周曙東??歐陽(yáng)緯清 葛繼紅

摘要大氣污染物的源排放是形成灰霾天氣的內(nèi)因，氣象條件是形成灰霾天氣的外因。本研究通過(guò)構(gòu)建PM2.5濃度的兩段式分布滯后模型，結(jié)合自然環(huán)境因素及經(jīng)濟(jì)因素對(duì)PM2.5的影響因素進(jìn)行了綜合分析。在第一段模型中構(gòu)建了PM2.5和大氣污染物排放量的分布滯后模型，第二段模型中構(gòu)建了不同的大氣污染源對(duì)大氣污染物排放量的影響因素模型。大氣污染物排放源主要包括工業(yè)源、生活源、機(jī)動(dòng)車源、集中式污染治理設(shè)施源。在工業(yè)源中，工業(yè)廢氣重度污染行業(yè)是大氣污染物排放主要的貢獻(xiàn)者；在生活源中，燃煤消費(fèi)量對(duì)大氣污染物排放影響很大，這也是冬季供暖期間PM2.5劇增的原因；在機(jī)動(dòng)車源中，盡管黃標(biāo)車的保有量?jī)H占汽車保有量的10%左右，但卻占據(jù)了顆粒物排放量的絕大部分。利用京津冀代表性城市PM2.5日度數(shù)據(jù)研究得出平均氣溫、平均風(fēng)速、日照時(shí)數(shù)、平均氣壓、降雨量、平均相對(duì)濕度、沙塵暴等因素對(duì)PM2.5濃度的負(fù)向與正向作用。研究發(fā)現(xiàn)，大氣污染物排放量對(duì)PM2.5濃度具有聚集的滯后效應(yīng)，當(dāng)期大氣污染物排放量、滯后一期、滯后兩期、滯后三期大氣污染物對(duì)PM2.5濃度具有顯著的正向作用，且影響依次遞減。構(gòu)建的大氣污染物排放量的污染源影響因素模型揭示一個(gè)地區(qū)煤炭消費(fèi)量、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值、黃標(biāo)車保有量對(duì)該地區(qū)大氣污染物排放量具有顯著影響。本研究對(duì)優(yōu)化能源消費(fèi)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，減少空氣污染物排放提出了對(duì)策建議。

關(guān)鍵詞PM2.5；大氣污染物排放；兩段式分布滯后模型；京津冀

中圖分類號(hào)X513；F421文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2017）04-0102-08doi：10.12062/cpre.20170343

PM2.5的空氣動(dòng)力學(xué)含義是指直接小于等于2.5μm的顆粒物，也稱為細(xì)顆粒物。PM2.5能較長(zhǎng)時(shí)間懸浮于空氣中，對(duì)空氣質(zhì)量和能見度等有重要的影響?；姻蔡鞖獾谋举|(zhì)是大氣顆粒物PM2.5的污染[1]。與PM10相比，PM2.5粒徑小，擴(kuò)散面積大，活性強(qiáng)，易附帶有毒、有害物質(zhì)，且在大氣中停留時(shí)間長(zhǎng)，因而對(duì)人體健康和大氣環(huán)境質(zhì)量影響更大，灰霾污染中的PM2.5容易誘發(fā)呼吸系統(tǒng)疾病。2013年，灰霾成為年度關(guān)鍵詞，2013年1月，4次灰霾籠罩全國(guó)30個(gè)省。京津冀過(guò)去冬春季的灰霾比較嚴(yán)重，而最近幾年四季都會(huì)發(fā)生灰霾天氣。因此，研究PM2.5的主要影響因素，理順其內(nèi)在關(guān)系具有很迫切的現(xiàn)實(shí)意義，可以為相關(guān)研究和政策制定提供理論依據(jù)。

京津冀都市圈是我國(guó)三大城市群之一，在經(jīng)濟(jì)發(fā)展中占據(jù)重要地位，而在空氣質(zhì)量最差的10個(gè)城市中，7個(gè)城市在京津冀地區(qū)，京津冀已經(jīng)成為我國(guó)空氣污染最嚴(yán)重的地區(qū)之一。2015年4月30日，中共中央政治局審議通過(guò)的《京津冀協(xié)調(diào)發(fā)展規(guī)劃綱要》指出，要在京津冀生態(tài)環(huán)境保護(hù)、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)等重點(diǎn)領(lǐng)域率先取得突破。根據(jù)《2015中國(guó)環(huán)境狀況公報(bào)》顯示，京津冀PM2.5平均濃度為77 ug/m3（超過(guò)國(guó)家二級(jí)標(biāo)準(zhǔn)1.20倍），遠(yuǎn)高于珠三角地區(qū)的34 ug/m3和長(zhǎng)三角地區(qū)的53 ug/m3；京津冀區(qū)域13個(gè)城市達(dá)標(biāo)天數(shù)比例在21.9%—86.4%，平均為42.8%，重度及以上污染天數(shù)比例為17%，而超標(biāo)天數(shù)中以PM2.5為首要污染物天數(shù)最多。本研究將實(shí)證分析經(jīng)濟(jì)增長(zhǎng)與大氣污染的關(guān)系，同時(shí)基于兩段式的分布滯后模型，結(jié)合自然環(huán)境因素和經(jīng)濟(jì)因素，對(duì)灰霾污染嚴(yán)重地區(qū)京津冀的PM2.5影響因素進(jìn)行綜合分析。

1文獻(xiàn)綜述

對(duì)于可吸入顆粒物（PM）的最早研究，可追溯到20世紀(jì)80年代。1985年，美國(guó)將總懸浮顆粒物修改為PM10，隨后不久將PM2.5納入到大氣監(jiān)測(cè)范圍中[2]。2012年2月29日，中國(guó)環(huán)境保護(hù)部將環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB-2012）作為國(guó)家質(zhì)量標(biāo)準(zhǔn)，正式取代了環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB-1996），PM2.5開始納入到空氣質(zhì)量監(jiān)測(cè)中來(lái)。盡管PM2.5在我國(guó)監(jiān)測(cè)時(shí)間比較短，但由于PM2.5所引發(fā)的灰霾問(wèn)題頻發(fā)，引發(fā)人們的普遍關(guān)注。國(guó)內(nèi)外學(xué)者對(duì)PM2.5進(jìn)行的廣泛深入的研究，主要集中在以下兩個(gè)方面：

