馬小雯，章笑藝，來麗芳，張豐*，杜震洪，劉仁義

(1. 浙江大學(xué) 浙江省資源與環(huán)境信息系統(tǒng)重點實驗室， 浙江 杭州 310028； 2. 浙江大學(xué) 地理信息科學(xué)研究所， 浙江 杭州 310027；3. 浙江建設(shè)職業(yè)技術(shù)學(xué)院 城市建設(shè)工程學(xué)， 浙江杭州 311231)

0 引 言

近年來，隨著我國經(jīng)濟改革和城市化建設(shè)進程的加快，生產(chǎn)活動規(guī)模不斷擴大、城市人口增長迅速，生態(tài)環(huán)境尤其是空氣質(zhì)量正面臨著空前的壓力. 空氣污染呈現(xiàn)出重點城市集聚和區(qū)域性差異分布的空間結(jié)構(gòu)特征[1]，部分地區(qū)和城市灰霾頻現(xiàn)，以可吸入顆粒物(PM10)、細顆粒物(PM2.5)為特征的空氣污染事件引發(fā)了公眾和學(xué)界的高度關(guān)注.

城市化與空氣質(zhì)量存在交互脅迫的復(fù)雜關(guān)系，且這種相互作用長期處于動態(tài)變化之中. 具體來說，人口規(guī)模擴大、工業(yè)化進程加速、燃油燃煤增加等都對空氣質(zhì)量產(chǎn)生脅迫，增加了空氣污染壓力；但城市化帶來的環(huán)保投資增加、科技水平進步，使空氣污染得到更有效的控制和治理. 同時，空氣污染將惡化人民生活環(huán)境、降低生活質(zhì)量，環(huán)保政策可能改變城市規(guī)劃、制約城市選址，從人口、社會、空間等方面約束城市化.

對于二者間關(guān)系的研究，最早可追溯到20世紀90年代初，美國經(jīng)濟學(xué)家GROSSMAN等[2]第一次發(fā)現(xiàn)人均收入與環(huán)境污染之間存在倒“U”形的關(guān)系，即后來被哈佛大學(xué)PANAYOTOU教授證實的環(huán)境庫茲涅茨曲線EKC(environment Kuznets curve)[3]. 隨著EKC在經(jīng)濟發(fā)展與環(huán)境污染關(guān)系研究中的廣泛應(yīng)用，學(xué)者們[4-6]發(fā)現(xiàn)經(jīng)濟指標與空氣環(huán)境指標并不完全符合倒“U”形.范洪敏[7]借鑒Kaya恒等式對變量函數(shù)進行修正. 此外，王慶松[8]將城市化與生態(tài)環(huán)境交互耦合的“雙曲線指數(shù)模型”引入到城市化與環(huán)境空氣耦合協(xié)調(diào)關(guān)系的研究中，雖然未能得到期望的雙曲線結(jié)果，但引發(fā)學(xué)者[9]對二者間雙向關(guān)系及其耦合協(xié)調(diào)機制的探索.

國內(nèi)外學(xué)者還采用EKC模型[10]、多元回歸模型[11]、灰色關(guān)聯(lián)分析[12]、轉(zhuǎn)移概率模型[13]、空間誤差模型[14]等多種方法探究影響空氣質(zhì)量的主要污染源和人類活動因素. 結(jié)果表明，雖然不同區(qū)域、不同污染物類型的主要來源和影響因素不完全相同，但與工業(yè)結(jié)構(gòu)、機動車數(shù)量及污染物排放有較強相關(guān)性.

2015年是全面深化改革的關(guān)鍵之年、“十二五”規(guī)劃的收官之年和謀劃“十三五”藍圖的重要之年.浙江省是長三角城市群的重要組成部分，是我國東南沿海重要的經(jīng)濟發(fā)展大省，也是我國環(huán)境保護和污染防治的重點區(qū)域. 2013年秋冬霧霾凸顯，浙江省政府迅速推出并落實一系列大氣污染治理政策，2015年空氣質(zhì)量已明顯好轉(zhuǎn).

本研究通過構(gòu)建浙江省城市化與空氣質(zhì)量耦合協(xié)調(diào)模型，定量分析2015年浙江省城市化與空氣質(zhì)量間的耦合關(guān)系. 在此基礎(chǔ)上，對協(xié)調(diào)發(fā)展、轉(zhuǎn)型過渡和不協(xié)調(diào)發(fā)展的區(qū)域，運用地理探測器揭示城市化過程中影響空氣質(zhì)量的風(fēng)險因子，探究不同城市化與空氣質(zhì)量耦合協(xié)調(diào)發(fā)展階段的風(fēng)險因子及其決定力的差異.據(jù)此給出浙江省城市化建設(shè)進程中的對策建議，以期在發(fā)展城市經(jīng)濟的同時為合理預(yù)防、控制和治理該區(qū)域的空氣污染提供科學(xué)依據(jù)，為推動我國生態(tài)文明建設(shè)、發(fā)展綠色經(jīng)濟提供決策支持.

1 方法與數(shù)據(jù)

1.1 研究方法

1.1.1 耦合協(xié)調(diào)模型

耦合作為物理學(xué)概念，是指2個(或2個以上)系統(tǒng)或運動形式通過各種相互作用而彼此影響的現(xiàn)象[15]. 本文借鑒諸多學(xué)者對城市化與生態(tài)環(huán)境協(xié)調(diào)發(fā)展的研究[16-19]，在物理學(xué)耦合度模型的基礎(chǔ)上，構(gòu)建城市化與空氣質(zhì)量的耦合協(xié)調(diào)關(guān)系模型，分析浙江省2015年城市化與空氣質(zhì)量的耦合協(xié)調(diào)情況.

