肖悅，田永中*，許文軒，劉瑾，萬祖毅，張雪倩，劉旭東

1. 西南大學地理科學學院，重慶 400715；2. 重慶市氣象科學研究所，重慶 401147

近年來，中國經(jīng)濟的迅猛發(fā)展在推動社會進步和人民生活水平提高的同時，也造成許多諸如霧霾、光化學煙霧等復合型大氣污染的生態(tài)環(huán)境問題，嚴重影響到城市及區(qū)域的大氣環(huán)境及公共健康（劉滿鳳等，2016）。據(jù)統(tǒng)計，全國每年因空氣污染而死亡的人數(shù)高達 250萬（熊歡歡等，2017），由此造成的財政損失占全年GDP的10%（環(huán)境生態(tài)網(wǎng)，2007）。隨著人們對環(huán)境和健康問題的重視，空氣污染已經(jīng)成為中國亟需解決的重大民生問題和國家發(fā)展問題。習近平總書記在十九大報告中指出，推進綠色發(fā)展、著力解決突出環(huán)境問題、加大生態(tài)環(huán)境保護力度、改革生態(tài)環(huán)境監(jiān)管體制，同心建設(shè)美麗中國是實現(xiàn)可持續(xù)發(fā)展的內(nèi)在要求（新華網(wǎng)，2017）。在此嚴峻的時代背景下，探討空氣質(zhì)量的時空變化特征及影響因素分析，有利于引導城市實施可持續(xù)的發(fā)展戰(zhàn)略，避免盲目追求經(jīng)濟增長而對生態(tài)環(huán)境造成不可逆轉(zhuǎn)的破壞。

目前國內(nèi)外關(guān)于空氣質(zhì)量的研究成果較多，主要集中在以下兩個方面，（1）基于單一城市（李向陽等，2011）、城市群（Li et al.，2011；徐偉嘉等，2014；Wang et al.，2016；劉華軍等，2016）和全國（王振波等，2015；Peng et al.，2016；張殷俊等，2015）的三大空間尺度和基于多年變化到特定時段的時間尺度（潘竟虎等，2016；李名升等，2013；程念亮等，2016）來探析空氣質(zhì)量的時空分布特征。（2）空氣質(zhì)量影響因素分析?，F(xiàn)有研究多數(shù)集中在自然要素對空氣質(zhì)量的影響方面，如氣象條件、地形、沙塵暴、霧霾等對大氣污染的影響（李文杰等，2012；李會霞等，2016；鄒旭東等，2015；趙軍平等，2017）。較少研究從社會經(jīng)濟的視角探究空氣質(zhì)量的影響因素（胡艷興，2015）。如藺學芹等（2016）基于空間滯后模型研究了能源消耗、工業(yè)化、技術(shù)進步和經(jīng)濟發(fā)展對城市空氣質(zhì)量的影響；少量研究關(guān)注了城市化、經(jīng)濟增長、工業(yè)發(fā)展、交通以及能源結(jié)構(gòu)（向堃等，2015；Fang et al.，2015；Patton et al.，2014；劉海猛等，2015；馬麗梅等，2014；席鵬輝等，2015）等對大氣環(huán)境的影響。

現(xiàn)有研究發(fā)現(xiàn)中國大氣污染存在的空間非均衡性和地理集聚性主要與地區(qū)發(fā)展差異有關(guān)，且經(jīng)濟發(fā)達地區(qū)的大氣污染程度明顯高于不發(fā)達地區(qū)，因此現(xiàn)有成果雖涉及多個時空尺度，但主要集中在京津冀、長三角和珠三角等經(jīng)濟發(fā)達、產(chǎn)業(yè)人口集聚高的地區(qū)（許文軒等，2017；Chen et al.，2016；沈威等，2017），而缺少全國整體性和區(qū)域性的對比研究。針對現(xiàn)有研究存在的主要問題，本文擬在考慮地區(qū)發(fā)展差異的基礎(chǔ)上，利用空間自相關(guān)、核密度和空間計量經(jīng)濟學模型探討全國及各區(qū)域空氣質(zhì)量的時空演化特征以及不同時空和不同地區(qū)之間社會經(jīng)濟要素對空氣質(zhì)量的影響差異，研究結(jié)果可為大氣污染防治工作提供決策參考。

1　數(shù)據(jù)及方法

1.1　研究方法

1.1.1空間自相關(guān)法

地理學第一定律認為任何事物之間均具有相關(guān)性，且距離越近，相關(guān)性越強。常用全局莫蘭指數(shù)（Global Moran’s I）和局部莫蘭指數(shù)（Local Moran’s I）來描述空間自相關(guān)性，前者用來分析空間數(shù)據(jù)的整體分布狀況，后者用于探測空間集聚發(fā)生的具體位置（Anselin et al.，2006）。計算公式如下：