中國(guó)人口·資源與環(huán)境2017年第4期

一是PM2.5的污染特征、排放清單、源解析等的物理化學(xué)過(guò)程、PM2.5與其他顆粒物直接的關(guān)系。梁延剛等利用2005年香港能見度與PM2.5濃度的每小時(shí)數(shù)據(jù)，研究顯示PM2.5濃度與能見度在5%的顯著水平上呈負(fù)相關(guān)，相關(guān)系數(shù)為80%[3]。Chang W等對(duì)美國(guó)南加州的顆粒物進(jìn)行源解析，將PM2.5分為機(jī)動(dòng)車、道路揚(yáng)塵、柴油車、海鹽等主要源類[4]。鄭玫等將PM2.5源種類分為塵類源、燃燒類源、二次元、其他源[5]。周靜、劉松華等通過(guò)對(duì)蘇州10個(gè)區(qū)15個(gè)工業(yè)行業(yè)現(xiàn)場(chǎng)咨詢、發(fā)放調(diào)查表等形式，研究得出工藝過(guò)程源和固定燃燒源分別占蘇州工業(yè)源PM2.5排放量的94%和6%[6]。朱增銀、郭清彬、于建華等研究PM2.5濃度與PM10濃度占比，分析得出PM2.5濃度與PM10濃度占比通常在29.10%—94.76%之間，呈現(xiàn)出季節(jié)差異，并且這一比例夏季要明顯低于秋季[7-9]。

二是PM2.5與氣象因子及工業(yè)化、城市化、環(huán)境規(guī)制等因素之間的關(guān)系。張淑平等研究發(fā)現(xiàn)氣象條件與PM2.5日濃度顯著相關(guān)；劉瑞婷等研究表明高濃度的大氣顆粒物和特殊的氣象條件是灰霾形成的有利條件，小風(fēng)或靜風(fēng)容易造成PM2.5濃度增加，能見度降低；孟曉艷等研究得出較小的地面風(fēng)速、較高的相對(duì)濕度以及穩(wěn)定的大氣層增加了PM2.5濃度的累積，導(dǎo)致空氣質(zhì)量惡化[10-12]。何楓等應(yīng)用Tobit模型發(fā)現(xiàn)城市工業(yè)增加值占GDP比提高1個(gè)百分比，灰霾天數(shù)平均增加約4天 [13]。馬麗梅、張曉運(yùn)用Donkelaar et al制作的首張PM2.5全球地圖，分析得出灰霾污染與GDP并不存在倒“U”型關(guān)系，灰霾污染與產(chǎn)業(yè)結(jié)構(gòu)以及能源結(jié)構(gòu)存在很強(qiáng)的正相關(guān)關(guān)系[14]。

基于上述文獻(xiàn)回顧，我們可以發(fā)現(xiàn)，現(xiàn)有研究主要有以下幾個(gè)方面不足：

第一，灰霾的主要污染物PM2.5的形成是一個(gè)復(fù)合的大氣環(huán)境的機(jī)理形成過(guò)程，不僅與溫度、相對(duì)濕度、風(fēng)速、壓強(qiáng)、降水等氣象因素影響密切，同時(shí)也受機(jī)動(dòng)車、燃煤、工業(yè)生產(chǎn)等經(jīng)濟(jì)因素的影響，但絕大部分的研究要么只考慮自然環(huán)境因素，要么只考慮經(jīng)濟(jì)因素，即將燃煤、工業(yè)生產(chǎn)等經(jīng)濟(jì)因素直接與PM2.5進(jìn)行回歸，很少有將自然環(huán)境因素和機(jī)動(dòng)車、燃煤、工業(yè)生產(chǎn)等經(jīng)濟(jì)因素綜合起來(lái)進(jìn)行研究。

第二，由于我國(guó)將PM2.5納入空氣質(zhì)量檢測(cè)標(biāo)準(zhǔn)范圍時(shí)間較短，我國(guó)正式統(tǒng)計(jì)PM2.5開始于2013年，故經(jīng)濟(jì)學(xué)研究領(lǐng)域受限于數(shù)據(jù)的連續(xù)性和系統(tǒng)性，大部分研究采用PM10的年度數(shù)據(jù)或者模擬數(shù)據(jù)。PM2.5日度數(shù)據(jù)變化幅度很大，但年度平均濃度數(shù)據(jù)的變化幅度相對(duì)于日度數(shù)據(jù)并不是很大，因?yàn)槠骄鶖?shù)將劇烈變化拉平了，所以年度數(shù)據(jù)不能很好反映大氣污染物日度變化規(guī)律。另一些研究采用美國(guó)研究機(jī)構(gòu)研制的根據(jù)氣象條件模擬出的PM2.5年度平均數(shù)據(jù)，如馬麗梅等使用哥倫比亞大學(xué)國(guó)際科學(xué)信息網(wǎng)絡(luò)中心與巴特爾研究中心的全球2001—2010年P(guān)M2.5平均值的模擬數(shù)據(jù)，但模擬數(shù)據(jù)與實(shí)際檢測(cè)數(shù)據(jù)存在誤差。

本研究使用中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)公布的京津冀2013年1月18日至2014年12月31日的日度數(shù)據(jù)，結(jié)合影響PM2.5濃度的氣象因素和燃煤、機(jī)動(dòng)車、工業(yè)產(chǎn)值等經(jīng)濟(jì)因素，對(duì)京津冀地區(qū)PM2.5的影響因素進(jìn)行綜合分析。

