正值；除了幾個少數變量之外，其他變量的相關系數均通過了顯著性水平檢驗，這表明不論是五大地區(qū)內部還是全部樣本城市，霧霾污染的空間關聯(lián)與六種污染物之間的空間關聯(lián)均存在顯著的正向相關關系。從分項污染物角度，通過對比發(fā)現(xiàn)，不論是五大地區(qū)內部還是全部樣本城市，PM2.5空間關聯(lián)與AQI空間關聯(lián)的相關系數均通過了1%的顯著性水平檢驗，而且其數值在六種污染物中都是最高的，基本保持在0.80左右；PM10的相關系數略低于PM2.5，保持在0.60-0.70左右；而其他四種分項污染物的空間關聯(lián)與AQI空間關聯(lián)的相關系數遠低于PM2.5和PM10。這一結果表明，細微顆粒物尤其是PM2.5的空間關聯(lián)是導致城市霧霾污染空間關聯(lián)最為關鍵的成因。

（2）QAP回歸分析。在相關分析的基礎上，本文對霧霾污染的空間關聯(lián)進行了QAP回歸分析，表2報告了QAP回歸結果。①模型總體上的解釋能力。根據表2的回歸結果，在五大地區(qū)及全部城市的6個回歸結果中，調整后的R2均通過了1%的顯著性水平檢驗。從數值上看，京津冀的R2最高，達到0.764 0，表明六種分項污染物的空間關聯(lián)對京津冀地區(qū)城市霧霾污染空間關聯(lián)網絡的解釋能力達到76.40%。對于長三角、珠三角、成渝和長中游四個地區(qū)，六種分項污染物的空間關聯(lián)對各自霧霾污染空間關聯(lián)網絡的解釋能力則分別達到66.90%、67.60%、64.50%和70.30%。對于全部樣本城市來說，這種解釋能力也達到70%以上。這一結果表明，不論是五大地區(qū)還是全部樣本城市，六種分項污染物的空間關聯(lián)對霧霾污染空間關聯(lián)在總體上具有非常良好的解釋能力。②回歸系數與霧霾污染空間關聯(lián)的成因分析。根據表2的回歸結果，PM2.5空間關聯(lián)矩陣的回歸系數在每一列回歸結果中都通過了1%的顯著性水平檢驗，且其數值均遠高于所在列的其他變量的回歸系數，這一結果清晰地表明，PM2.5的空間關聯(lián)是導致霧霾污染空間關聯(lián)的主要成因。與PM2.5空間關聯(lián)矩陣的回歸系數相比，PM10空間關聯(lián)的回歸系數在京津冀、長三角、珠三角、長中游及全部城市樣本中的回歸系數也通過了1%的顯著性水平檢驗，但其數值遠低于PM2.5的回歸系數，保持在0.20-0.30左右；而在成渝地區(qū)，PM10空間關聯(lián)的回歸系數僅為0.103 5，在統(tǒng)計上卻并不顯著。而對于其他四種分項污染物，它們的回歸系數不僅數值非常小，而且在多數回歸中沒有通過顯著性水平檢驗。例如京津冀和長三角地區(qū)的SO2、NO2和O3、珠三角地區(qū)的CO和NO2、長中游地區(qū)的CO、NO2和O3、全部城市樣本中的SO2和NO2，它們的空間關聯(lián)矩陣的回歸系數均沒有通過顯著性水平檢驗。而在成渝地區(qū)，只有PM2.5空間關聯(lián)的回歸系數通過了顯著性水平檢驗，其他五種分項污染物空間關聯(lián)的回歸系數在統(tǒng)計上均不顯著。上述回歸結果表明，盡管霧霾污染空間關聯(lián)在不同地區(qū)受到不同污染物空間關聯(lián)的影響存在一定差異，但卻存在一個共同的特征，即PM2.5的空間關聯(lián)是導致大氣污染空間關聯(lián)的主要成因。因此，PM2.5的跨城市、跨區(qū)域協(xié)同防控構成了霧霾污染聯(lián)防聯(lián)控的重中之重。

3.2城市霧霾污染的影響因素及其空間關聯(lián)