式中，xi，xj分別表示城市i和j的空氣質(zhì)量；n為城市總數(shù)；m表示與城市i在地理上相鄰的城市個數(shù)；wij為空間鄰接權(quán)重。全局莫蘭指數(shù)的取值范圍為[-1, 1]，正值表示區(qū)域城市空氣質(zhì)量呈集聚分布，負值表示區(qū)域城市空氣質(zhì)量與周邊城市具有顯著的差異；零值表示空間不相關(guān)，值越趨近于 1或-1，表示空間集聚或差異越明顯。局部莫蘭指數(shù)可將空間關(guān)聯(lián)模式分為 HH、LL、HL、LH 4種集聚類型，其中HH（LL）表示城市空氣質(zhì)量與相鄰城市空氣質(zhì)量呈正相關(guān)關(guān)系，即空氣質(zhì)量高值（低值）城市在空間上集聚；HL（LH）表示城市空氣質(zhì)量與相鄰城市空氣質(zhì)量呈負相關(guān)關(guān)系，即空氣質(zhì)量高值（低值）城市被低值（高值）城市包圍。

1.1.2核密度法

核密度是用來估計概率密度函數(shù)的非參數(shù)方法，可用連續(xù)的密度曲線來描述隨機變量的分布形態(tài)（孫才志等，2015），計算公式如下：

式中，N為觀測值個數(shù)；Xi為獨立分布的觀測值；為均值；K為核函數(shù)；h為帶寬。核密度圖的中心位置可以反映大氣污染水平的高低；波峰的高度和寬度用來反映大氣污染的差異，寬度越大，差異越大。

1.1.3空間計量經(jīng)濟學模型

模型構(gòu)建：觀測值在空間上相互獨立是傳統(tǒng)模型進行回歸分析的前提，但城市空氣質(zhì)量并不是一個完全獨立的觀測值，定會受到鄰近區(qū)域影響，因此必須考慮空間相關(guān)性?？紤]空間相關(guān)性的計量經(jīng)濟學模型有空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）兩種。為確定哪種模型模擬效果最佳，需根據(jù)最小二乘法（Ordinary Least Squares，OLS）估計結(jié)果的拉格朗日系數(shù)（Lagrange Mulitplier，LM）及其穩(wěn)健性（Robust，R）的顯著性進行判斷：若 LM（lag）＞LM（error），且 R-LM（lag）＞R-LM（error），則選擇SLM；若LM（lag）＜LM（error），且R-LM（lag）＜R-LM（error），則選擇 SEM（楊冕等，2017）。

變量的選擇：本文借鑒已有的研究理論，兼顧城市社會經(jīng)濟數(shù)據(jù)的可獲得性，選取表示大氣污染狀況的空氣質(zhì)量指數(shù)（Air Quality Index，AQI）作為被解釋變量，采用反映人口集聚（人口密度）、經(jīng)濟水平（人均GDP）、工業(yè)化（第二產(chǎn)業(yè)占比）、能源消耗（能源消耗量）、汽車尾氣排量（民用汽車保有量）、科技進步（科技支出占比）和城市綠化水平（綠地覆蓋率）7個指標作為解釋變量，以探究中國及各區(qū)域空氣質(zhì)量與社會經(jīng)濟因素之間的基本關(guān)系與作用程度。同時，通過對解釋變量取對數(shù)的形式來降低異方差和非穩(wěn)定性對模型估計的影響（姜磊，2016）。

則基于空間滯后模型的表達式為：

基于空間誤差的模型表達式為：

式中，Y為 AQI；ρ為空間回歸系數(shù)；W 為空間權(quán)重矩陣；X1…X7依次為人口密度、人均GDP、第二產(chǎn)業(yè)占比、能源消耗量、民用汽車保有量、科技支出占比和綠地覆蓋率。α0…α7為帶估計的模型參數(shù)；ε為誤差隨機項；μ為正態(tài)分布的隨機誤差向量。

1.2　研究區(qū)域及數(shù)據(jù)來源

本文研究區(qū)域為中國大陸，受數(shù)據(jù)可得性的限制，臺灣、香港和澳門未納入研究?？諝赓|(zhì)量數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站公布的 2016年全國 361個城市的逐日 AQI，它是由 SO2、NO2、PM10、PM2.5、CO和O36種常規(guī)大氣污染物擬合的以定量描述空氣狀況的無量綱指數(shù)，其值越大，說明空氣污染越嚴重。近年來，中國空氣污染不單單局限于個別城市，大氣污染區(qū)域一體化的態(tài)勢愈發(fā)明顯。基于此，本文依據(jù)地區(qū)經(jīng)濟發(fā)展水平和區(qū)域一體化特征，將全國23個省份、4個直轄市和5個自治區(qū)劃分為12個區(qū)域，并分別對各區(qū)域的日均AQI進行多組獨立樣本Kruskal-Wallis H檢驗，可知P=0.000＜0.05，均具有統(tǒng)計學意義（表1）。此外，本文的社會經(jīng)濟數(shù)據(jù)來源于 2016年《中國城市統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。