2模型構(gòu)建

2.1分析框架

影響空氣質(zhì)量的主要因素有兩個(gè)：一個(gè)是污染源，還有一個(gè)是氣象條件。吳兌分析得出，大氣污染物的源排放是形成灰霾天氣的內(nèi)因，氣象條件是形成灰霾天氣的外因[1]。因此，一個(gè)城市的空氣質(zhì)量受自然條件和人類活動(dòng)兩方面影響，自然條件包括風(fēng)速、降雨、溫度等氣象條件以及地形地貌等地理?xiàng)l件和區(qū)域生態(tài)環(huán)境變化，人類活動(dòng)包括城市工業(yè)發(fā)展、區(qū)域能源消耗。2014年《北京市環(huán)境狀況公報(bào)》對(duì)PM2.5進(jìn)行源解析顯示，機(jī)動(dòng)車源、燃煤、工業(yè)生產(chǎn)、揚(yáng)塵對(duì)北京的PM2.5貢獻(xiàn)率分別達(dá)到了31.1%、22、4%、18.1%、14.3%。2014年《天津市環(huán)境狀況公報(bào)》對(duì)PM2.5進(jìn)行源解析顯示，揚(yáng)塵、燃煤、機(jī)動(dòng)車、工業(yè)對(duì)天津的PM2.5貢獻(xiàn)率分別達(dá)到了30%、27%、20%、17%。

我們對(duì)PM2.5濃度主要影響因素及其內(nèi)在關(guān)系的研究分為兩個(gè)階段，第一階段分析形成灰霾的外部因素，綜合考慮溫度、濕度、日照、風(fēng)力、氣壓、降水等氣象因素。第二階段分析不同污染源對(duì)大氣污染物排放量的影響，主要包括四個(gè)方面：工業(yè)源、生活源、機(jī)動(dòng)車源、集中式污染源。大氣污染物是造成PM2.5濃度上升的主要內(nèi)因。

2.2模型設(shè)定

通過(guò)以上對(duì)自然環(huán)境科學(xué)和環(huán)境經(jīng)濟(jì)學(xué)文獻(xiàn)綜述可以得出，PM2.5的影響因素主要有氣象因素，包括溫度、相對(duì)濕度、日照時(shí)數(shù)、氣壓、風(fēng)力、降雨等氣象因子，以及煤炭燃燒產(chǎn)生的煙塵及一氧化碳、二氧化硫、氮氧化物及揮發(fā)性有機(jī)物等、工業(yè)源排放、機(jī)動(dòng)車尾氣排放等因素。本文模型設(shè)定立足于自然環(huán)境科學(xué)基礎(chǔ)，并且將煤炭燃燒煙粉塵、機(jī)動(dòng)車尾氣、工業(yè)源排放轉(zhuǎn)化為經(jīng)濟(jì)學(xué)上容易衡量的煤炭消費(fèi)量、汽車保有量、工業(yè)增加值。一個(gè)地區(qū)污染物排放量的多少跟該地區(qū)的工業(yè)廢氣污染密集型產(chǎn)值有著密切的關(guān)系。本文借鑒張家峰對(duì)工業(yè)廢氣污染密集型行業(yè)的劃分方法[15]，選取全國(guó)38個(gè)工業(yè)行業(yè)萬(wàn)元產(chǎn)出的不同污染物排放量即排放強(qiáng)度（Emission Intensity，EI）大于等于0.75的五個(gè)重污染行業(yè)，即選取電力和熱力的生產(chǎn)工業(yè)、非金屬礦物制品業(yè)、燃?xì)馍a(chǎn)和供應(yīng)業(yè)、黑色金屬冶煉及壓延加工、木材加工以及木竹藤棕草制品業(yè)五個(gè)工業(yè)廢氣重度污染行業(yè)。選取這五個(gè)重度污染行業(yè)工業(yè)增加值，研究工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對(duì)PM2.5濃度的影響。本研究通過(guò)構(gòu)建兩段式的分布滯后模型來(lái)研究京津冀PM2.5的影響因素，第一段模型是研究氣象因子、大氣污染物排放量與PM2.5的關(guān)系，第二段模型是研究不同的污染物排放源與大氣污染物排放量的關(guān)系。由于大氣污染物具有聚集的滯后效應(yīng)，如果直接將氣象因子、經(jīng)濟(jì)因素放在一個(gè)模型里而忽略大氣污染物排放量的作用，勢(shì)必會(huì)造成模型估計(jì)結(jié)果的不精準(zhǔn)。因此，本文的模型設(shè)定如下：

PM2.5=β1+β2RHUit+β3TEMit+β4SSDit+β5PREit+β6Windit+β7Rainit+β8Dit+δ0Pollutionit+δ1Pollutionit-1+δ2Pollutionit-2+…+δkPollutionit-k+μit （1）

lnPollution=α1+α2lnPIIit+α3lnCoalit+α4lnY_carit+

瘙 窞 it （2）

模型（1）中，PM2.5為PM2.5日濃度數(shù)值，RHUit為i城市t日的平均相對(duì)濕度，TEMit為i城市t日的平均溫度，SSDit為i城市t日的日照時(shí)數(shù)，PREit為i城市t日的平均氣壓，Windit為i城市t日的平均風(fēng)速，Rainit為i城市t日的降雨量，Pollutionit為i城市t日根據(jù)等距平滑法折算出來(lái)的大氣污染物排放量，Pollutionit-1、Pollutionit-2、…Pollutionit-k分別是Pollution的滯后1期、滯后2期、…、滯后k項(xiàng)，Dit為i城市t日沙塵暴天氣虛擬變量，β1代表總體均值截距項(xiàng)；μit代表隨機(jī)誤差項(xiàng)。模型（2）中PIIit為工業(yè)廢氣重度污染行業(yè)工業(yè)增加值，Coalit為煤炭消費(fèi)量，Y_carit為機(jī)動(dòng)車保有量，α1代表總體均值截距項(xiàng)， 瘙 窞 it代表隨機(jī)誤差項(xiàng)。

2.3變量與數(shù)據(jù)