其中，城市化水平評價體系通過解析城市化含義、閱讀城市化指標體系構(gòu)建[17, 19-21]，并參考近年來研究者使用頻度較高的指標，從人口、經(jīng)濟、土地和社會4個角度進行指標初選，經(jīng)雙變量相關(guān)性檢驗，剔除相關(guān)度過高(pearson相關(guān)系數(shù)大于0.85)的指標后，由23個指標構(gòu)建形成(見表1).空氣質(zhì)量水平則采用年均空氣質(zhì)量指數(shù)(AQI)表征.

1.1.1.1 耦合度函數(shù)

(1)

其中，

(2)

對于城市化子系統(tǒng)U(x)和空氣質(zhì)量子系統(tǒng)E(y)，

(3)

其變異系數(shù)Cv越小，子系統(tǒng)間耦合程度越高. 由此定義耦合度函數(shù)：

(4)

當(dāng)2個子系統(tǒng)的綜合效益或發(fā)展水平一定(即U(x)與E(y)之和一定)時，使兩者復(fù)合效益或發(fā)展水平(即U(x)與E(y)之積)最大.調(diào)節(jié)系數(shù)k∈[1,5]，耦合度C∈[0,1]反映2個子系統(tǒng)的組合協(xié)調(diào)程度[22]. 對耦合度的劃分標準如表2所示.

1.1.1.2 耦合協(xié)調(diào)度函數(shù)

根據(jù)公式(4)，2個低水平的子系統(tǒng)可能和2個高水平的子系統(tǒng)計算所得的耦合度值相差不多.僅憑耦合度值C并不足以全面反映2個子系統(tǒng)間的動態(tài)協(xié)調(diào)發(fā)展水平，在多區(qū)域?qū)Ρ妊芯繒r亦不夠準確，為此引入耦合協(xié)調(diào)度函數(shù)：

(5)

其中C為耦合度；T=αU(x)+βE(y)，為城市化與空氣質(zhì)量綜合調(diào)和指數(shù)，反映雙子系統(tǒng)的整體協(xié)同效應(yīng)或貢獻；α，β分別為各子系統(tǒng)的權(quán)重系數(shù). 本研究中，城市化子系統(tǒng)和空氣質(zhì)量子系統(tǒng)對城市化-空氣質(zhì)量雙系統(tǒng)的重要性相同，因此取α=β=0.5. 耦合協(xié)調(diào)度等級劃分暫無統(tǒng)一規(guī)定，借鑒、綜合已有研究成果[9, 23]，本文擬定的耦合協(xié)調(diào)度類型分級見表3.

表1 城市化水平評價指標體系

表2 耦合度類型分類

表3 浙江省城市化與空氣質(zhì)量耦合協(xié)調(diào)度類型劃分

1.1.2 地理探測器

地理探測器(geographical detectors)由WANG等[24]提出，通過度量自變量(或稱風(fēng)險因子)與因變量(或稱風(fēng)險事件)在空間分異性上的相似程度，探測地理事件的影響因子. 該方法最初被用于探尋地方性疾病的影響因子[24]，之后被應(yīng)用于土地利用[25]、區(qū)域經(jīng)濟[26]、公共衛(wèi)生[27]、環(huán)境污染[28]等領(lǐng)域具有空間分異特征問題的研究.

地理探測器包括以下4部分： ①因子探測器： 比較每個子區(qū)域的累計方差與整個研究區(qū)域的方差，尋找可能影響事件發(fā)生的風(fēng)險因子；②風(fēng)險探測器： 比較不同分區(qū)間風(fēng)險事件屬性(因變量)的平均值. 均值差異越顯著，該子分區(qū)風(fēng)險越大；③交互作用探測器： 比較2個因子X1和X2獨立對風(fēng)險事件的決定力及2個因子共同作用對事件發(fā)生的決定力，評估多因子共同作用時是否會增加或減弱對事件Y的解釋力；④生態(tài)探測器： 計算不同因子子分區(qū)的累計方差，比較不同因子對事件Y空間分布的影響，觀察其是否存在顯著差異.

其中，交互作用探測器將2個因子X1、X2的交互作用劃分為5種類型，見表4.式中的∩表示交互作用，可通過ArcGIS對X1、X22個圖層疊加來實現(xiàn).

表4 雙因子交互作用的類型劃分

空氣污染的影響因子與流行疾病、災(zāi)害發(fā)生原因有一定的相似性，即受到人為因素、氣象條件和自然地理要素的綜合影響. 而且，2個變量在空間分布的一致性較一維曲線更難達到，即地理探測器所測度的相關(guān)性較經(jīng)典回歸更為可靠.因此，本文考慮將地理探測器應(yīng)用于大氣污染物影響因子的研究.

本文側(cè)重討論不同耦合協(xié)調(diào)階段的城市化對空氣質(zhì)量的風(fēng)險因子，同時對比分析人為因素與自然、氣象因素決定力的差異. 選擇表1中的23個城市化指標，以及平均高程、坡度、氣溫、降水等級等自然氣象因子作為被探測的自變量. 為進一步探尋污染工廠與空氣質(zhì)量的關(guān)系，探測廢水、廢氣、危險固體廢物排放企業(yè)數(shù)及污水處理廠數(shù)的決定力.

1.2 數(shù)據(jù)來源及研究區(qū)概況

1.2.1 數(shù)據(jù)來源與處理

社會經(jīng)濟統(tǒng)計數(shù)據(jù)來源于《2015年浙江省統(tǒng)計年鑒》、《2016年浙江省統(tǒng)計年鑒》和各市相應(yīng)年份統(tǒng)計年鑒及統(tǒng)計公報. 污染企業(yè)數(shù)據(jù)來源于2015年《國家重點監(jiān)控企業(yè)名單》和《浙江省重點監(jiān)控企業(yè)名單》.

自然資源與環(huán)境數(shù)據(jù)來源于2015年《浙江省自然資源與環(huán)境統(tǒng)計年鑒》，氣溫數(shù)據(jù)來源于中國氣象網(wǎng)，降水?dāng)?shù)據(jù)來源于《2015年浙江省農(nóng)業(yè)氣候年報》，高程、坡度數(shù)據(jù)由CGIAR-CSI(consortium for spatial information)提供的STRM 90m DEM數(shù)據(jù)處理獲得.

