方 愷,王婷婷,何堅(jiān)堅(jiān),*,沈 揚(yáng)

1 浙江大學(xué)公共管理學(xué)院,杭州 310058 2 浙江大學(xué)民生保障與公共治理研究中心, 杭州 310058 3 南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所, 南京 210023

伴隨著工業(yè)化和城鎮(zhèn)化進(jìn)程不斷加快,大氣污染問題日益嚴(yán)重。大氣污染是一個(gè)全球性問題,在影響生態(tài)系統(tǒng)功能和服務(wù)的同時(shí),也給公眾帶來巨大的健康隱患[1-3]。氮氧化物(NOx)作為美國(guó)環(huán)境保護(hù)署認(rèn)定的六大主要污染物之一,是PM2.5和臭氧污染的重要前體物,不僅導(dǎo)致酸雨、霧霾等大氣環(huán)境問題,還可通過氧化形成硝酸鹽氣溶膠,改變大氣的輻射平衡,進(jìn)而對(duì)區(qū)域氣候造成影響[4-5]。此外,NOx易誘發(fā)呼吸系統(tǒng)疾病、癌癥和心血管疾病,嚴(yán)重威脅人體健康[6]。大氣中的NOx主要以二氧化氮(NO2)和一氧化氮(NO)兩種形態(tài)存在,而NO在空氣中易被氧化為NO2。因此,當(dāng)前研究大多利用NO2濃度來表征NOx濃度[7-9]。

國(guó)內(nèi)外學(xué)者利用地面站點(diǎn)監(jiān)測(cè)數(shù)據(jù)對(duì)NO2在城市或者局地站點(diǎn)的時(shí)空分布特征進(jìn)行了研究[10-12]。衛(wèi)星遙感數(shù)據(jù)因其空間分辨率高、覆蓋范圍廣而被應(yīng)用于長(zhǎng)時(shí)間序列NO2濃度時(shí)空分布研究中[13-15]。在此基礎(chǔ)上,一些學(xué)者探討了影響NO2分布的社會(huì)經(jīng)濟(jì)因素,如Lyu等[16]采用對(duì)數(shù)平均因子指數(shù)法,測(cè)度了中國(guó)的經(jīng)濟(jì)增長(zhǎng)、能源強(qiáng)度、生產(chǎn)結(jié)構(gòu)和人口變動(dòng)等因素對(duì)1997—2012年NO2等大氣污染物排放變化的貢獻(xiàn)；Zheng等[17]運(yùn)用指數(shù)分解分析法識(shí)別了2010—2017年中國(guó)人為NO2排放的驅(qū)動(dòng)因素,發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)、工業(yè)排放和發(fā)電等均會(huì)導(dǎo)致NO2排放增加；李茜等[18]通過對(duì)237個(gè)中國(guó)城市的面板數(shù)據(jù)進(jìn)行統(tǒng)計(jì),發(fā)現(xiàn)城市建成區(qū)面積與NO2濃度呈顯著的正相關(guān)關(guān)系；另一項(xiàng)全球性研究則顯示,城市人口增長(zhǎng)速度與NO2濃度同樣呈正相關(guān)關(guān)系[19]；周春艷等[20]發(fā)現(xiàn)長(zhǎng)三角地區(qū)的NO2濃度與第二產(chǎn)業(yè)總值和機(jī)動(dòng)車保有量之間呈顯著正相關(guān)關(guān)系,而與淘汰落后產(chǎn)能和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)負(fù)相關(guān)[21]。NO2濃度變化除受到社會(huì)經(jīng)濟(jì)因素的影響之外,還受到溫度、風(fēng)速、風(fēng)向、相對(duì)濕度等自然因素的干擾[22-23]。而當(dāng)前大多數(shù)研究?jī)H考慮社會(huì)經(jīng)濟(jì)因素或自然因素的單方面影響,較少有學(xué)者將二者相結(jié)合,從城鎮(zhèn)化的視角對(duì)區(qū)域NO2濃度的時(shí)空變化特征及其驅(qū)動(dòng)因素進(jìn)行深入分析。

“一帶一路”是中國(guó)在新時(shí)期推動(dòng)國(guó)際合作共贏的倡議,所涵蓋的大部分國(guó)家為新興經(jīng)濟(jì)體,正處于城鎮(zhèn)化加速發(fā)展階段,同時(shí)也面臨著大氣污染等嚴(yán)峻的生態(tài)環(huán)境問題[24]。本文基于對(duì)流層NO2柱濃度數(shù)據(jù),分析了“一帶一路”地區(qū)NO2濃度的時(shí)空分異特征,并利用空間計(jì)量模型揭示NO2污染的社會(huì)經(jīng)濟(jì)和自然因素驅(qū)動(dòng)機(jī)制,以期為構(gòu)建區(qū)域一體化的大氣污染防治機(jī)制、打造綠色“一帶一路”提供科學(xué)依據(jù)和政策支撐。