PM2.5數(shù)據(jù)來(lái)源于中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)，部分?jǐn)?shù)據(jù)來(lái)源于青悅開放環(huán)境數(shù)據(jù)中心，選取京津冀代表性城市北京、天津、石家莊的PM2.5日度數(shù)據(jù)從2013年1月18日至2014年12月31日。相對(duì)濕度、氣溫、日照時(shí)數(shù)、壓強(qiáng)、風(fēng)力、降雨等數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)，沙塵暴天氣數(shù)據(jù)來(lái)源于中國(guó)天氣網(wǎng)。大氣污染物排放量來(lái)源于《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《石家莊統(tǒng)計(jì)年鑒》。模型（1）中被解釋變量PM2.5濃度數(shù)據(jù)和相對(duì)濕度、氣溫、日照時(shí)數(shù)、壓強(qiáng)、風(fēng)力、降雨等數(shù)據(jù)均是按天數(shù)據(jù)，因此，為了統(tǒng)一數(shù)據(jù)口徑，本文首先根據(jù)《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》中計(jì)算大氣污染物排放量方法，即根據(jù)公式大氣污染物排放量=∑工業(yè)源+生活源+機(jī)動(dòng)車源+集中式污染治理設(shè)施源。其中生活源、機(jī)動(dòng)車源、集中式污染治理設(shè)施源比較穩(wěn)定，可直接將生活源、機(jī)動(dòng)車源、集中式污染治理設(shè)施源除于每年的天數(shù)，得到按天的生活源、機(jī)動(dòng)車源、集中式污染治理設(shè)施源的大氣污染物排放量。對(duì)于工業(yè)源而言，根據(jù)工業(yè)源折算系數(shù)=工業(yè)源大氣污染物排放量/工業(yè)增加值，得到工業(yè)源折算系數(shù)，并通過(guò)月度工業(yè)源大氣污染物排放量=工業(yè)源折算系數(shù)×月度工業(yè)增加值，計(jì)算得到月度工業(yè)源大氣污染物排放量。第二，根據(jù)t月度工業(yè)源大氣污染物排放量增長(zhǎng)率=t+1月工業(yè)源大氣污染物排放量/t月工業(yè)源大氣污染物排放量，得到該月工業(yè)源大氣污染物排放量增長(zhǎng)率，并將該增長(zhǎng)率根據(jù)等距平滑法平攤到每一天的大氣污染物排放量中去，得到按天的工業(yè)源大氣污染物排放量。最后，根據(jù)t日大氣污染物排放量=t日工業(yè)源大氣污染物排放量+t日生活源、機(jī)動(dòng)車源、集中式污染治理設(shè)施源大氣污染物排放量計(jì)算出t日的大氣污染物排放總量。

模型（2）是為了研究大氣污染物排放量同工業(yè)廢氣重度污染工業(yè)增加值、燃煤消費(fèi)量、機(jī)動(dòng)車保有量三者之間的關(guān)系，大氣污染物排放量數(shù)據(jù)計(jì)算方法跟模型1計(jì)算方法一樣。為了更好地體現(xiàn)京津冀大氣污染物排放量的演變規(guī)律，模型2中時(shí)間從2011年1月1日至2014年12月31日，按天的大氣污染物排放量計(jì)算方法跟模型1中一致。工業(yè)廢氣重度污染行業(yè)工業(yè)增加值根據(jù)前面五個(gè)重度污染產(chǎn)值之和計(jì)算得到，根據(jù)北京統(tǒng)計(jì)局、天津統(tǒng)計(jì)局、石家莊統(tǒng)計(jì)局統(tǒng)計(jì)的月度工業(yè)增加值，同樣根據(jù)上文中的等距平滑法，將其增長(zhǎng)率平攤到每一天。燃煤消費(fèi)量數(shù)據(jù)來(lái)源《中國(guó)能源統(tǒng)計(jì)年鑒》得到北京、天津、石家莊的年度煤炭消費(fèi)量，同時(shí)根據(jù)張洪潮等的BP濾波分析得到我國(guó)2008—2013年月度煤炭修正系數(shù)[6]，可得到月度煤炭消費(fèi)量，同樣根據(jù)上文中的等距平滑法，將其增長(zhǎng)率平攤到每一天得到按天的煤炭消費(fèi)量數(shù)據(jù)。根據(jù)《2013年機(jī)動(dòng)車污染防治年報(bào)》顯示，全國(guó)“黃標(biāo)車”保有量?jī)H占汽車保有量的10.7%，但其排放的一氧化碳（CO）、碳?xì)浠衔铮℉C）、氮氧化物（NOX）、顆粒物（PM）分別占汽車排放量的49.0%、52.9%、52.4%、78.8%，因此黃標(biāo)車占據(jù)了顆粒物（PM）排放量的絕大部分。由于無(wú)法獲得機(jī)動(dòng)車保有量的數(shù)據(jù)，本文將選擇黃標(biāo)車保有量作為機(jī)動(dòng)車的保有量的代理變量來(lái)研究。黃標(biāo)車數(shù)據(jù)來(lái)源于《2011—2014年機(jī)動(dòng)車污染防治年報(bào)》，通過(guò)Get Data Graph Digitizer軟件抓取各省市2011—2014年的數(shù)據(jù)，同樣根據(jù)上文中的等距平滑法將其平攤計(jì)算得到按天的黃標(biāo)車保有量。變量設(shè)定見表1。

3實(shí)證檢驗(yàn)結(jié)果及分析

3.1PM2.5濃度描述性統(tǒng)計(jì)分析

根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095—2012）中制定的環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定，24小時(shí)PM2.5的平均值標(biāo)準(zhǔn)值見表2。當(dāng)24小時(shí)的PM2.5濃度超過(guò)115 ug/m3時(shí)，空氣質(zhì)量處于中度污染以上，對(duì)人群心臟、呼吸系統(tǒng)有影響。

本文以優(yōu)良天氣和中度污染以上天氣做比較。從圖1可以看到，北京2013年優(yōu)良天氣比例為56%，2014年優(yōu)良天氣比例下降為55.6%，但中度污染以上天氣比

例呈現(xiàn)出下降的趨勢(shì)，由2013年的26%下降到2014年的24%。天津優(yōu)良天氣比例有明顯上升的趨勢(shì)，2013年優(yōu)良天氣比例為44%，2014年上升為53%；中度污染以上天數(shù)比例有所下降，從2013年的25%下降到23%。石家莊優(yōu)良天氣比例上升幅度是三個(gè)城市最明顯的，2013年優(yōu)良天氣比例26.7%，2014年上升到36.7%；中度污染以上天氣比例也有明顯下降，從2013年的53.1%下降到38.6%。

3.2PM2.5濃度影響因素計(jì)量結(jié)果

排放的大氣污染物會(huì)形成聚集，導(dǎo)致PM2.5的濃度累積增加，前期大氣污染物具有聚集形成的滯后效應(yīng)，前期排放的大氣污染物排放量對(duì)當(dāng)期的PM2.5濃度可能存在正向的顯著影響。本研究運(yùn)用阿爾蒙（Almon）提出的多項(xiàng)