空氣質(zhì)量數(shù)據(jù)來源于全國城市空氣質(zhì)量實時發(fā)布平臺、浙江省環(huán)保局發(fā)布的國控污染源實時排放結(jié)果.

將人口、經(jīng)濟、社會、土地、氣溫等統(tǒng)計指標根據(jù)行政區(qū)劃空間化. 基于《2015年浙江省農(nóng)業(yè)氣候年報》矢量化獲得2015年浙江省降水分布圖層.鑲嵌并校正90 m精度的浙江省STRM DEM數(shù)據(jù)，運用ArcGIS空間分析工具得到浙江省高度、坡度圖層. 對于監(jiān)測站點的空氣質(zhì)量數(shù)據(jù)，剔除無效點和異常記錄后，通過站點編碼匹配獲取其經(jīng)緯度并定位，形成151個監(jiān)測站點的點圖層. 借鑒已有研究[29]，對監(jiān)測站點的AQI字段做1 km分辨率的克里金插值；將浙江省劃分為10 km × 10 km 網(wǎng)格，提取每個網(wǎng)格內(nèi)空氣質(zhì)量(AQI)的平均值作為因變量，提取各城市化指標、自然氣象指標值，采取面積加權(quán)法進行處理，并將其作為自變量；按行政界線做掩膜提取，以網(wǎng)格幾何中心提取樣本點；采用Jenks自然斷點法對樣本點各屬性值分層，最后，將分層結(jié)果輸入地理探測器.

1.2.2 研究區(qū)概況

浙江省地處中國東南沿海、長江三角洲南翼，陸域面積10.55×104km2，擁有平原、丘陵、山區(qū)、海島等多種地貌.海域面積26×104km2，海岸線總長6 400余km，居全國首位[30]. 在城市化進程中，浙江省充分發(fā)揮國有經(jīng)濟的主導(dǎo)作用，發(fā)展民營經(jīng)濟，帶動經(jīng)濟起飛.近年來，浙江省抓住機遇，大力發(fā)展以互聯(lián)網(wǎng)為核心的信息經(jīng)濟，經(jīng)濟活力和增長速度均位列全國前茅.

在堅持經(jīng)濟發(fā)展的同時，浙江省生態(tài)環(huán)境的改善情況也連續(xù)多年位居全國前列. 從“綠色浙江”到“生態(tài)省”，再到建設(shè)“全國生態(tài)文明示范區(qū)”，單位產(chǎn)值能耗降低、地表水質(zhì)量顯著提升、空氣質(zhì)量(AQI)優(yōu)良天數(shù)平均比例上升，全省環(huán)境質(zhì)量得到一定改善.

2 結(jié)果與分析

2.1 浙江省城市化與空氣質(zhì)量耦合協(xié)調(diào)度的空間分異

耦合度C、耦合協(xié)調(diào)度D計算結(jié)果見表5.從計算結(jié)果來看，大部分情況下耦合協(xié)調(diào)度D和耦合度C在空間差異上情況相似(見圖1)，但類型劃分有交錯. 就耦合度而言，2015年全省除麗水市處于低耦合狀態(tài)、衢州市處于拮抗狀態(tài)外，其余各市的城市化子系統(tǒng)與空氣質(zhì)量子系統(tǒng)均達高水平耦合.而從耦合協(xié)調(diào)度結(jié)果看，衢州、麗水處于城市化滯后的基本不協(xié)調(diào)階段，杭州、嘉興、寧波、舟山處于協(xié)調(diào)發(fā)展-高級協(xié)調(diào)階段，溫州、湖州、紹興、金華、臺州處于轉(zhuǎn)型過渡階段，其中溫州、臺州城市化滯后，湖州、紹興、金華基本協(xié)調(diào).

表5 2015年浙江省各市的耦合度與耦合協(xié)調(diào)度

圖1 2015年浙江省各市的耦合度與耦合協(xié)調(diào)度Fig.1 Coupling degree and coupling coordination degree of cities in Zhejiang province, 2015

因為耦合度計算時僅關(guān)注子系統(tǒng)間得分的差異程度，當(dāng)城市化水平和空氣質(zhì)量水平都較低時，獲得較高耦合度；當(dāng)空氣污染治理成效超前于城市化發(fā)展，城市化滯后加劇時，耦合度降低. 而在此基礎(chǔ)上，耦合協(xié)調(diào)度還考慮了子系統(tǒng)本身水平的變化，使其更能反映城市化與空氣質(zhì)量的耦合協(xié)調(diào)關(guān)系. 為此，選擇耦合協(xié)調(diào)度作為浙江省各市城市化與空氣質(zhì)量耦合協(xié)調(diào)水平的劃分依據(jù).根據(jù)2015年的計算結(jié)果，將浙江省劃分為①協(xié)調(diào)發(fā)展區(qū)： 杭州、嘉興、寧波、舟山；②轉(zhuǎn)型過渡區(qū)： 湖州、紹興、金華、溫州、臺州；③不協(xié)調(diào)發(fā)展區(qū)： 衢州、麗水，進行后續(xù)空氣質(zhì)量風(fēng)險因子探究.

2.2 空氣質(zhì)量風(fēng)險因子探究

2.2.1 浙江省空氣質(zhì)量風(fēng)險因子分析

運用地理探測器對全省1 161個樣本點進行探測，結(jié)果如下：

2.2.1.1 因子探測結(jié)果

因子探測器結(jié)果顯示，年均AQI值決定力最高的5個因子為： 全年人均用電(0.655)、三廢排放企業(yè)數(shù)(0.608)、人均第二產(chǎn)業(yè)固定資產(chǎn)投資(0.596)、人均GDP(0.559)、建制鎮(zhèn)面積占比(0.550).