為了探尋霧霾污染的跨區(qū)域協(xié)同治理的途徑，在實證考察霧霾污染影響因素的基礎上，采用空間統(tǒng)計中的雙變量Morans I指數來刻畫霧霾污染與其影響因素之間的空間相關性，進而揭示一個地區(qū)的霧霾污染與其他地區(qū)影響因素之間的空間關聯(lián)程度?？紤]到數據的可得性以及影響因素對霧霾污染的影響在時間上的累積性，本文分別考察經濟規(guī)模（以城市地區(qū)生產總值表示）、人口規(guī)模（以城市年平均人口數表示）、人口密度（以單位面積的人口數量表示）、工業(yè)規(guī)模（以城市工業(yè)總產值表示）、建設用地規(guī)模（以城市建設用地面積表示）、投資規(guī)模（以城市固定資產投資表示）、投資密度（以固定資產投資總額與城市行政面積之比表示）、工業(yè)排放規(guī)模（以城市工業(yè)SO2排放量表示）等八個因素與霧霾污染之間的關系。影響因素數據全部來源于《中國城市統(tǒng)計年鑒》；城市AQI及六種分項污染物數據按年度均值處理。表3報告了霧霾污染與影響因素之間的雙變量Morans I指數測度結果。

在不考慮空間關聯(lián)情形下，AQI與PM2.5、PM10的影響因素及其效應基本一致，三者與人口規(guī)模、人口密度、投資規(guī)模、投資密度及工業(yè)排放之間均存在顯著的正向相關關系，而與經濟規(guī)模、工業(yè)規(guī)模和建設用地之間盡管存在正的相關關系，但統(tǒng)計上并不顯著。在其他分項污染物中，O3僅與工業(yè)規(guī)模之間在10%的顯著性水平下存在正向相關關系，人口密度、工業(yè)排放與SO2、CO、NO2之間均存在

顯著正向相關關系，而NO2與所有影響因素之間均存在顯著正向相關關系。這一結果表明，經濟規(guī)模并非城市霧霾污染的主要誘因，因為在城市經濟不斷增長的過程中，往往伴隨著經濟結構的調整優(yōu)化。因此，經濟規(guī)模不斷擴張以及經濟結構不斷優(yōu)化在一定程度上不僅不會加重大氣污染，反而有助于改善大氣污染狀況。而城市人口因素尤其是人口密度、城市投資擴張規(guī)模和強度、工業(yè)排放規(guī)模則成為影響城市霧霾污染的關鍵因素。在快速城市化進程中，大量外來人口涌入城市尤其是大城市，給城市霧霾污染帶來了巨大壓力，這與當前中國霧霾污染的空間分布格局是完全一致的，即人口密度越大的地區(qū)大氣污染就越嚴重。同時，傳統(tǒng)的以“高投入、高消耗、高排放”為特征的粗放型城市發(fā)展模式，在推動城市經濟高速發(fā)展的同時，也付出了巨大的資源環(huán)境代價。在城市建設中，由于城市開發(fā)強度不斷增強和投資規(guī)模快速擴張，而缺少科學的空間結構規(guī)劃和合理的內部空間布局，大量人口的涌入以及工業(yè)排放又難以在短時間內徹底扭轉，導致城市規(guī)模與資源環(huán)境承載能力之間的矛盾日益尖銳，霧霾天氣的頻繁出現(xiàn)就是這一矛盾得不到有效解決的最主要表現(xiàn)之一。

在考慮空間關聯(lián)的情形下，霧霾污染與其影響因素的雙變量Morans I指數測度結果顯示，幾乎所有的影響因素與AQI及六種分項污染物之間都存在顯著的空間相關性，這表明某個地區(qū)的霧霾污染受到其他地區(qū)影響因素的制約。對比不同影響因素Morans I指數的測度結果，可以發(fā)現(xiàn)，在八個影響因素當中，投資密度、人口密度與霧霾污染之間的空間相關性最強，這意味著某個地區(qū)的城市投資強度和人口密度越大，則其鄰近地區(qū)的霧霾污染就越嚴重。此外，投資規(guī)模、工業(yè)排放和人口規(guī)模與霧霾污染之間的空間相關性也比較強，而經濟總量、工業(yè)規(guī)模和建設用地盡管在多數情況下顯著為正，但其數值相對較低，與霧霾污染的空間相關性相對較弱。因此，在城市建設過程中，針對霧霾污染的空間關聯(lián)，區(qū)域之間要在合理控制城市人口規(guī)模和城市投資強度以及工業(yè)減排等方面加強協(xié)同性。更進一步地，在加快構建并不斷完善霧霾污染跨區(qū)域聯(lián)防聯(lián)控機制的同時，將霧霾污染的聯(lián)防聯(lián)控融入到區(qū)域協(xié)同發(fā)展戰(zhàn)略當中，促進區(qū)域人口、經濟和社會的協(xié)同發(fā)展，與霧霾污染聯(lián)防聯(lián)控實現(xiàn)良性互動。