δi=γ1+γ2（i-c-）+γ3（i-c-）2……+γn+1（i-c-）n其中，i=1，2，3……m，m>n。

首先確定模型滯后期長(zhǎng)度。本研究采用以下兩種方法決定滯后期：①根據(jù)調(diào)整后的R2決定滯后期數(shù)，直到調(diào)整后的R2不再增加；②通過(guò)施瓦茨信息準(zhǔn)則（SC）、赤池信息準(zhǔn)則（AIC）和LR統(tǒng)計(jì)量確定滯后期。通過(guò)反復(fù)檢驗(yàn)發(fā)現(xiàn)滯后3期最符合大氣污染物擴(kuò)散效應(yīng)的實(shí)際情況，R2也最大，故選用大氣污染物排放量當(dāng)期與滯后3期來(lái)檢驗(yàn)對(duì)PM2.5的影響，也符合施瓦茨信息準(zhǔn)則和赤池信息準(zhǔn)則。大氣污染物的滯后系數(shù)選取了服從遠(yuǎn)端約束（大氣污染物累積效應(yīng)距離當(dāng)期越遠(yuǎn)，對(duì)當(dāng)期PM2.5濃度影響越?。┒嘣貧w結(jié)果見表3。

從表3可知，模型結(jié)果總體上比較良好，調(diào)整R2比較好，達(dá)到0.452，即平均相對(duì)濕度、平均氣溫、日照時(shí)數(shù)、平均相對(duì)氣壓、平均風(fēng)速、降雨量、沙塵天氣、大氣污染物排放量及滯后3期能夠?qū)┙蚣絇M2.5濃度的45.25%做出解釋。模型總體顯著性在1%水平上通過(guò)檢驗(yàn)，F(xiàn)值較大，說(shuō)明模型中各因素對(duì)PM2.5濃度的共同影響顯著。

在氣象因素中，風(fēng)力通過(guò)稀釋擴(kuò)散來(lái)降低當(dāng)?shù)豍M2.5的濃度。研究表明，持續(xù)的微風(fēng)或靜風(fēng)會(huì)抑制大氣污染物的擴(kuò)散，使近地面層大氣污染物聚集。當(dāng)風(fēng)速大于5 m/s，有利于污染物的擴(kuò)散[17]。我們的統(tǒng)計(jì)發(fā)現(xiàn)，當(dāng)京津冀平均風(fēng)速小于3 m/s時(shí)，京津冀PM2.5濃度平均值為111.56 ug/m3；而當(dāng)京津冀平均風(fēng)速大于5 m/s，京津冀PM2.5濃度平均值為49.41 ug/m3。

溫度升高時(shí)，有利于上下層空氣產(chǎn)生對(duì)流交換，因此有利于大氣污染物的稀釋擴(kuò)散；而溫度降低，大氣層相對(duì)穩(wěn)定不利于污染物的稀釋擴(kuò)散。平均溫度每增加1℃，PM2.5濃度平均減少3.821 ug/m3。日照時(shí)數(shù)對(duì)污染物的影響主要體現(xiàn)在太陽(yáng)輻射強(qiáng)時(shí)，加快了地面溫度上升，大氣垂直運(yùn)動(dòng)增強(qiáng)，不易產(chǎn)生逆溫層；日照時(shí)數(shù)較短時(shí)，太陽(yáng)輻射較弱，氣溫較低，大氣層穩(wěn)定，容易產(chǎn)生逆溫，對(duì)污染物的稀釋和擴(kuò)散不利。因此，日照時(shí)數(shù)每增加1 h，PM2.5濃度平均減少2.859 ug/m3。降水對(duì)大氣污染物可以起到?jīng)_刷和稀釋清除的作用，在雨水作用下，大氣中的一些大氣污染物能夠溶解在水中，可以降低大氣污染物的濃度，因此，降雨量每增加1mm， PM2.5濃度平均減少2.514 ug/m3。氣壓對(duì)污染物濃度主要體現(xiàn)在高氣壓時(shí)，空氣在垂直方向的對(duì)流較弱，容易形成逆溫，不利于污染物的擴(kuò)散；低氣壓時(shí)，氣流上升較強(qiáng)，大氣污染物容易稀釋和擴(kuò)散，因此氣壓與PM2.5濃度呈現(xiàn)負(fù)向關(guān)系。平均氣壓每增加1hpa，PM2.5濃度平均減少2.377 ug/m3。相對(duì)濕度與PM2.5有明顯的正向顯著關(guān)系。除有降水外，濕度大時(shí)，空氣中水氣較多，使得PM2.5附著在水氣中，在空氣中停留，因此平均相對(duì)濕度每增加1%，PM2.5濃度平均增加1.399 ug/m3。沙塵暴發(fā)生時(shí)，強(qiáng)風(fēng)把地面沙塵物質(zhì)吹起并卷入空中，造成空氣混濁，水平能見度低。因此，沙塵暴天氣對(duì)PM2.5濃度具有顯著的正向影響。沙塵暴天氣發(fā)生時(shí)，PM2.5濃度平均增加139.942 ug/m3。而在大氣污染物排放量滯后變量中，當(dāng)期大氣污染物每增加1t，對(duì)當(dāng)期PM2.5濃度平均增加0.010 2 ug/m3；滯后一期污染物、滯后兩期污染物、滯后三期污染物每增加1t，對(duì)當(dāng)期PM2.5濃度分別增加0.007 6 ug/m3、0.005 1 ug/m3、0.002 6 ug/m3。

3.3主要污染源影響因素計(jì)量分析

根據(jù)北京、天津、石家莊三個(gè)城市2013—2014年《環(huán)境狀況公報(bào)》對(duì)PM2.5進(jìn)行源解析，可得知工業(yè)源、機(jī)動(dòng)車、燃煤消耗量對(duì)PM2.5貢獻(xiàn)率最大，因此構(gòu)建了模型（2）。通過(guò)檢驗(yàn)發(fā)現(xiàn)固定效應(yīng)和隨機(jī)效應(yīng)均優(yōu)于OLS模型（其中固定效應(yīng)模型的F值為529.29，隨機(jī)效應(yīng)模型chi2（3）檢驗(yàn)值為21 966.95，因?yàn)镠ausman檢驗(yàn)得到chi2（2）為174.4，p值為0，所以應(yīng)拒絕隨機(jī)效應(yīng)和固定效應(yīng)的系數(shù)無(wú)系統(tǒng)差異的原假設(shè)，也就是說(shuō)，采用固定效應(yīng)模型更合適）。京津冀大氣污染物排放量的主要污染源影響因素估計(jì)結(jié)果見表4。