如圖2所示，排名前5的風(fēng)險因子與年均AQI在空間分布上有較強的一致性.自然因子高程等級(0.291)、坡度等級(0.178)及氣象因子平均最高溫(0.271)、平均最低溫(0.230)、平均氣溫(0.190)、降水等級(0.327)的決定力普遍低于城市化類因子，其中降水量的決定力相對較高.可見，就浙江全省范圍而言，城市化因素較自然、氣象因素與年均AQI有更高的相關(guān)性，特別是人均用電和三廢工廠數(shù)對空氣質(zhì)量的解釋力超過60%.

2.2.1.2 風(fēng)險探測結(jié)果

觀察圖2并使用風(fēng)險探測器發(fā)現(xiàn)，決定力大的因子與因變量AQI值總體呈正相關(guān)，即因子值越高，年均AQI越大，且各因子在各分區(qū)間差異顯著(見圖3). 而以平均最高溫、降水等級、高程、坡度為代表的氣象、自然因素則不然.平均最高溫在第3等級21.77～22.17℃的地區(qū)，年均AQI值最高；降水在第2等級0～1 800 mm的地區(qū)，AQI值較大，大部分情況下，降水等級越高、降水量越大的地區(qū)，AQI值越小，空氣質(zhì)量越好；高程值越大，即高度越高，空氣質(zhì)量越好；坡度在第1等級0～2.34°時，AQI值較大，隨著坡度的增加，空氣質(zhì)量得以改善，當(dāng)坡度超過第9等級45.15°時，AQI回升，空氣質(zhì)量回落(見圖4).

圖2 浙江省空氣質(zhì)量水平及其主要風(fēng)險因子分布圖Fig.2 Distribution of air quality and main risk factors in Zhejiang province

圖3 全省主要風(fēng)險因子各分區(qū)空氣質(zhì)量水平變化圖Fig.3 Variation of air quality of main risk factors in Zhejiang province

圖4 全省自然氣象因子各分區(qū)空氣質(zhì)量水平變化圖Fig.4 Variation of air quality of natural, meteorological factors in Zhejiang province

2.2.1.3 交互作用探測結(jié)果

交互作用探測結(jié)果顯示，與空氣質(zhì)量相關(guān)度高的城市化因子和自然氣象因子兩兩共同作用，雙線性或非線性地加強了對年均AQI空間分布的解釋力(見表6)，大部分共同作用因子決定力大于0.6甚至0.7. 其中人均第二產(chǎn)業(yè)固定資產(chǎn)投資與三廢排放企業(yè)數(shù)交互后決定力達0.813，平均最高溫和全年人均用電量交互后決定力達0.803，即這2組因子的共同作用能在超過80%的程度上解釋AQI的空間分布.可見空氣質(zhì)量與社會、經(jīng)濟、自然、氣象共同作用的關(guān)聯(lián)性更高.

表6 全省主要風(fēng)險因子交互作用決定力

2.2.2 分區(qū)域空氣質(zhì)量風(fēng)險因子分析

根據(jù)城市化與空氣質(zhì)量耦合協(xié)調(diào)度計算結(jié)果,分別對協(xié)調(diào)發(fā)展地區(qū)、轉(zhuǎn)型過渡地區(qū)、不協(xié)調(diào)發(fā)展地區(qū)進行空氣質(zhì)量風(fēng)險因子探測，進一步探究不同耦合協(xié)調(diào)類型下風(fēng)險因子的差異.

2.2.2.1 因子探測結(jié)果

對三大耦合協(xié)調(diào)地區(qū)使用因子探測器，得到的年均AQI關(guān)聯(lián)度排名前5的因子及其決定力值如表7所示.各分區(qū)主要風(fēng)險因子與該地區(qū)年均AQI值的空間分布如圖5所示，可見其有較強的相似性.

圖5 各耦合協(xié)調(diào)區(qū)空氣質(zhì)量水平及其首要風(fēng)險因子分布Fig.5 Distribution of air quality and the primary risk factors in each coupling coordination zone

協(xié)調(diào)發(fā)展區(qū)因子q值轉(zhuǎn)型過渡區(qū)因子q值不協(xié)調(diào)發(fā)展區(qū)因子q值全年人均用電0.682人均第二產(chǎn)業(yè)固定資產(chǎn)投資0.562二三產(chǎn)業(yè)產(chǎn)值占比0.614二三產(chǎn)業(yè)產(chǎn)值占比0.619工業(yè)產(chǎn)值占比0.444全年人均用電0.609萬人擁有汽車數(shù)0.602降水等級0.424總?cè)丝?.598人均固定資產(chǎn)投資0.588人均固定資產(chǎn)投資0.399人均GDP0.591平均最高溫0.566全年人均用電0.398建制鎮(zhèn)面積占比0.590三廢排放廠0.524兩廢排放廠0.387三廢排放廠0.590人均第二產(chǎn)業(yè)固定資產(chǎn)投資0.520廢水排放廠數(shù)0.377人口密度0.570危險固體廢物排放廠數(shù)0.507人均GDP0.369污水處理廠數(shù)0.561

整理各區(qū)探測結(jié)果發(fā)現(xiàn)，三大分區(qū)的強相關(guān)因素與全省一致，基本為城市化因子，除了人均用電、三廢排放企業(yè)數(shù)、人均民用汽車數(shù)等社會城市化指標外，還包括人均第二產(chǎn)業(yè)固定資產(chǎn)投資、人均GDP等經(jīng)濟城市化指標，及建制鎮(zhèn)面積占比、二三產(chǎn)業(yè)從業(yè)人員占比等土地城市化、人口城市化指標.其中，全年人均用電、三廢排放企業(yè)數(shù)、人均第二產(chǎn)業(yè)固定資產(chǎn)投資、人均GDP、人均固定資產(chǎn)投資上榜次數(shù)最多.但不同耦合協(xié)調(diào)地區(qū)的風(fēng)險因子仍有差異，各因子在不同耦合協(xié)調(diào)狀態(tài)下，對空氣質(zhì)量的決定力也不同.