表1　中國區(qū)域劃分及城市個數(shù)分布Table 1　Descriptions of the study area in China

2　中國城市空氣質(zhì)量的時空演變規(guī)律

2.1　時間變化特征

不同的氣候條件會使城市空氣質(zhì)量發(fā)生較大的變化。本文分別從年、季、月 3個尺度對 2016年全國及12個區(qū)域的AQI進行均值統(tǒng)計，以剖析空氣質(zhì)量的時間變化規(guī)律（圖1、表2）。從全國尺度上看，2016年中國AQI年均值為79.53，空氣質(zhì)量達到國家二級標準限值，全國AQI季均值由大到小排序為：冬（96.87）＞春（81.87）＞秋（72.81）＞夏（66.69），空氣質(zhì)量呈現(xiàn)顯著的“夏優(yōu)冬劣”的“U”型月變化規(guī)律。從地理尺度上看，南方四季和全年AQI均低于北方，說明中國大氣污染空間分布不均，整體呈現(xiàn)出“北重南輕”的空間格局。從區(qū)域尺度上看，各地AQI季均值均呈現(xiàn)出“夏低冬高，春降秋升”的態(tài)勢。各地AQI年均值由大到小排序為：京津冀（110.06）＞山東半島（97.31）＞黃河中游（96.17）＞西北地區(qū)（92.96）＞長三角（80.48）＞長江中游（79.51）＞長江上游（77.27）＞東北地區(qū)（72.36）＞青藏高原（67.54）＞珠三角（60.97）＞南部沿海（55.16）＞云貴高原（51.22），京津冀 AQI年均值居 12個區(qū)域之首，空氣質(zhì)量最差，而南部沿海、云貴高原和青藏高原則是全國空氣質(zhì)量相對優(yōu)良的區(qū)域。各區(qū)空氣質(zhì)量呈現(xiàn)出顯著的空間分異性，大氣污染整體呈現(xiàn)出由沿海到內(nèi)陸，由南到北，由西到東，由非采暖區(qū)到采暖區(qū)，由欠發(fā)達區(qū)到發(fā)達區(qū)逐漸加重的態(tài)勢。

圖1　2016年全國AQI時間變化規(guī)律Fig. 1　Time change rule of AQI in China in 2016

表2　2016年各區(qū)域AQI時間規(guī)律Table 2　Seasonal variation of AQI at different regions in China in 2016

2.2　污染等級變化特征

根據(jù)2012年中國環(huán)保部公布的《AQI技術(shù)規(guī)定》，將 AQI劃分為優(yōu)（0～50）、良（51～100）、輕度污染（101～150）、中度污染（151～200）、重度污染（201～300）和嚴重污染（301～500）6個等級，分別統(tǒng)計2016年全國和12個區(qū)域在各等級中出現(xiàn)的天數(shù)及同一等級下各區(qū)域出現(xiàn)天數(shù)占該等級所有天數(shù)的比例。從表3可以看出，全國、南北以及各區(qū)域空氣質(zhì)量狀況均以優(yōu)良天氣為主，而污染天氣則以輕度和中度污染為主，重度和嚴重污染天氣相對較少。如全國優(yōu)良天數(shù)占所有天數(shù)的比例最高，為78.54%，其次是輕度和中度污染，所占比例分別為15.12%和3.79%，重度污染和嚴重污染所占比例最小，僅為2.47%。從區(qū)域?qū)Ρ壬峡矗鲄^(qū)域污染天數(shù)占所有污染天數(shù)的比例由大到小為：黃河中游（21.22%）＞長江中游（15.1%）＞山東半島（13.83%）＞長三角（12.11%）＞西北地區(qū)（10.2%）＞東北地區(qū)（7.89%）＞京津冀（7.31%）＞長江上游（6.04%）＞青藏高原（2.12%）＞南部沿海（1.97%）＞珠三角（1.43%）＞云貴高原（0.77%）。而重度和嚴重污染天氣所占比例最高的前5個區(qū)域分別是：黃河中游（29.88%）、西北地區(qū)（20.17%）、山東半島（14.85%）、京津冀（13.28%）和長江中游地區(qū)（8.33%）。黃河中游、山東半島、長江中游、京津冀等地不僅是全國人口高集聚區(qū)，還是中國沿江沿海重化工產(chǎn)業(yè)的重點集聚區(qū)，高污染、高能耗產(chǎn)業(yè)發(fā)展迅速，對空氣污染貢獻巨大，因此屬于全國空氣質(zhì)量最差的地區(qū)。

2.3　空間變化特征

對全國361個城市2016年的AQI數(shù)據(jù)進行插值得到中國城市大氣污染的空間分布格局。由圖 2可知，以京津冀為首的黃河中下游和新疆西部是2016年全國大氣污染最嚴重、最集中的區(qū)域。為進一步探究中國大氣污染的空間模式，利用 ArcGIS中的空間自相關(guān)工具，根據(jù)各城市與其周圍相鄰城市的空間關(guān)系，在 5%顯著性水平下，把單個城市與周圍城市空氣污染的集聚類型劃分為以下四類：（1）高-高集聚（HH）：表示該城市與周圍相鄰城市的大氣污染均較嚴重，相互之間存在正相關(guān)關(guān)系，用紅色表示。（2）低-低集聚（LL）：表示該城市與周圍相鄰城市的大氣狀況均較好，相互之間存在正相關(guān)關(guān)系，用藍色表示。（3）低-高集聚（LH）：表示該城市大氣狀況較好，但周圍相鄰城市的大氣污染較重，相互之間存在負相關(guān)關(guān)系，用黃色表示。（4）不顯著（Not significant）：表示該城市的空氣質(zhì)量狀況與周圍城市無關(guān)，用灰色表示。由圖3可知，中國空氣質(zhì)量在空間上呈現(xiàn)出明顯的區(qū)域異質(zhì)性，多數(shù)空氣污染較重的城市集聚在一起，污染較輕的城市集聚在一起，其中高-高“熱點”集聚區(qū)主要分布“高污染、高能耗、高排放”的新疆、京津冀、山東半島和中原城市，低-低“冷點”集聚區(qū)主要分布在氣候惡劣、沿海以及工業(yè)相對不發(fā)達的黑龍江、南部沿海和高海拔地區(qū)，低-高“異值”集聚區(qū)主要分布在鄰近京津冀的內(nèi)蒙古和山西這2個省份?？梢钥闯觯珖諝赓|(zhì)量呈現(xiàn)出顯著的空間集聚性，大氣污染區(qū)域一體化態(tài)勢明顯，大氣污染治理急需區(qū)域間的協(xié)同合作、聯(lián)防聯(lián)控。