4結論與政策啟示

4.1研究結論

（1）城市霧霾污染在地區(qū)內部和地區(qū)之間均存在普遍的動態(tài)關聯(lián)關系，而且這種關聯(lián)關系已經超越了地理距離的限制并交織在一起，呈現(xiàn)出聯(lián)系緊密的多線程復雜網絡分布態(tài)勢。相對于全部樣本城市，霧霾污染在五大地區(qū)內部的關聯(lián)網絡具有更強的穩(wěn)定性；而在分項污染物中，PM2.5和PM10的空間關聯(lián)網絡的穩(wěn)定性明顯強于其他四種分項污染物。霧霾污染的空間關聯(lián)網絡不僅聯(lián)系緊密，而且?guī)в忻黠@的小世界特征，AQI及六種分項污染物在任意兩個城市節(jié)點之間通過1—2個中間城市就可以建立聯(lián)系，進一步促進了城市霧霾污染之間的聯(lián)系。

（2）AQI的空間關聯(lián)與六種污染物之間的空間關聯(lián)均存在顯著的正向相關關系。其中，PM2.5空間關聯(lián)與AQI空間關聯(lián)的相關性最強，基本保持在0.80左右；PM10的相關系數略低于PM2.5，保持在0.60—0.70左右；而其他四種分項污染物的空間關聯(lián)與AQI空間關聯(lián)的相關系數遠低于PM2.5和PM10。QAP回歸分析進一步表明，盡管城市霧霾污染空間關聯(lián)在不同地區(qū)受到不同污染物空間關聯(lián)的影響存在一定差異，但細微顆粒物尤其是PM2.5的空間關聯(lián)是導致城市霧霾污染空間關聯(lián)最為關鍵的成因。

（3）在霧霾污染的諸多因素當中，城市人口密度、城市投資擴張規(guī)模和強度、工業(yè)排放規(guī)模是影響城市大氣污染的關鍵因素。在空間關聯(lián)上，所有的影響因素與AQI及六種分項污染物之間都存在顯著的空間相關性，意味著某個地區(qū)的霧霾污染將受到其他地區(qū)影響因素的制約。其中，城市投資密度、人口密度、投資規(guī)模、工業(yè)排放和人口規(guī)模等五個影響因素與霧霾污染之間存在較強的空間相關性。而經濟總量、工業(yè)規(guī)模和建設用地在多數情況下與霧霾污染的空間相關性相對較弱。

4.2政策啟示

（1）面對霧霾大氣污染的空間關聯(lián)網絡和動態(tài)交互影響，創(chuàng)新霧霾污染聯(lián)防聯(lián)控體系，形成跨區(qū)域治污合力勢在必行。目前，京津冀、長三角、珠三角等地區(qū)已經初步構建起大氣污染聯(lián)防聯(lián)控機制，而且上海、天津、安徽、江蘇等多個省份也陸續(xù)制定實施了省級層面的大氣污染防治條例。面對城市霧霾污染的空間關聯(lián)及其網絡結構，在一個地區(qū)內部，沒有哪個城市的空氣質量能夠獨善其身，即使某個城市做出了治理霧霾污染的努力，盡管在短期內可能會使當地的空氣質量略有好轉，但霧霾污染空間關聯(lián)網絡將很快抵消它所做出的努力。因此，在地區(qū)內部率先開展霧霾污染的聯(lián)防聯(lián)控，進而構建跨區(qū)域的聯(lián)防聯(lián)控體系，是從整體上解決當前霧霾污染問題的必然選擇。

（2）霧霾污染已成為所有城市共同面對的困境，局部的霧霾污染治理并不能從根本上解決全國霧霾污染問題，建立跨地區(qū)的大氣污染聯(lián)防聯(lián)控機制尤顯緊迫。“不謀全局者，不能謀一域”。面對霧霾污染的空間關聯(lián)網絡和動態(tài)交互影響，要樹立全局意識，從更大格局重新審視區(qū)域大氣污染問題。建立霧霾污染跨區(qū)域聯(lián)防聯(lián)控體系的一個可行思路是，依托于五大國家級城市群所在地區(qū)，以上述地區(qū)中心城市為中心，在各個地區(qū)內部建立霧霾污染聯(lián)防聯(lián)控機制的基礎上，不斷拓展霧霾污染聯(lián)防聯(lián)控的區(qū)域邊界，并逐步將多個地區(qū)霧霾污染聯(lián)防聯(lián)控體系有效地聯(lián)接在一起，最終構建一個以地區(qū)中心城市為中心的、以PM2.5為協(xié)同防控重點的跨區(qū)域霧霾污染聯(lián)防聯(lián)控體系。在霧霾污染聯(lián)防聯(lián)控基本實現(xiàn)區(qū)域全覆蓋的基礎上，形成強有力的治污合力，加快實現(xiàn)霧霾污染的協(xié)同治理。