1 研究區(qū)與研究方法

1.1 研究方法與模型

1.1.1全局空間自相關(guān)

由地理學(xué)第一定律可知,地理空間范圍內(nèi)的任何兩事物間均存在聯(lián)系,且隨二者距離的拉近,二者的相關(guān)性越大[25]。已有研究表明,NO2濃度存在空間分布上的異質(zhì)性與依賴性,且全局Moran′sI指數(shù)相比全局G系數(shù)測(cè)算結(jié)果更為穩(wěn)定[26],因而選用Moran′sI指數(shù)對(duì)“一帶一路”沿線國(guó)家NO2的空間分布特征進(jìn)行描述,計(jì)算公式為[27]：

式中,I為Moran′sI指數(shù)；n為不同區(qū)域；Wij為空間權(quán)重矩陣；xi、xj分別為空間i、j位置的觀測(cè)值。全局Moran′sI指數(shù)的取值范圍為[-1, 1],小于0 表示負(fù)相關(guān),大于0表示正相關(guān),其絕對(duì)值越接近1表明相關(guān)性越強(qiáng)。

1.1.2局部空間自相關(guān)

全局空間自相關(guān)是對(duì)研究對(duì)象的一種總體測(cè)度,能夠說明所有相鄰區(qū)域間的平均差異程度與依賴性,但它忽略了局部之間的差異,因而無法進(jìn)一步反映區(qū)域的空間異質(zhì)性和波動(dòng)性。為此,采用局部空間自相關(guān)模型對(duì)研究區(qū)NO2濃度的空間集聚狀況進(jìn)行測(cè)度[28],計(jì)算公式為：

式中,Ii為區(qū)域i的局部空間自相關(guān)指數(shù)。局部Moran′sI指數(shù)的取值范圍為[-1, 1],小于0表示該區(qū)域與鄰近區(qū)域的屬性值不近似,呈現(xiàn)“高—低”和“低—高”集聚,大于0表示該區(qū)域與鄰近區(qū)域的屬性值近似,呈現(xiàn)“高—高”和“低—低”集聚。

Z值(標(biāo)準(zhǔn)化統(tǒng)計(jì)量)常用于對(duì)空間自相關(guān)進(jìn)行顯著性檢驗(yàn),計(jì)算公式為：

式中,Z為標(biāo)準(zhǔn)化統(tǒng)計(jì)量；E(I)為I的均值；VAR(I)為I的方差。Z值大于0且顯著表示正相關(guān),即相似觀測(cè)值趨于空間集聚,反之亦然。

1.1.3空間計(jì)量模型

在空間自相關(guān)分析的基礎(chǔ)上,選用空間計(jì)量模型中適于截面數(shù)據(jù)分析的空間滯后模型(SLM)和空間誤差模型(SEM)對(duì)研究區(qū)NO2的驅(qū)動(dòng)因素進(jìn)行空間度量[29]。SLM是指被解釋變量間的空間依賴性對(duì)模型至關(guān)重要而導(dǎo)致空間相關(guān),計(jì)算公式為[30]：

Y=ρWY+Xβ+ε,ε—N(0,δ2)

式中,X和Y分別為自變量(解釋變量)和因變量(被解釋變量)；β為回歸系數(shù)；WY為內(nèi)生交互效應(yīng)；ρ為WY的系數(shù),是空間溢出程度的一種表達(dá)；ε為隨機(jī)誤差項(xiàng)。

SEM是指模型的誤差項(xiàng)在空間上存在相關(guān)關(guān)系,計(jì)算公式為[31]：

Y=λWu+Xβ+ε,ε—N(0,δ2)

式中,W為空間權(quán)重矩陣；u為隨機(jī)誤差向量；λ為回歸殘差之間的空間相關(guān)性系數(shù)。

此外,使用普通最小二乘法(OLS)與空間計(jì)量模型SLM和SEM的結(jié)果進(jìn)行比較,以進(jìn)一步篩選和識(shí)別最優(yōu)的計(jì)量分析方法。

1.2 研究區(qū)概況

作為一個(gè)開放、包容的公共產(chǎn)品,“一帶一路”倡議涵蓋的國(guó)家數(shù)量處于動(dòng)態(tài)增長(zhǎng)之中。我們參照Liu等[32]的研究,將74個(gè)已正式加入“一帶一路”倡議的國(guó)家作為研究對(duì)象,這些國(guó)家橫跨東南亞、南亞、西亞、中亞、歐洲和北非的大部分地區(qū)(表1)。

表1 “一帶一路”沿線國(guó)家列表

1.3 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源主要包括對(duì)流層NO2柱濃度數(shù)據(jù),人口城鎮(zhèn)化、土地城鎮(zhèn)化、國(guó)內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)比重、能源強(qiáng)度、人均耗電量和汽車保有量等社會(huì)經(jīng)濟(jì)數(shù)據(jù),以及森林覆蓋率、溫度、降水、云量和植被凈初級(jí)生產(chǎn)力等自然因素?cái)?shù)據(jù)(表2)。具體說明如下：