圖2　2016年中國主要城市AQI空間分布格局Fig. 2　Spatial distribution pattern of AQI in the main cities of China in 2016

表3　2016年全國及各區(qū)域AQI等級天數(shù)占比Table 3　The proportions of days with different levels of AQI at national and regional scales in China in 2016

圖3　2016年中國AQI局部自相關(guān)集聚圖Fig. 3　Local autocorrelations of AQI in China in 2016

為量化 2016年各地大氣污染的非均衡性，本文利用全局Moran’s I、核密度法和BOX圖探討了不同地區(qū)大氣污染的地區(qū)差異和分布差距（賀冉冉等，2017）。由表 4 可知，（1）長江上游 AQI、PM2.5、PM10的Moran’s I較高，說明該地區(qū)大氣污染的正相關(guān)性主要受 PM2.5、PM10的集聚效應(yīng)影響。（2）長江中游 AQI、PM2.5、PM10和 NO2存在著明顯的正相關(guān)關(guān)系，而CO、SO2和O3的空間依賴關(guān)系不顯著。（3）長三角AQI的Moran’s I相對較小，但PM2.5、PM10和 SO2的 Moran’s I相對較高并有著顯著的空間依賴關(guān)系。（4）珠三角AQI的Moran’s I為 0.527，6種污染物中以 NO2的空間依賴性最大（0.541），而 NO2主要來源于汽車尾氣，可見較多的機動車和發(fā)達的交通網(wǎng)絡(luò)是造成該地大氣污染的主要原因。（5）南部沿海和黃河中游 AQI的Moran’s I分別為 0.227、0.444，除 O3外，其他 5種污染物具有顯著的正相關(guān)關(guān)系。（6）京津冀AQI的 Moran’s I為 0.253，PM10、SO2的集聚性最大，分別為0.339、0.296。PM10、SO2主要來源于冶金、燃煤等化工過程，說明該地區(qū)大氣污染主要與人類頻繁的社會經(jīng)濟活動相關(guān)。（7）東北地區(qū) AQI的Moran’s I為0.577，6種污染物中以SO2的集聚性最強（0.541），說明含硫燃料的大量燃燒對本地空氣污染的貢獻巨大。（8）山東半島除 O3外，AQI與其他污染物均存在顯著的空間集聚性。（9）西北地區(qū)除NO2外，AQI與其余5種污染物的Moran’s I均較高。（10）云貴高原AQI、PM2.5和NO2均表現(xiàn)出強烈的空間依賴性。（11）青藏高原的空間相關(guān)性不顯著（0.186），而PM10和SO2的空間依賴性較強，分別為0.346和0.331。（12）南北地區(qū)的AQI、PM2.5、PM10和 NO2顯著正相關(guān)。此外，北方地區(qū)的大氣污染與SO2呈顯著正相關(guān)（0.307）。

表4　2016年全國各地區(qū)大氣污染的Moran’s ITable 4　Moran’s I of air pollution in different regions in China in 2016

圖4　2016年中國12個區(qū)域空氣質(zhì)量數(shù)據(jù)核密度估計圖Fig. 4　Kernel density of AQI at national and regional scales in China in 2016

本文利用核密度圖對比分析了不同地區(qū)大氣污染空間分布的差距（圖4）：從分布形態(tài)上看，12個地區(qū)AQI核密度圖呈不同程度的單峰分布；從中心位置上看，云貴高原、南部沿海和珠三角位于最左側(cè)，峰值較高、寬度較小，說明這3個地區(qū)AQI普遍較低，大氣環(huán)境相對優(yōu)良并且城市內(nèi)部之間的差異較小。而京津冀、山東半島和黃河中游的核密度圖峰值整體偏右較低、寬度較大，表明這3個地區(qū)AQI相對較高，空氣質(zhì)量相對較差且城市之間的大氣污染差異較大。根據(jù) BOX圖的取值范圍和分布形態(tài)，將12個區(qū)域AQI劃分為3種共7個類型（圖 5），（1）重度污染區(qū)，包括高值主導區(qū)（AQI均值以上的城市個數(shù)大于AQI均值以下個數(shù)）和低值主導區(qū)（AQI均值以上的城市個數(shù)小于AQI均值以下個數(shù)）。其中，京津冀和山東半島屬于重污染高值主導區(qū)，表明城市之間空氣污染程度的總體差異在不斷縮小，大氣污染不再局限于個別城市，區(qū)域污染一體化的態(tài)勢在不斷推進。這類地區(qū)是中國大氣污染治理的工作重點和難點，國家及地方政府應(yīng)加快推進大氣污染跨區(qū)域聯(lián)防聯(lián)控的治理機制。黃河中游屬于重污染低值主導區(qū)，表明少數(shù)污染嚴重的城市對該區(qū)域大氣污染的加重和一體化影響顯著，治理工作應(yīng)集中在少數(shù)重污染城市并同時開展區(qū)域聯(lián)防聯(lián)控工作。（2）中度污染區(qū)，分為以東北和長江上游為代表的低值主導區(qū)、以長三角為代表的高值主導和以西北和長江中游為代表的均衡區(qū)（AQI均值以上的城市個數(shù)約等于AQI均值以下個數(shù)），這幾類地區(qū)的空氣質(zhì)量處于臨界水平，污染治理應(yīng)根據(jù)各自大氣污染的形態(tài)模式，因地制宜制定預(yù)警措施并確定重點整治城市以及時抑制大氣污染一體化的惡化趨勢。（3）輕度污染區(qū)，包括以青藏高原、珠三角為代表的低值主導區(qū)和以云貴高原、南部沿海為代表的均衡區(qū)。這兩類地區(qū)的大氣污染相對較輕，大氣治理應(yīng)堅持“預(yù)防為主，防治結(jié)合，不斷推進”的原則，使其空氣質(zhì)量持續(xù)維持在相對優(yōu)良的水平并繼續(xù)改善。