例如，二三產(chǎn)業(yè)產(chǎn)值占比在協(xié)調(diào)地區(qū)和不協(xié)調(diào)地區(qū)的決定力q值分別為0.619，0.614，而在轉(zhuǎn)型過渡地區(qū)僅為0.172；總?cè)丝跀?shù)在不協(xié)調(diào)地區(qū)的決定力q值為0.598，而在協(xié)調(diào)地區(qū)和轉(zhuǎn)型過渡地區(qū)僅為0.258，0.249；危險固體廢物排放廠在協(xié)調(diào)地區(qū)q值達到0.507，而在其他2個分區(qū)僅為0.115，0.281. 相比其他分區(qū)，協(xié)調(diào)發(fā)展城市與全年人均用電、萬人擁有汽車數(shù)、平均最高溫、危險固體廢物排放廠數(shù)相關(guān)度更高；轉(zhuǎn)型過渡城市人均第二產(chǎn)業(yè)固定資產(chǎn)投資、工業(yè)產(chǎn)值占比、降水等級決定力值高；總?cè)丝?、建制?zhèn)面積占比、人口密度則在不協(xié)調(diào)城市有著更強的解釋力.協(xié)調(diào)發(fā)展區(qū)的空氣質(zhì)量水平與社會城市化，尤其是與人們生產(chǎn)生活相關(guān)的用電、用車、污染工廠的相關(guān)性更強；轉(zhuǎn)型過渡區(qū)與經(jīng)濟城市化，尤其是與第二產(chǎn)業(yè)相關(guān)的投資、生產(chǎn)的關(guān)聯(lián)度更高；而人口城市化、土地城市化在不協(xié)調(diào)區(qū)解釋力大.

綜合被探測因子整體的決定力結(jié)果，發(fā)現(xiàn)協(xié)調(diào)地區(qū)的主要風(fēng)險因子的相關(guān)水平與全省最為相近；轉(zhuǎn)型過渡地區(qū)的風(fēng)險因子解釋力相對偏低(見圖6).以工業(yè)產(chǎn)值占比這一指標為例，在協(xié)調(diào)發(fā)展地區(qū)，其與年均AQI的相關(guān)性排名第10，決定力值為0.486；在不協(xié)調(diào)地區(qū)，排名為第9，決定力值為0.504；而在轉(zhuǎn)型過渡地區(qū)，排名為第2，決定力值為0.444，仍低于其他兩區(qū)的解釋力. 可見城市化的整體作用有空間差異，城市化與轉(zhuǎn)型過渡地區(qū)空氣質(zhì)量的相關(guān)關(guān)系弱于其他分區(qū).

個別自然氣象因子在特定地區(qū)具有較高的決定力，其余排名普遍靠后. 平均最高溫在協(xié)調(diào)發(fā)展區(qū)有0.566的較強解釋力，在不協(xié)調(diào)的衢、麗地區(qū)，也有較強的相關(guān)性(0.429)，但在轉(zhuǎn)型過渡地區(qū)，解釋力很小(0.101). 轉(zhuǎn)型過渡地區(qū)的空氣質(zhì)量水平與降水等級一定程度相關(guān)(0.424)，而不協(xié)調(diào)地區(qū)更多與氣溫相關(guān). 就2015年而言，浙江省自然氣象與空氣質(zhì)量的相關(guān)性弱于城市化過程中的人為因素.

圖6 全省及各分區(qū)主要風(fēng)險因子構(gòu)成圖Fig.6 Factor composition of Zhejiang province and it’s coupling coordination zones

2.2.2.2 風(fēng)險探測結(jié)果

風(fēng)險探測結(jié)果顯示，三大分區(qū)的主要風(fēng)險因子與因變量AQI值基本都呈正相關(guān)，即風(fēng)險因子值增加，年均AQI波動上升(見圖7)， 但也有個別例外，AQI值隨著因子值增大，先升高后降低.例如協(xié)調(diào)地區(qū)的人均固定資產(chǎn)投資、人均第二產(chǎn)業(yè)固定資產(chǎn)投資、平均最高溫指標，其相應(yīng)AQI的極大值分別出現(xiàn)在46 874～63 231元，19 545～27 687元，21.51℃～21.87 ℃；轉(zhuǎn)型過渡地區(qū)的AQI值隨著二、三產(chǎn)業(yè)產(chǎn)值增比的提高，先增后減，當(dāng)二、三產(chǎn)業(yè)產(chǎn)值增比超過0.078時，AQI值陡然下降.

自然、氣象因子中，除氣溫與空氣質(zhì)量的關(guān)系在不同分區(qū)的波動較大外，高程、坡度、降水與三分區(qū)的年均AQI值均呈負相關(guān)(見圖8)，轉(zhuǎn)型過渡地區(qū)的降水超過1 800 mm時，降水量對空氣質(zhì)量改善作用顯著. 即對不同城市化與空氣質(zhì)量耦合協(xié)調(diào)類型地區(qū)，高度越高、坡度越大、降水越多的分區(qū)，AQI相對較低，空氣污染相對較輕.

2.2.2.3 交互作用探測結(jié)果

對三大分區(qū)分別使用交互作用探測器，發(fā)現(xiàn)決定力強的風(fēng)險因子及自然氣象因子兩兩共同作用，均雙線性或非線性地加強了對年均AQI空間分布的解釋力(見表8～表10 ). 協(xié)調(diào)地區(qū)上述因子交互后的決定力大多超過0.6，其中人均第二產(chǎn)業(yè)固定資產(chǎn)投資與全年人均用電共同作用的決定力為0.819，二、三產(chǎn)業(yè)產(chǎn)值占比與平均最高溫共同作用的決定力達0.850；轉(zhuǎn)型過渡地區(qū)，主導(dǎo)因子交互后的決定力大多超過0.5，人均第二產(chǎn)業(yè)固定資產(chǎn)投資與平均最低溫共同作用的決定力達0.815；不協(xié)調(diào)地區(qū)主導(dǎo)因子交互后的決定力也大多超過0.6，二、三產(chǎn)業(yè)產(chǎn)值占比與平均最高溫共同作用的決定力達0.843.發(fā)現(xiàn)局部最強的雙因子交互增強效應(yīng)通常出現(xiàn)在城市化因子和自然氣象因子組合時，即合理選擇人為因素和自然因素的組合，能夠在80%以上程度上解釋空氣質(zhì)量的空間分布.