（3）在城鎮(zhèn)化戰(zhàn)略實施的關鍵時期，為了有效應對霧霾污染的空間關聯(lián)，區(qū)域之間要在合理控制城市人口規(guī)模和城市投資強度以及工業(yè)減排等方面加強協(xié)同性。更進一步的，在加快構建并不斷完善霧霾污染跨區(qū)域聯(lián)防聯(lián)控機制的同時，將霧霾污染的聯(lián)防聯(lián)控融入到城市群發(fā)展戰(zhàn)略以及區(qū)域協(xié)同發(fā)展戰(zhàn)略之中，不斷促進區(qū)域人口、經濟和社會的協(xié)同發(fā)展與霧霾污染聯(lián)防聯(lián)控之間的互動，最終在最大限度提升協(xié)同治污效果的同時，實現(xiàn)更大空間范圍內的全方位區(qū)域協(xié)同發(fā)展。然而，要確保霧霾污染聯(lián)防聯(lián)控機制取得成效，仍面臨諸多困難。為此，要落實好霧霾污染在城市間、地區(qū)之間的聯(lián)防聯(lián)控，必須要求網絡中的所有城市和地區(qū)要首先做好自身的霧霾污染治理，否則在缺少一個協(xié)調機制和考核機制的前提下，多個個體之間最終博弈的結果是沒有哪個城市和地區(qū)愿意做出更多的污染防治努力，最終降低聯(lián)防聯(lián)控的效果。此外，霧霾污染聯(lián)防聯(lián)控強調的“聯(lián)”，在一定程度上仍是“治標不治本”的一種措施，要確保空氣質量的徹底改善，最根本的途徑是要轉變生產方式和生活方式，加快實現(xiàn)綠色發(fā)展，換言之，綠色發(fā)展是霧霾污染治理的必經之路和最終選擇。

（編輯：劉照勝）

參考文獻（References）

[1]BAI X， SHI P， LIU Y. Society： realizing Chinas urban dream [J]. Nature， 2014， 509：158-160.

[2]薛文博， 付飛， 王金南， 等. 中國PM2.5跨區(qū)域傳輸特征數值模擬研究[J]. 中國環(huán)境科學， 2014， 34（6）： 1361-1368. [XUE Wenbo， FU Fei， WANG Jinnan， et al. Numerical study on the characteristics of regional transport of PM2.5 in China [J]. China environmental science， 2014， 34（6）： 1361-1368.]

[3]QIN M， WANG X， HU Y， et al. Formation of particulate sulfate and Nitrate over the Pearl River Delta in the fall： diagnostic analysis using the community multiscale air euality model [J]. Atmospheric environment， 2015， 112： 81-89.

[4]胡曉宇， 李云鵬， 李金鳳， 等. 珠江三角洲城市群PM10的相互影響研究[J]. 北京大學學報， 2011， 47（3）： 519-524. [HU Xiaoyu， LI Yunpeng， LI Jinfeng， et al. Interraction of ambient PM10 among the cities over the Pearl River Delta [J]. Acta scientiarunm naturalium universitaties pekinesis， 2011， 47（3）： 519-524.]

[5]LI L， HUANG C， HUANG H， et al. An integrated process rate analysis of a regional fine particulate matter episode over Yangtze River Delta in 2010 [J]. Atmospheric environment， 2014， 91： 60-70.

[6]向堃， 宋德勇.中國省域PM2.5污染的空間實證研究[J]. 中國人口·資源環(huán)境， 2015， 25（9）： 153-159. [XIANG Kun， SONG Deyong. Spatial analysis of Chinas PM2.5 pollution at the provincial level [J]. China population， resources and environment， 2015， 25（9）： 153-159.]

[7]YANG N， JI D， LI S. The application of pearson correlational analysis method in air quality analysis of BeijingTianjinHebei Region [J]. Agricultural science & technology， 2015， 16（3）： 590-593.