圖5　2016年中國12個區(qū)域空氣質(zhì)量數(shù)據(jù)BOX分布圖Fig. 5　Box distribution of AQI in different regions in China in 2016

3　城市空氣質(zhì)量的社會經(jīng)濟要素影響分析

3.1　空氣質(zhì)量演化的社會經(jīng)濟驅(qū)動力

根據(jù)設(shè)定好的回歸模型，利用2016年中國361個城市AQI和對應(yīng)的社會經(jīng)濟數(shù)據(jù)，探究全國及各區(qū)域大氣污染的社會經(jīng)濟驅(qū)動力。解釋變量之間不存在線性關(guān)系是進行回歸分析的前提，因此首先利用SPSS對各變量進行共線性診斷，發(fā)現(xiàn)各個變量的容差（Tolerance）均位于 0.733左右，方差膨脹因子（VIF）均小于2，說明變量之間不存在多重共線問題。然后，根據(jù)OLS回歸模型的LM空間相關(guān)性檢驗結(jié)果（表5），發(fā)現(xiàn)LM（lag）＞LM（error）且R-LM（lag）＞R-LM（error），說明在1%顯著性水平下，SLM比SEM更顯著，故SLM是最佳的回歸模型。此外，未考慮大氣污染在空間上具有依賴性的 OLS擬合精度（R2=0.508），而考慮了空間相關(guān)性的SLM擬合精度，R2則顯著地提升到0.879。由SLM模型擬合的2016年全國空氣質(zhì)量的社會經(jīng)濟影響結(jié)果可知，（1）從顯著性上看，人均 GDP和綠地覆蓋率對全國空氣質(zhì)量的影響不顯著，而第二產(chǎn)業(yè)占比、能源消耗、民用汽車擁有量和科技支出占比這4個指標對大氣污染的影響均在1%水平上達到顯著，四者每提高 1個百分點，全國 AQI分別上升0.135%、0.125%、0.465%和-0.054%。而人口密度通過了10%的顯著性水平檢驗。（2）從正負相關(guān)性上看，AQI與人口密度、第二產(chǎn)業(yè)占比、能源消耗、民用汽車保有量呈顯著的正相關(guān)關(guān)系，表明人口集聚、工業(yè)發(fā)展和能源消耗對全國大氣污染的惡化趨勢具有加重作用。而人均GDP、科技支出占比和綠地覆蓋率與AQI呈負相關(guān)關(guān)系，表明經(jīng)濟發(fā)展、科技進步和城市綠化對城市大氣污染具有一定程度的抑制作用。

表5　基于OLS模型與SLM模型的2016年全國空氣質(zhì)量的社會經(jīng)濟影響因素回歸結(jié)果Table 5　Estimation results of the socio-economic factors of AQI of China in 2016