3 結(jié)論與建議

3.1 主要結(jié)論

3.1.1 不同耦合協(xié)調(diào)分區(qū)的主要風(fēng)險因子不完全相同

除全年人均用電、人均第二產(chǎn)業(yè)固定資產(chǎn)投資、工業(yè)產(chǎn)值占比對三分區(qū)空氣質(zhì)量均有較強解釋力外，杭、嘉、寧、舟協(xié)調(diào)地區(qū)的空氣質(zhì)量水平與萬人擁有汽車數(shù)、平均最高溫、三廢排放企業(yè)數(shù)有強相關(guān)性；湖、紹、金、溫、臺轉(zhuǎn)型過渡地區(qū)的空氣質(zhì)量水平與降水等級有較強相關(guān)性；衢、麗不協(xié)調(diào)地區(qū)的空氣質(zhì)量與總?cè)丝凇⒔ㄖ奇?zhèn)面積占比、人口密度有強相關(guān)性. 自然、氣象因素在全省范圍及各分區(qū)的決定力都明顯弱于城市化因素.

3.1.2 不同風(fēng)險因子與風(fēng)險事件的相關(guān)性不同

在各分區(qū)，以城市化為特征的人為因素，如全年人均用電量、三廢排放企業(yè)數(shù)、工業(yè)產(chǎn)值占比，通常與年均AQI值呈正相關(guān)；降水量、高程、坡度與年均AQI值呈負相關(guān)，且降水量的負相關(guān)性最強.而人均固定資產(chǎn)投資、人均第二產(chǎn)業(yè)固定資產(chǎn)投資、平均最高溫、平均最低溫、平均氣溫與風(fēng)險事件的相關(guān)程度在不同耦合協(xié)調(diào)分區(qū)有所差異： 杭州、嘉興、寧波、舟山組群，年均AQI值隨人均第二產(chǎn)業(yè)固定資產(chǎn)投資、氣溫增高，先波動升高后降低；湖州、紹興、金華、溫州、臺州組群，年均AQI值與人均第二產(chǎn)業(yè)固定資產(chǎn)投資呈正相關(guān)，與氣溫因素呈負相關(guān)；衢州、麗水區(qū)域年均AQI值隨人均第二產(chǎn)業(yè)固定資產(chǎn)投資增加而增加，與氣溫?zé)o明顯相關(guān)性.

圖7 各耦合協(xié)調(diào)區(qū)主要風(fēng)險因子分級與空氣質(zhì)量水平變化圖Fig.7 Variation of air quality and main risk factors in coupling coordination zones

圖8 各耦合協(xié)調(diào)區(qū)自然氣象因子分級與空氣質(zhì)量水平變化圖Fig.8 Variation of air quality and natural meteorological factors in coupling coordination zones

雙因子交互作用決定力二、三產(chǎn)業(yè)產(chǎn)值占比人均固定資產(chǎn)投資萬人擁有汽車數(shù)全年人均用電平均最高溫二、三產(chǎn)業(yè)產(chǎn)值占比0.619人均固定資產(chǎn)投資0.8100.588萬人擁有汽車數(shù)0.7040.7930.602全年人均用電0.7180.8190.7560.682平均最高溫0.8500.7820.7480.8220.566

表9 轉(zhuǎn)型過渡區(qū)主要風(fēng)險因子交互作用決定力

表10 不協(xié)調(diào)區(qū)主要風(fēng)險因子交互作用決定力

3.1.3 風(fēng)險因子的兩兩共同作用加強了對風(fēng)險事件空間分布的解釋力

主要風(fēng)險因子及自然氣象因子交互后的決定力均得到了雙線性或非線性增加，部分雙因子交互后對風(fēng)險事件的解釋力超過80%.局部最強的雙因子交互增強效應(yīng)往往出現(xiàn)在城市化因子和自然氣象因子組合時.

3.2 對策建議

隨著內(nèi)外部環(huán)境和條件的深刻變化，浙江省城市化已進入以提升質(zhì)量為主的轉(zhuǎn)型發(fā)展階段.基于浙江省空氣質(zhì)量指數(shù)(AQI)的風(fēng)險因子分析結(jié)果，提出對策建議如下：

3.2.1 在浙江省及三分區(qū)，全年人均用電、三廢排放企業(yè)數(shù)與空氣質(zhì)量指數(shù)(AQI)呈強相關(guān)性，而耗電工廠和污染排放企業(yè)又是城市化，特別是第二產(chǎn)業(yè)發(fā)展不可避免的產(chǎn)物.因此，浙江省應(yīng)堅持集約型社會發(fā)展思路，清理整治“低小散”企業(yè)，淘汰落后產(chǎn)能企業(yè)，規(guī)劃建設(shè)工業(yè)集中區(qū)域，做好工業(yè)集中區(qū)域周邊地區(qū)的治污排污工作；推進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，因地制宜地調(diào)整、控制第二產(chǎn)業(yè)規(guī)模，加大城市第三產(chǎn)業(yè)發(fā)展力度；加大科研力度，助力發(fā)展綠色環(huán)保材料，利用清潔能源，降低煤炭使用量，提高生產(chǎn)、生活用電效率.