由回歸結(jié)果表4可知，固定效應(yīng)模型的整體顯著性的F值為529.29，P值為0.000，在1%顯著水平上顯著，表明模型（1） 整體是比較顯著的；工業(yè)廢氣重度污染行業(yè)工業(yè)增加值（PII）、燃煤消費(fèi)量（Coal）、黃標(biāo)車保有量（Y_car）的t值在1%水平上顯著，說(shuō)明它們都能很好地解釋大氣污染物排放量的影響因素。模型（2）的整體顯著性的F值為557.7，P值為0，在1%顯著水平上顯著。

通過(guò)固定效應(yīng)模型可知，工業(yè)廢氣重度污染行業(yè)工業(yè)增加值的對(duì)數(shù)估計(jì)系數(shù)為0.173，t值檢驗(yàn)在1%水平上顯著，表明在其他因素不變的情況下，一個(gè)地區(qū)工業(yè)廢氣重度污染行業(yè)工業(yè)增加值上升1%，該地區(qū)的大氣污染物排放量將上升0.173%。黃標(biāo)車保有量的對(duì)數(shù)估計(jì)系數(shù)為0.199，t值檢驗(yàn)在1%水平上顯著，表明在其他因素不變

的情況下，一個(gè)地區(qū)黃標(biāo)車保有量下降1%，該地區(qū)大氣污染物排放量將下降0.199%。煤炭消費(fèi)量產(chǎn)值的對(duì)數(shù)估計(jì)系數(shù)為0.469，t值檢驗(yàn)在1%水平上顯著，表明在其他因素不變的情況下，一個(gè)地區(qū)燃煤消費(fèi)量增加1%，該地區(qū)大氣污染物排放量將上升0.469%，說(shuō)明目前階段，煤炭消費(fèi)量是京津冀地區(qū)大氣污染物排放量上升的重要因素。在該模型中經(jīng)過(guò)測(cè)算發(fā)現(xiàn)，煤炭消費(fèi)量對(duì)大氣污染物排放量貢獻(xiàn)率為47.27%，黃標(biāo)車對(duì)大氣污染物排放量貢獻(xiàn)率為18.91%，工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對(duì)大氣污染物排放量貢獻(xiàn)率為18.46%。

4結(jié)論與政策建議

4.1結(jié)論

本研究通過(guò)使用京津冀PM2.5近兩年的日濃度數(shù)據(jù)，提出兩段式的分布滯后模型將自然環(huán)境因素和經(jīng)濟(jì)因素結(jié)合起來(lái)，對(duì)京津冀PM2.5的影響因素進(jìn)行了綜合分析。在第一段模型中構(gòu)建了PM2.5和大氣污染物排放量的分布滯后模型，第二段模型中構(gòu)建了不同的大氣污染源對(duì)大氣污染物排放量的影響因素模型。研究得出平均氣溫、平均風(fēng)速、日照時(shí)數(shù)、平均氣壓、降雨量對(duì)PM2.5濃度具有顯著的負(fù)向作用，平均相對(duì)濕度、沙塵暴天氣對(duì)PM2.5濃度具有顯著的正向作用，大氣污染物排放量對(duì)PM2.5濃度具有聚集的滯后效應(yīng)，當(dāng)期大氣污染物排放量、滯后一期、滯后兩期、滯后三期大氣污染物對(duì)PM2.5濃度具有顯著的正向作用，且影響依次遞減。最后，構(gòu)建了大氣污染物排放量的污染源模型，使用固定效應(yīng)估計(jì)得出煤炭消費(fèi)量、黃標(biāo)車保有量、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對(duì)大氣污染物排放量具有顯著的正向作用，一個(gè)地區(qū)煤炭消費(fèi)量對(duì)數(shù)、黃標(biāo)車擁有量對(duì)數(shù)、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對(duì)數(shù)每增加1%，對(duì)該地區(qū)大氣污染物的排放量對(duì)數(shù)分別增加0.469%、0.199%和0.173%。

4.2政策建議

（1）優(yōu)化能源消費(fèi)結(jié)構(gòu)，減少煤炭的消費(fèi)，大范圍推廣使用集中式供暖，完善清潔能源和PM2.5減排區(qū)域間補(bǔ)貼機(jī)制，分別在各空氣污染嚴(yán)重地區(qū)的重點(diǎn)行業(yè)進(jìn)行試點(diǎn)。2014年，煤炭消費(fèi)占我國(guó)能源消費(fèi)總量的66%，電力、工業(yè)鍋爐、煤化工（煉焦等）以及建材窯爐消費(fèi)了我國(guó)超過(guò)90%的煤炭，煤炭（尤其是散煤）的燃燒對(duì)PM2.5的貢獻(xiàn)很大。因此一是要完善優(yōu)化能源消費(fèi)結(jié)構(gòu)，優(yōu)化燃煤電廠脫硫脫硝的工藝；加大對(duì)清潔能源的利用，加強(qiáng)對(duì)新能源產(chǎn)業(yè)的補(bǔ)貼，同時(shí)建立政府綠色采購(gòu)和補(bǔ)貼制度。二是要將煤炭為主的能源結(jié)構(gòu)向清潔能源為主的能源結(jié)構(gòu)轉(zhuǎn)變，大幅度減少散煤的燃燒。

（2）加快改造黃標(biāo)車，大力推廣新能源汽車，控制機(jī)動(dòng)車的尾氣污染。一是加速改造黃標(biāo)車，要么逐步淘汰黃標(biāo)車，要么強(qiáng)制性對(duì)黃標(biāo)車的排氣系統(tǒng)進(jìn)行改造，加裝三元催化轉(zhuǎn)化器，使尾氣排放達(dá)國(guó)六標(biāo)準(zhǔn)。二是提升我國(guó)的油品質(zhì)量標(biāo)準(zhǔn)，降低油品中硫、烯烴及芳烴含量。三是大力推廣新能源汽車，公交、環(huán)衛(wèi)等行業(yè)和政府機(jī)關(guān)要率先使用新能源汽車、采取財(cái)政補(bǔ)貼等措施鼓勵(lì)個(gè)人購(gòu)買。