3.2　各地區(qū)空氣質(zhì)量社會經(jīng)濟影響的分異特征

中國幅員遼闊，地區(qū)差距大，處于不同發(fā)展階段的區(qū)域，社會經(jīng)濟要素對其空氣質(zhì)量變化的影響具有差異性，本文利用SLM模型分析2016年不同區(qū)域空氣質(zhì)量的社會經(jīng)濟影響差距。利用 SLM 模型進行回歸分析時，需具備足夠且分布均勻的樣本數(shù)據(jù)，而青藏高原樣點較少且分布不均，為保證回歸結(jié)果的精度，本文未對該地區(qū)進行探究，其余11個地區(qū)的SLM回歸結(jié)果如表6所示，（1）長江上游除綠地覆蓋率外，其余6個指標均與該地區(qū)AQI呈正相關(guān)，其中人口密度、第二產(chǎn)業(yè)比重以及汽車保有量的正相關(guān)性最強，這3個指標每提高1%，該地區(qū)AQI分別增長0.134%、0.529%和0.248%。（2）長江中游、西北地區(qū)和云貴高原的AQI與科技支出占比和綠地覆蓋率呈負相關(guān)，與其余指標呈正相關(guān)，表明科技進步和城市綠化面積的提高有利于改善大氣污染，而人口集聚、經(jīng)濟發(fā)展、工業(yè)化、能源消耗和汽車增多則加重了大氣污染。（3）長三角、珠三角、京津冀和黃河中游AQI與人口密度、第二產(chǎn)業(yè)占比、能源消耗、汽車保有量和科技支出占比呈正相關(guān)，與人均 GDP和綠地覆蓋率呈負相關(guān)，表明經(jīng)濟發(fā)展和綠化的提高有助于改善大氣環(huán)境。其中，長三角AQI與能源消耗的正相關(guān)性最強（0.226），說明高能耗是引起該地大氣污染的首因；珠三角AQI與汽車保有量的正相關(guān)性最高（0.343），說明機動車排放是造成該地大氣污染的主因；京津冀 AQI與人口密度和科技支出占比的正相關(guān)性最顯著（0.208和0.18），說明由科技進步引起的人口大量涌入和生產(chǎn)增多是造成該地大氣污染的主因。（4）南部沿海AQI與第二產(chǎn)業(yè)占比、能源消耗和汽車保有量呈正相關(guān)，各指標每提高 1%，AQI分別上升0.094%、0.109%和0.194%；與人口密度、人均GDP、科技支出占比和綠地覆蓋率呈負相關(guān)，各指標每提高1%，AQI則分別下降0.03%、0.07%、0.014%和0.031%。（5）東北地區(qū)AQI與人均GDP在 10%的水平上顯著，其每增加 1%，AQI下降0.085%，與人口密度、第二產(chǎn)業(yè)占比和能源消耗在1%的水平上呈顯著正相關(guān)，并以能源消耗的顯著性最大（0.275）。（6）山東半島AQI與能源消耗呈顯著正相關(guān)，其每增加1%，該地區(qū)AQI上升0.249%；與人均 GDP和科技支出占比呈負相關(guān)，各指標每增大1%，AQI分別減少0.158%和0.1%。

由不同社會經(jīng)濟發(fā)展水平對區(qū)域 AQI影響程度可知（圖6），（1）綠地覆蓋率對11個地區(qū)的空氣質(zhì)量均呈負向改善效應(yīng)，說明增大城市綠化水平有助于改善中國大氣污染現(xiàn)狀。（2）人口密度、能源消耗、第二產(chǎn)業(yè)占比和民用汽車擁有量對各地空氣質(zhì)量基本呈正向加重效應(yīng)，這表明人口集聚、工業(yè)化、能源消耗和機動車的增多對全國大氣環(huán)境的惡化具有推動作用。（3）科技支出占比對各地空氣質(zhì)量的影響具有雙向性，具體表現(xiàn)為：除長江中游、南部沿海、東北地區(qū)、山東半島、西北地區(qū)和云貴高原外，科技進步顯著加重了其余5個經(jīng)濟相對發(fā)達地區(qū)的大氣污染，并且這種正向加重效應(yīng)大小排序為京津冀（18）＞珠三角（12.1）＞長三角（8.1）＞黃河中游（4.2）＞長江上游（3.6），這說明在經(jīng)濟發(fā)達地區(qū)，科技進步在提高資源生產(chǎn)利用效率的同時，導致地區(qū)生產(chǎn)活動增多，人口大量涌入，污染排放增大，加劇了大氣污染。而對于經(jīng)濟相對不發(fā)達的地區(qū)，科技進步則有助于生產(chǎn)方式由粗放向資源節(jié)約、環(huán)境友好的方向發(fā)展，能有效改善當?shù)乜諝赓|(zhì)量。（4）人均 GDP對各地空氣質(zhì)量的影響也具有正負雙向性，其中，珠三角、南部沿海、京津冀、東北地區(qū)和山東半島的經(jīng)濟發(fā)展有助于改善大氣環(huán)境，并且人均 GDP越大的地區(qū)，空氣質(zhì)量改善程度越顯著，如京津冀（-21.6）＞山東半島（-15.8）＞珠三角（-13.4）＞東北地區(qū)（-8.5）＞南部沿海（-7）。

圖6　2016年中國不同區(qū)域空氣質(zhì)量的社會經(jīng)濟影響程度分析圖Fig. 6　The influence of socio-economic factors on AQI in different regions in China in 2016

表6　基于SLM模型2016年全國各地區(qū)空氣質(zhì)量的社會經(jīng)濟影響因素回歸結(jié)果Table 6　Estimation results of the socio-economic factors of AQI in different regions of China in 2016

4　結(jié)論與討論

4.1　結(jié)論

（1）從時間變化上看，全國及各區(qū)域空氣質(zhì)量均呈現(xiàn)出“夏低冬高，春降秋升”的“U”型月變化規(guī)律。這種規(guī)律與自然和人類活動的季節(jié)性變化有關(guān)。冬季降水少，溫度低，氣壓穩(wěn)定，易出現(xiàn)逆溫天氣，從而不利于污染物的擴散和稀釋；同時冬季進入采暖期，燃料消費增大，污染排放增多，加劇了空氣污染。春秋兩季大風天氣居多，易引發(fā)沙塵，從而加劇了空氣污染。夏季降水增多，濕度增大，城市上空局部性對流旺盛，有利于污染物的沉積、稀釋和擴散，有效的改善了空氣質(zhì)量。