3.2.2 協(xié)調(diào)發(fā)展地區(qū)的萬人擁有民用汽車數(shù).近年來，隨著人均收入的增加，汽車普及度增大，機動車尾氣是空氣污染的一大來源.應(yīng)有效控制人均汽車持有量，尤其對杭州、嘉興、寧波、舟山等協(xié)調(diào)發(fā)展地區(qū)，一方面應(yīng)繼續(xù)施行錯峰限行、車牌限號等舉措，限制尾氣排放不合格的車輛上牌上路，淘汰黃標車和老舊車；另一方面應(yīng)提高公共交通設(shè)施的便利度、舒適度，鼓勵并吸引群眾低碳出行.

3.2.3 主要風(fēng)險因子與風(fēng)險事件在空間分布上有一定的相似度，部分雙因子交互后與風(fēng)險事件的相關(guān)度甚至超過80%.因此，把握這些高決定力的因子或因子組合能在很大程度上了解風(fēng)險事件的空間分異特征；探索主要風(fēng)險因子的空間分布規(guī)律，監(jiān)測其動態(tài)變化，有助于空氣污染的預(yù)防和治理.例如人均第二產(chǎn)業(yè)固定資產(chǎn)投資、工業(yè)產(chǎn)值占比對全省空氣質(zhì)量指數(shù)有較強的正相關(guān)性，因此，對于一些以鄉(xiāng)鎮(zhèn)為單元，工業(yè)制造業(yè)、工廠企業(yè)較為密集的地區(qū)，應(yīng)重點實施空氣質(zhì)量監(jiān)測，向民眾提供實時的空氣質(zhì)量指數(shù)查詢，完善污染事件預(yù)警機制，加強聯(lián)防聯(lián)控，保障空氣污染的及時治理.

3.2.4 實驗結(jié)果表明，降水量較大、高程與坡度較高的地區(qū)空氣質(zhì)量相對較好.但自然因子的決定力普遍弱于城市化因子.因此，盡管浙江省有著相對充沛的降水量、多變的地形，是全國海岸線最長的省份，但僅依靠自然因素對空氣質(zhì)量進行調(diào)節(jié)并不夠，須堅持綠色發(fā)展，走可持續(xù)發(fā)展之路，加快形成人與自然和諧發(fā)展的現(xiàn)代化建設(shè)新格局.

參考文獻(References)：

[1] HAO J M, HE K B, DUAN L, et al. Air pollution and its control in China[J].FrontiersofEnvironmentalScience&EngineeringinChina, 2007, 1(2)： 129-142.

[2] GROSSMAN G M, KRUEGER A B. Environmental impacts of a North American free trade agreement[J].SocialScienceElectronicPublishing,1992, 8(2)： 223-250.

[3] PANAYOTOU T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[Z].ILOTechnologyandEmployProgrammedWorkingPapers,WP238. 1993, 4.

[4] JERRETT M. Atmospheric science： The death toll from air-pollution sources[J].Nature,2015, 525(7569)： 330-331.

[5] FAN J, ROSENFELD D, YANG Y, et al. Substantial contribution of anthropogenic air pollution to catastrophic floods in Southwest China[J].GeophysicalResearchLetters, 2015, 42(14)： 6066-6075.

[6] LELIEVELD J, EVANS J S, FNAIS M, et al. The contribution of outdoor air pollution sources to premature mortality on a global scale[J].Nature, 2015, 525(7569)： 367-371.

[7] 范洪敏.人口年齡、城鄉(xiāng)結(jié)構(gòu)與空氣污染關(guān)系研究[D]. 沈陽： 遼寧大學(xué), 2015.

FAN H M.ResearchontheRelationbetweenPopulationAgeandUrban-RuralStructureandAirPollution[D]. Shenyang： Liaoning University, 2015.

[8] 王慶松.山東城市化發(fā)展戰(zhàn)略對大氣環(huán)境影響研究[D]. 濟南： 山東大學(xué), 2010.

WANG Q S.ResearchonAirEnvironmentalImpactofUrbanizationDevelopmentStrategyinShandongProvince[D]. Jinan： Shandong University, 2010.

[9] 丁鐳.中國城市化與空氣環(huán)境的相互作用關(guān)系及EKC檢驗[D]. 北京： 中國地質(zhì)大學(xué), 2016.

DING L.InvestigatingtheEnvironmentKuznetsCurveandInteractionRelationshipbetweenChina’sUrbanizationandAirEnvironment[D]. Beijing： China University of Geosciences, 2016.

[10] FARZANEGAN M R, BUEHN A. Hold your breath： A new index of air quality[R].WorkingPapers， 2011, 11(24).

[11] 李玉敏，李明麗，焦智康. 北京市空氣質(zhì)量影響因素計量經(jīng)濟分析[J].中國城市經(jīng)濟， 2011(9)： 260-261.

LI Y M, LI M L, JIAO Z K. Econometric analysis of influencing factors of air quality in Beijing [J].ChinaUrbanEconomy, 2011(9)： 260-261

[12] 章異平，徐軍亮，趙西平，等. 基于灰色關(guān)聯(lián)的洛陽市空氣質(zhì)量影響因素分析[J].河南科技大學(xué)學(xué)報(自然科學(xué)版),2012, 33(1)： 100-104.

ZHANG Y P, XU J L, ZHAO X P, et al. Grey correlation analysis of air quality and its affection factors in Luoyang city[J].JournalofHenanUniversityofScience&Technology(NaturalScience), 2012, 33(1)： 100-104.

[13] 王洪禮，李懷宇，郭嘉良. 城市空氣污染治理策略研究[J].統(tǒng)計與決策, 2009(23)： 31-33.

WANG H L, LI H Y, GUO J L. Study on urban air pollution control strategy [J].Statistics&Decision, 2009(23)： 31-33.

[14] LI Q, SONG J, WANG E, et al. Economic growth and pollutant emissions in China： a spatial econometric analysis[J].StochasticEnvironmentalResearchandRiskAssessment, 2014, 28(2)： 429-442.

[15] 周宏.現(xiàn)代漢語辭?！ど蟍M]. 北京： 光明日報出版社, 2003.