[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(yè)經濟， 2014 （4）： 19-31. [MA Limei， ZHANG Xiao. The spatial effect of Chinas haze pollution and the impact from economic change and energy structure [J]. China industrial economics， 2014 （4）： 19-31.]

[9]張殷俊， 陳曦， 謝高地， 等. 中國細顆粒物（PM2.5）污染狀況和空間分布[J]. 資源科學， 2015， 37（7）： 1339-1346. [ZHANG Yinjun， CHEN Xi， XIE Gaodi， et al. Pollution status and spaital distribution of PM2.5 in China [J]. Resources science， 2015， 37（7）： 1339-1346.]

[10]WANG Y， YING Q， HU J， et al. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013-2014 [J]. Environment international， 2014， 73： 413-422.

[11]任婉俠， 薛冰， 張琳， 等. 中國特大型城市空氣污染指數的時空變化[J]. 生態(tài)學雜志， 2013， 32（10）： 2788-2796. [REN Wanxia， XUE Bing， ZHANG Lin， et al. Spatiotemporal variations of air pollution index in Chinas megacities [J]. Chinese journal of ecology， 2013， 32（10）： 2788-2796.]

[12]李婕， 騰麗. 珠三角城市空氣質量的時空變化特征及影響因素[J]. 城市觀察， 2014 （5）： 85-95. [LI Jie， TENG Li. The timespace Characteristics and determinants of urban air quality in Pearl River Delta [J]. Urban insight， 2014 （5）： 85-95.]

[13]劉華軍， 劉傳明， 孫亞男. 中國能源消費的空間關聯(lián)網絡結構特征及其效應研究[J]. 中國工業(yè)經濟， 2015 （5）： 83-95. [LIU Huajun， LIU Chuanming， SUN Yanan. Spatial correlation network structure of energy consumption and its effect in China [J]. China industrial economics， 2015（5）： 83-95.]

[14]劉華軍， 劉傳明， 楊騫. 環(huán)境污染的空間溢出及其來源——基于網絡分析視角的實證研究[J]. 經濟學家， 2015 （10）： 28-35. [LIU Huajun， LIU ChuanMing， YANG Qian. Spatial spillover and the source of environment pollution：empirical study on the perspective of network analysis [J]. Economist， 2015 （10）： 28-35.]

[15]HU J， WANG Y， YING Q， et al. Spatial and temporal variability of PM2.5 and PM10 over the North China Plain and the Yangtze River Delta [J]. China atmospheric environment， 2014， 95： 598-609.

[16]劉華軍， 何禮偉. 中國省際經濟增長的空間關聯(lián)網絡結構——基于非線性Granger因果檢驗方法的再考察[J]. 財經研究， 2016， 42（2）： 97-107. [LIU Huajun， HE Liwei. The spatial network structure of Chinas provincial economic growth： reexamination based on nonlinear granger causality test [J]. Journal of finance and economics， 2016， 42（2）： 97-107.]

[17]李敬， 陳澍， 萬廣華， 等. 中國區(qū)域經濟增長的空間關聯(lián)及其解釋——基于網絡分析方法[J]. 經濟研究， 2014， 49（11）： 4-16. [LI Jing， CHEN Shu， WAN Guanghua， et al. Study on the spatial correlation and explanation of regional economic growth in China： based on analytic network process [J]. Economic research journal， 2014， 49（11）： 4-16.]

[18]DUCRUET C， BEAUGUITTE L. Spatial science and network science： review and outcomes of a complex relationship [J]. Networks and spatial economics， 2014， 14（3-4）： 297-316.

[19]SCOTT J. Social network analysis： a handbook[M]. London： Sage Publication， 2013.

收稿日期：2016-09-27

作者簡介：劉華軍，博士，教授，博導，主要研究方向為資源環(huán)境經濟、綠色發(fā)展、空間網絡分析。Email： huajun99382@163.com。

基金項目：國家社會科學基金項目“資源環(huán)境約束下農業(yè)用水效率評價及提升路徑研究”（批準號：15CGL041）；山東省高校人文社科研究項目“山東省城市綠色發(fā)展效率及其協(xié)同提升路徑研究”（批準號：J16YE02）；山東省自然科學基金項目“山東省霧霾污染的城市間動態(tài)關聯(lián)效應及協(xié)同治理機制研究：基于社會網絡分析視角”（批準號：ZR2016GM03）。