（2）從空間變化上看，大氣污染表現(xiàn)出由沿海到內(nèi)陸、由南到北、由西到東、由非采暖區(qū)到采暖區(qū)，由欠發(fā)達到發(fā)達區(qū)逐漸加重的空間分異性；此外，各區(qū)域空氣污染的總體程度、分布結(jié)構(gòu)存在顯著的非均衡性和集聚性，其中京津冀、山東半島和黃河中游屬于高污染熱點集聚區(qū)，而南部沿海、青藏和云貴高原屬于低污染冷點集聚區(qū)。

（3）采用空間經(jīng)濟計量經(jīng)濟學模型探析空氣質(zhì)量的社會經(jīng)濟影響，結(jié)果表明：從全國層面上看，人口集聚、工業(yè)發(fā)展和能源消耗對大氣污染的惡化具有加重作用。而經(jīng)濟發(fā)展、科技進步和城市綠化水平的提高在一定程度上對大氣污染具有良好的抑制作用。從區(qū)域?qū)用嫔峡?，受各地社會?jīng)濟發(fā)展階段各異的影響，各社會經(jīng)濟要素對不同區(qū)域大氣污染的影響程度各不相同。具體表現(xiàn)為：①綠地覆蓋率對各地大氣污染呈負向改善效應(yīng)；②人口密度、能源消耗、第二產(chǎn)業(yè)占比和民用汽車擁有量對各地空氣質(zhì)量呈不同程度的正向加重效應(yīng)；③科技支出占比和人均 GDP對各地空氣質(zhì)量的影響具有雙向性，具體表現(xiàn)為：在發(fā)達地區(qū)，科技進步雖提高了資源利用率，但由此造成的地區(qū)生產(chǎn)活動和污染排量增多，使得大氣污染加劇趨勢愈加明顯；而在不發(fā)達地區(qū)，科技進步則有助于生產(chǎn)方式由粗放型向集約型的方向轉(zhuǎn)化，有效改善了地區(qū)空氣質(zhì)量。此外，人均 GDP越大的地區(qū)，經(jīng)濟發(fā)展對大氣污染的改善作用越明顯。

4.2　討論

從政策啟示上看，空氣污染不再局限于單個城市，具有顯著的區(qū)域集聚性，因此國家及地方政府應(yīng)采取措施打破行政區(qū)域的界限，將治理方式由城市的“單打獨斗”轉(zhuǎn)變?yōu)閰^(qū)域的“聯(lián)防聯(lián)控”，并徹底落實“誰污染誰治理”原則，爭取早日啃下大氣污染這塊“硬骨頭”。從企業(yè)發(fā)展上看，企業(yè)排污是造成空氣污染的主要“元兇”，因此企業(yè)應(yīng)積極響應(yīng)大氣污染治理政策、主動承擔改善大氣環(huán)境的社會責任，并通過促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級、加大科技投入和開展綠色創(chuàng)新等方式，為早日建立起資源節(jié)約型、環(huán)境友好型的可持續(xù)發(fā)展社會做貢獻。從區(qū)域治理上看，由于全國各地社會經(jīng)濟發(fā)展水平各異，社會經(jīng)濟要素對空氣質(zhì)量的影響呈現(xiàn)顯著的地區(qū)差異，因此需立足在區(qū)域發(fā)展現(xiàn)狀和資源環(huán)境水平上，解析社會經(jīng)濟要素與空氣質(zhì)量的相關(guān)性，厘清污染源頭，確定整治方向、重點和難點。

參考文獻：

ANSELIN L, SYABRI I, KHO Y. 2006. GeoDa: An Introduction to Spatial Data Analysis [J]. Geographical Analysis, 38(1): 5-22.

CHEN Y, SCHLEICHER N, FRICKER M, et al. 2016. Long-term variation of black carbon and PM2.5in Beijing, China with respect to meteorologicalconditionsandgovernmentalmeasures[J].Environmental Pollution, 212: 269-278.

FANG C, LIU H, LI G, et al. 2015. Estimating the Impact of Urbanization on Air Quality in China Using Spatial Regression Models [J].Sustainability, 11(7): 15570-15592.

LI L, CHEN C H, FU J S, et al. 2010. Air quality and emissions in the Yangtze River Delta, China [J]. Environmental Health Perspectives,10(10): 1621-1639.

PATTON A P, PERKINS J, ZAMORE W, et al. 2014. Spatial and temporal differences in traffic-related air pollution in three urban neighborhoods near an interstate highway [J]. Atmospheric Environment, 99: 309-321.

PENG J, CHEN S, Lü H, et al. 2016. Spatiotemporal patterns of remotely sensed PM2.5, concentration in China from 1999 to 2011 [J]. Remote Sensing of Environment, 174: 109-121.

WANG Z B, FANG C L. 2016. Spatial-temporal characteristics and determinants of PM2.5, in the Bohai Rim Urban Agglomeration [J].Chemosphere, 148: 148-162.

程念亮, 李云婷, 張大偉, 等. 2016. 2014年APEC期間北京市空氣質(zhì)量改善分析[J]. 環(huán)境科學, 37(1): 66-73.

賀冉冉, 朱蘭保, 周開勝. 2017. 基于時間序列模型殘差的中國東部地區(qū)空氣質(zhì)量指數(shù)(AQI)空間自相關(guān)特征分析[J]. 環(huán)境科學學報,37(7): 2459-2467.