ZHOU H.ModernChineseDictionary[M]. Beijing： Guangming Daily Press, 2003.

[16] 劉耀彬，宋學(xué)鋒. 城市化與生態(tài)環(huán)境的耦合度及其預(yù)測模型研究[J].中國礦業(yè)大學(xué)學(xué)報, 2005, 34(1)： 91-96.

LIU Y B, SONG X F. Coupling degree model and its forecasting model of urbanization and ecological environment [J].JournalofChinaUniversityofMining&Technology, 2005, 34(1)： 91-96.

[17] 凌立文，余平祥. 廣東省城鎮(zhèn)化與生態(tài)環(huán)境耦合水平分析與預(yù)測[J].西北農(nóng)林科技大學(xué)學(xué)報(社會科學(xué)版), 2016, 16(4)： 138-145.

LING L W, YU P X. Analysis and prediction of coupled coordination level of urbanization and eco-environment in Guangdong province [J].JournalofNorthwestA&FUniversity(SocialScienceEdition), 2016, 16(4)： 138-145.

[18] 王少劍，方創(chuàng)琳，王洋. 京津冀地區(qū)城市化與生態(tài)環(huán)境交互耦合關(guān)系定量測度[J].生態(tài)學(xué)報,2015, 35(7)： 2244-2254.

WANG S J, FANG C L, WANG Y. Quantitative investigation of the interactive coupling relationship between urbanization and eco-environment [J].ActaEcologicaSinica, 2015, 35(7)： 2244-2254.

[19] 程艷.徐州市城市化與生態(tài)環(huán)境耦合協(xié)調(diào)發(fā)展研究[D]. 北京： 中國礦業(yè)大學(xué), 2014.

CHENG Y.StudyonCouplingCoordinationDevelopmentbetweenUrbanizationandEco-environmentofXuzhouCity[D]. Beijing： China University of Mining and Technology, 2014.

[20] 劉耀彬，李仁東，宋學(xué)鋒. 中國區(qū)域城市化與生態(tài)環(huán)境耦合的關(guān)聯(lián)分析[J].地理學(xué)報, 2005, 60(2)： 237-247.

LIU Y B, LI R D, SONG X F. Grey associative analysis of regional urbanization and eco-environment coupling in China[J].ActaEcologicaSinica, 2005, 60(2)： 237-247.

[21] 陳曉紅，吳廣斌，萬魯河. 基于BP的城市化與生態(tài)環(huán)境耦合脆弱性與協(xié)調(diào)性動態(tài)模擬研究——以黑龍江省東部煤電化基地為例[J].地理科學(xué), 2014, 34(11)： 1337-1343.

CHEN X H, WU G B, WAN L H. Dynamic simulation of vulnerability and coordination of the coupling of urban and ecological environment based on BP： A case of the coal-electricity base in the Eastern Heilongjiang province [J].ScientiaGeographicaSinica, 2014, 34(11)： 1337-1343.

[22] 廖重斌. 環(huán)境與經(jīng)濟協(xié)調(diào)發(fā)展的定量評判及其分類體系[J].熱帶地理, 1999, 19(2)： 171-177.

LIAO Z B. Quantitative judgement and classification system for coordinated development of environment amd economy: A case study of the city group in the pearl river delta [J].TropicalGeography, 1999, 19(2)： 171-177.

[23] 方倩.鄱陽湖地區(qū)城鎮(zhèn)化和土地生態(tài)環(huán)境耦合關(guān)系研究[D]. 南昌： 江西農(nóng)業(yè)大學(xué), 2015.

FANG Q.StudyonRelationshipbetweentheUrbanizationandEcologicalEnvironmentofPoyangLakeArea[D]. Nanchang： Jiangxi Agricultural University, 2015.

[24] WANG J F, LI X H, CHRISTAKOS G, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China[J].InternationalJournalofGeographicalInformationScience, 2010, 24(1)： 107-127.

[25] 陳昌玲，張全景，呂曉，等. 江蘇省耕地占補過程的時空特征及驅(qū)動機理[J].經(jīng)濟地理, 2016, 36(4)： 155-163.

CHEN C L, ZHANG Q J, LYU X, et al. Analysis on spatial-temporal characteristics and driving mechanisms of cropland occupation and supplement in Jiangsu province [J].EconomicGeography, 2016, 36(4)： 155-163.

[26] 劉彥隨，楊忍. 中國縣域城鎮(zhèn)化的空間特征與形成機理[J].地理學(xué)報, 2012, 67(8)： 1011-1020.

LIU Y S, YANG R. The spatial characteristics and formation mechanism of the county urbanization in China [J].ActaGeographicaSinica, 2012, 67(8)： 1011-1020.

[27] 張彥.山西省神經(jīng)管畸形發(fā)生的時空分布研究及其環(huán)境影響因子探測[D]. 北京： 中國礦業(yè)大學(xué), 2015.

ZHANG Y.TemporalandSpatialAnalysisofNeuralTubeDefectsandDetectionofEnvironmentalFactorsinShanxiProvince[D]. Beijing： China University of Mining and Technology, 2015.

[28] LI X W, XIE Y F, WANG J F, et al. Influence of planting patterns on fluoroquinolone residues in the soil of an intensive vegetable cultivation area in Northern China[J].ScienceoftheTotalEnvironment, 2013, s 458-460(3)： 63-69.

[29] 周磊，武建軍，賈瑞靜，等. 京津冀PM2.5時空分布特征及其污染風(fēng)險因素[J].環(huán)境科學(xué)研究, 2016, 29(4)： 483-493.

ZHOU L, WU J J, JIA R J, et al. Investigation of temporal-spatial characteristics and underlying risk factors of PM2.5pollution in Beijing-Tianjin-Hebei area [J].ResearchofEnvironmentalSciences, 2016, 29(4)： 483-493.

[30] WIKIPEDIA. Zhejiang. https： //en.wikipedia.org/wiki/ Zhejiang, 2017.