（3）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，限制工業(yè)廢氣重度污染行業(yè)。京津冀地區(qū)作為我國(guó)三大城市群之一，經(jīng)濟(jì)發(fā)展長(zhǎng)期以來(lái)依賴化石能源，資源消耗大、環(huán)境污染嚴(yán)重，這也是京津冀大氣環(huán)境質(zhì)量產(chǎn)生問(wèn)題的經(jīng)濟(jì)根源。因此一是調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，嚴(yán)格限制新建工業(yè)廢氣重度污染行業(yè)的企業(yè)，大力發(fā)展質(zhì)量效益型、科技先導(dǎo)型和資源節(jié)約型的綠色產(chǎn)業(yè)。二要將現(xiàn)有的空氣污染密集型企業(yè)向外搬遷，而且搬遷地點(diǎn)不能距離京津冀太近。

（4）建議全面禁止石油焦的進(jìn)口，并加強(qiáng)對(duì)燃燒高硫石油焦的監(jiān)管。盡管中國(guó)政府正在投入巨大的努力治理空氣污染和削減煤炭消費(fèi)，但是卻出現(xiàn)一個(gè)監(jiān)管漏洞： 一些發(fā)電廠、水泥廠、玻璃廠使用石油焦作為替代燃料，在燃煤中故意混燒10-20%的高硫石油焦。這些高硫石油焦含硫量較高，包含多種重金屬污染（如汞、砷、鉻、鎳和鎘），在燃燒時(shí)還可能會(huì)釋放二惡英、氯化氫和氟化氫等污染物。2013年中國(guó)燃燒了3 300萬(wàn)t石油焦。有關(guān)管理部門應(yīng)出臺(tái)政策全面禁止石油焦的進(jìn)口，并加強(qiáng)燃燒國(guó)產(chǎn)高硫石油焦的監(jiān)管，加快重點(diǎn)行業(yè)脫硫、脫硝、除塵改造工程建設(shè)，在空氣重度污染地區(qū)不得使用石油焦作為燃料。

（編輯：劉照勝）

參考文獻(xiàn)（References）

[1]吳兌.近十年中國(guó)灰霾天氣研究綜述[J].環(huán)境科學(xué)學(xué)報(bào)， 2012，32（2）：257-269.[WU Dui. Hazy weather research in China in the last decade： a review[J].Acta scientiae circumstantiae，2012，32（2）：257-269.]

[2]楊洪斌，鄒旭東，汪宏宇，等.大氣環(huán)境中PM2.5的研究進(jìn)展與展望[J].氣象與環(huán)境學(xué)報(bào)，2012，28（3）：77-82.[YANG Hongbin，ZOU Xudong，WANG Hongyu， et al. Study progress on PM2.5 in atmospheric environment[J].Journal of meteorology and environment，2012，28（3）：77-82.]

[3]梁延剛，WU Manchi，楊敬基.香港能見度、大氣懸浮粒子濃度與氣象條件的關(guān)系[J].氣象學(xué)報(bào)， 2007，66（3）：461-469.[LEUNG Yinkong，WU Manchi，YEUNG Kingkay.A study on the relationship among visibility， atmospheric suspended particulate concentration and meteorological conditions in Hong Kong[J].Acta meteorologica sinica，2007，66（3）：461-469.]

[4]CHANG W L，BHAVE P V，BROWN S S， et al. Heterogeneous atmospheric chemistry， ambient measurements，and model calculations of PM2.5： a review[J]， Aerosol science and technology，2011（4）：665-670.

[5]鄭玫，張延君，閆才青，等.中國(guó)PM2.5來(lái)源解析方法綜述[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，50（6）：1141-1154.[ZHENG Mei， ZHANG Yanjun，YAN Caiqing， et al.Review of PM2.5 source apportionment methods in China[J].Acta scientiarum naturalium universitatis pekinensis，2014，50（6）： 1141-1154.]

[6]周靜，劉松華，譚譯，等.蘇州市大氣顆粒物（PM2.5）工業(yè)源排放清單[J].環(huán)境科學(xué)學(xué)報(bào)2016，2（2）：1-12.[ZHOU Jing，LIU Songhua，TAN Yi，et al.The emission inventory of atmospheric fine particles from industrial sources in Suzhou City[J].Acta scientiae circumstantiae，2016，2（2）：1-12.]

[7]朱增銀，李冰，趙秋月，等.對(duì)國(guó)內(nèi)外PM2.5研究及控制對(duì)策的回顧與展望[J].環(huán)境科技， 2013，26（1）：70-74.[ZHU Zengyin， LI Bing， ZHAO Qiuyue，et al. A review and outlook of the research and pollution control on PM2.5 in domestic and overseas[J].Environmental science and technology，2013，26（1）：70-74.]

[8]郭清彬，程學(xué)豐，侯輝，等.冬季大氣中PM10和PM2.5污染特征及形貌分析[J].中國(guó)環(huán)境監(jiān)測(cè)，2010，26（4）：55-58.[GUO Qingbin，CHENG Xuefeng， HOU Hui，et al.Pollution characteristics and morphology analysis of PM10 and PM2.5 in winter[J].Environmental monitoring in China，2010，26（4）：55-58.]

[9]于建華，虞統(tǒng)，魏強(qiáng)，等.北京地區(qū)PM10和PM2.5質(zhì)量濃度的變化特征[J].環(huán)境科學(xué)研究，2004，17（1）：45-47.[YU Jianhua，YU Tong，WEI Qiang，et al.Characteristics of mass concentration variations of PM10 and PM2.5 in Beijing area[J].Research of environmental sciences，2004，17（1）：45-47.]

[10]張淑平，韓立建，周偉奇，等.冬季PM2.5的氣象影響解析[J].生態(tài)學(xué)報(bào)， 2016，36（24）：1-11.[ZHANG Shuping， HAN Lijian，ZHOU Weiqi，e al. Relationships between fine particulate matter and meteorological factors in winter at typical Chinese cities[J].Acta ecologica sinica，2016，36（24）：1-11.]