胡艷興, 潘竟虎, 王怡睿. 2015. 基于ESDA-GWR的1997—2012年中國省域能源消費碳排放時空演變特征[J]. 環(huán)境科學學報, 35(6):1896-1906.

環(huán)境生態(tài)網(wǎng). 2007. 生死劫: 中國每年因污染造成損失高達 GDP的10%[EB/OL]. (2007-03-20)[2018-03-08]. http://www.eedu.org.cn/news/envir/epc/200703/12121.html

姜磊. 2016. 空間回歸模型選擇的反思[J]. 統(tǒng)計與信息論壇, 31(10):10-16.

李會霞, 史興民. 2016. 西安市PM2.5時空分布特征及氣象成因[J]. 生態(tài)環(huán)境學報, 25(2): 266-271.

李名升, 張建輝, 張殷俊, 等. 2013. 近10年中國大氣PM10污染時空格局演變[J]. 地理學報, 68(11): 1504-1512.

李文杰, 張時煌, 高慶先, 等. 2012. 京津石三市空氣污染指數(shù)(API)的時空分布特征及其與氣象要素的關(guān)系[J]. 資源科學, 34(8):1392-1400.

李向陽, 丁曉妹, 高宏, 等. 2011. 中國北方典型城市 API特征分析[J].干旱區(qū)資源與環(huán)境, 25(3): 96-101.

藺雪芹, 王岱. 2016. 中國城市空氣質(zhì)量時空演化特征及社會經(jīng)濟驅(qū)動力[J]. 地理學報, 71(8): 1357-1371.

劉海猛, 石培基, 潘竟虎, 等. 2015. 中國城鎮(zhèn)房價收入比時空演變的多尺度分析[J]. 地理科學, 35(10): 1280-1287.

劉華軍, 杜廣杰. 2016. 中國城市大氣污染的空間格局與分布動態(tài)演進——基于161個城市AQI及6種分項污染物的實證[J]. 經(jīng)濟地理,36(10): 33-38.

劉滿鳳, 謝晗進. 2016. 基于空氣質(zhì)量指數(shù)AQI的污染集聚空間異質(zhì)性分析[J]. 經(jīng)濟地理, 36(8): 166-175.

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

潘竟虎, 張文, 王春娟. 2016. 2011—2013年中國霧霾易發(fā)生期間API的分布格局[J]. 環(huán)境工程學報, 10(3): 1340-1348.

沈威, 杜巧艷, 李永賀, 等. 2017. 長江經(jīng)濟帶新型城鎮(zhèn)化時空格局演變及影響因素研究[J]. 華中師范大學學報(自科版), 51(4): 534-541.

孫才志, 李欣. 2015. 基于核密度估計的中國海洋經(jīng)濟發(fā)展動態(tài)演變[J].經(jīng)濟地理, 35(1): 96-103.

王振波, 方創(chuàng)琳, 許光, 等. 2015. 2014年中國城市PM2.5濃度的時空變化規(guī)律[J]. 地理學報, 70(11): 1720-1734.

席鵬輝, 梁若冰. 2015. 油價變動對空氣污染的影響: 以機動車使用為傳導途徑[J]. 中國工業(yè)經(jīng)濟, (10): 100-114.

向堃, 宋德勇. 2015. 中國省域 PM2.5污染的空間實證研究[J]. 中國人口·資源與環(huán)境, 25(9): 153-159.

肖悅, 田永中, 許文軒, 等. 2017. 近 10年中國空氣質(zhì)量時空分布特征[J]. 生態(tài)環(huán)境學報, 26(2): 243-252.

新華網(wǎng). 2017. 十九大開幕會從“新”看報告[EB/OL]. (2017-10-18) [2018-03-08]. http://news.xinhuanet.com/politics.

熊歡歡, 梁龍武, 曾贈, 等. 2017. 中國城市 PM2.5時空分布的動態(tài)比較分析[J]. 資源科學, 39(1): 136-146.

徐偉嘉, 何芳芳, 李紅霞, 等. 2014. 珠三角區(qū)域PM2.5時空變異特征[J].環(huán)境科學研究, 27(9): 951-957.

許文軒, 田永中, 肖悅, 等. 2017. 華北地區(qū)空氣質(zhì)量空間分布特征及成因研究[J]. 環(huán)境科學學報, 37(8): 3085-3096.

楊冕, 王銀. 2017. 長江經(jīng)濟帶PM2.5時空特征及影響因素研究[J]. 中國人口·資源與環(huán)境, 27(1): 91-100.

張殷俊, 陳曦, 謝高地, 等. 2015. 中國細顆粒物 PM2.5污染狀況和空間分布[J]. 資源科學, 37(7): 1339-1346.

趙軍平, 羅玲, 鄭亦佳, 等. 2017. G20峰會期間杭州地區(qū)空氣質(zhì)量特征及氣象條件分析[J]. 環(huán)境科學學報, 37(10): 3885-3893.

鄒旭東, 楊洪斌, 張云海, 等. 2015. 1951—2012年沈陽市氣象條件變化及其與空氣污染的關(guān)系分析[J]. 生態(tài)環(huán)境學報, 24(1): 76-83.