[11]劉瑞婷，韓志偉，李嘉偉.北京冬季霧霾事件的氣象特征分析[J].氣象與環(huán)境研究， 2014，19（2）：164-172.[LIU Ruiting，HAN Zhiwei， LI Jiawei.Analysis of meteorogical characteristics during winter haze events in Beijing[J].Climatic and environmental research，2014，19（2）：164-172.]

[12]孟曉艷，余予，張志富，等.2013年1月京津冀地區(qū)強(qiáng)霧霾頻發(fā)成因初探[J].環(huán)境科學(xué)與技術(shù)，2014（1）：190-194.[MENG Xiaoyan，YU Yu，ZHANG Zhifu，et al. Preliminary study of the dense fog and haze events formation over BeijingTianjinandHebei region in January of 2013[J].Environmental science and technology，2014，37（1）：190-194.]

[13]何楓，馬棟棟.霧霾與工業(yè)化發(fā)展的關(guān)聯(lián)研究——中國(guó)74個(gè)城市的實(shí)證研究[J].軟科學(xué)，2015（6）：110-114.[HE Feng，MA Dongdong. Association study between haze pollution and industrialization[J].Soft science， 2015（6）：110-114.]

[14]馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì)， 2014，4（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（4）：19-31.]

[15]張家峰.農(nóng)村工業(yè)化與農(nóng)村點(diǎn)源污染關(guān)系研究——以江蘇省為例[D].南京：南京農(nóng)業(yè)大學(xué)，2013：61-81.[ZHANG Jiafeng，Research on the relationship between rural industrialization and rural industrial point source pollution：taking Jiangsu Province as an example[D].Nanjing：Nanjing Agricultural University，2013：61-81.]

[16]張洪潮，王澤江，李曉利，等.中國(guó)煤炭消費(fèi)需求波動(dòng)規(guī)律及成因分析[J].中國(guó)人口·資源與環(huán)境，2014，24（1）：94-101.[ZHANG Hongchao，WANG Zejiang， LI Xiaoli， et al. The fluctuation pattern of Chinese coal consumption demand and cause analysis[J].China population，resources and environment，2014，24（1）：94-101.]

[17]GROSSMAN G， KRUEGER A. Economic growth and the environmen[J].Quarterly journal of ecomomics，1995，110（2），353-377.

[18]蔣洪強(qiáng)，張靜，王金南，等.中國(guó)快速城鎮(zhèn)化邊際環(huán)境污染效應(yīng)變化實(shí)證分析[J].生態(tài)環(huán)境學(xué)報(bào)，2012，21（2）：293-297.[JIANG Hongqiang，ZHANG Jing，WANG Jinnan，et al.Accounting model and demonstration for marginal environmental effects of the rapid urbanization in China[J].Ecology and environmental sciences，2012，21（2）：293-297.]

[19]楊義彬.成都市大氣污染及氣象條件影響分析[J].四川氣象，2004，89（3）：40-43.[YANG Yibin.The air pollution of Chengdu City and the impact analysis of meteorological conditions[J].Journal of Sichuan meteorology，2004，89（3）：40-43.]

[20]SELDEN T， SONG D. Neoclassical growth， the J Curve for abatement and the internet U Curve for pollution[J].Journal of environmental economics and management，1995，29（2），162-168.

[21]LOPOZ R. The environment as a factor of production：the effects of economic growth and trade liberalization[J].Journal of environmental economics and management，1994，27（2），163-184.

[22]BROCK W， TAYLOR M. Economics growth and the environment： a review of theory and empirics[J].Handbook of economic growth，2005（1）：1749-1821.

[23]張鳳青.高汽車保有量果真是中國(guó)PM2.5污染的主因嗎？[J].經(jīng)濟(jì)資料譯叢， 2015，2（4）：44-51.[ZHANG Fengqing.Is the high car ownership really the main cause of Chinas PM2.5 pollution？[J].Journal of translation from foreign literature of economics，2015，2（4）：44-51.]

Study on the main influencing factors and their intrinsic relations of PM2.5 in BeijingTianjinHebei

ZHOU Shudong1，2OUYANG Weiqing1GE Jihong1

（1.College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China； 2.China Center for Food Security Studies， Nanjing Agricultural University，Nanjing Jiangsu 210095， China）

AbstractAir pollutants are the internal causes of haze weather， meteorological conditions are external factors of haze weather. In this study， a twostage distribution hysteresis model for PM2.5 concentration was established， and the influencing factors of PM2.5 were analyzed in combination with natural and economic factors. In the first stage， a distribution hysteresis model for PM2.5 concentration and air pollutants emissions was established. In the second stage， an influencing factors model for air pollutants emission was constructed. Air pollutants sources include industrial emission， life emission， motor vehicles emission， and centralized pollution facilities. In industrial emission sources， the polluting intensive industries for waste gas are the major contributors to air pollutant emissions.In the life emission sources， coal consumption greatly affected air pollutant emissions， which contributed the increase of PM2.5 concentration during winter heating season. In the motor vehicles source， although the proportion of vehicles ownership of wagons with yellow license plates is only about 10%， but they contributed a large part of particulate matters.Based on the daily data of PM2.5 of the representative cities of Beijing， Tianjin and Hebei， the negative and positive impacts on PM2.5 concentration of average temperature， average wind speed， sunshine hours， average air pressure， rainfall， average relative humidity， dust storm and other factors are measured. We find that the air pollutant emission has a lag effect on the accumulation of PM2.5 concentration， e.g. current period air pollutant emissions，lag one， lag two， and lag three have significant positive effects on the PM2.5 concentration， and the influencing effects are decreasing according to the lagging order. A model of influencing factors of air pollutant emission concluded that the consumption of coal， the industrial added value of waste gas polluting intensive industries， and the amount of wagons with yellow license plates do contribute a significant influence on air pollutant emission.Some countermeasures and policy recommendation to optimize energy consumption structure and industrial structure and reduce air pollutant emission are suggested in this paper.

Key wordsPM2.5； air pollutant emission； Twostage Distribution Hysteresis Model； BeijingTianjinHebei