表2 本文采用的主要指標(biāo)

(1)NO2濃度數(shù)據(jù)：使用OMI衛(wèi)星(http//www.temis.nl)對(duì)流層NO2柱濃度數(shù)據(jù),空間分辨率為13 km×13 km,時(shí)間跨度為2005—2015年。涉及的地面觀測(cè)數(shù)據(jù)來自中國(guó)環(huán)境監(jiān)測(cè)總站(http://106.37.208.233:20035)的全國(guó)城市空氣質(zhì)量實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)。

(2)城鎮(zhèn)化數(shù)據(jù)：選取人口城鎮(zhèn)化和土地城鎮(zhèn)化兩項(xiàng)指標(biāo),前者來自聯(lián)合國(guó)人口司(https://Population.un.org/wup/Download/),后者則基于夜間燈光數(shù)據(jù)Google Earth Engine(https://developers.google.com/earth engine/datasets/tags/nighttime),通過提取城市建成區(qū)面積來確定各國(guó)的土地城鎮(zhèn)化率,該方法已被廣泛運(yùn)用并驗(yàn)證[33]。隨著2012年新一代夜間燈光數(shù)據(jù)NPP/VIIRS的發(fā)布,本研究使用了2005—2011年的DMSP-OLS夜間燈光數(shù)據(jù)和2012—2015年的NPP/VIIRS數(shù)據(jù),且穩(wěn)健性分析表明,這兩個(gè)時(shí)段數(shù)據(jù)的一致性和可比性較好。

(3)社會(huì)經(jīng)濟(jì)數(shù)據(jù)：國(guó)內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)比重、能源強(qiáng)度和人均用電量等來自世界銀行數(shù)據(jù)庫(https://data.world bank.org.cn),汽車保有量數(shù)據(jù)來自世界汽車組織(http://www.oica.net)。

(4)自然要素?cái)?shù)據(jù)：年均降水、溫度和云量等數(shù)據(jù)來自CEDA Achive數(shù)據(jù)中心(https://www.ceda.ac.uk/),空間分辨率為0.5°×0.5°,時(shí)間跨度為1個(gè)月。采用已修訂的cru_ts_4.02氣候研究單元數(shù)據(jù)合并和提取“一帶一路”74個(gè)國(guó)家的降水、溫度和云量等數(shù)據(jù)。雖然森林面積占比已存在于指標(biāo)體系中,但考慮到植被對(duì)大氣污染物具有強(qiáng)大的凈化作用,因而將植被凈初級(jí)生產(chǎn)力也納入考量,其數(shù)據(jù)來自MOD17A3H v006數(shù)據(jù)集(https://modis.gsfc.nasa.gov/),空間分辨率為500 m×500 m,時(shí)間跨度為1a。

1.4 OMI對(duì)流層NO2柱濃度數(shù)據(jù)適用性分析

為驗(yàn)證OMI對(duì)流層NO2柱濃度是否可以代替近地面大氣NO2濃度,本文選取2015年1月—2018年12月中國(guó)不同區(qū)位典型城市的NO2逐小時(shí)數(shù)據(jù)并轉(zhuǎn)換成月均值,依據(jù)對(duì)應(yīng)城市矢量邊界來提取各城市相應(yīng)時(shí)段的月均OMI對(duì)流層NO2柱濃度值。近地面監(jiān)測(cè)值與OMI對(duì)流層NO2柱濃度數(shù)據(jù)的線性擬合結(jié)果顯示(圖1),盡管衛(wèi)星過境時(shí)間與當(dāng)?shù)貙?shí)際觀測(cè)時(shí)間會(huì)有一些出入,以及受云量、氣溶膠等氣象條件的影響,但北京、上海、廣州和成都的擬合優(yōu)度R2分別為0.687、0.686、0.637和0.428,兩組數(shù)據(jù)總體表現(xiàn)出較強(qiáng)的一致性和可比性,這也印證了當(dāng)前研究普遍采用OMI對(duì)流層NO2柱濃度代替近地面大氣NO2濃度做法的合理性和可靠性[34-35]。因此,本文同樣采用OMI對(duì)流層NO2柱濃度數(shù)據(jù)進(jìn)行后續(xù)分析。

圖1 典型城市地面監(jiān)測(cè)值和對(duì)流層柱濃度數(shù)據(jù)值對(duì)比Fig.1 Comparison of the surface NO2 concentrations and NO2 vertical column density in typical Chinese cities

2 結(jié)果與分析

2.1 “一帶一路”地區(qū)NO2濃度時(shí)空變化

2005—2015年,“一帶一路”地區(qū)NO2濃度整體呈現(xiàn)波動(dòng)變化,且具有明顯的季節(jié)性特征(圖2)。NO2濃度的極大值出現(xiàn)在2010年12月,高達(dá)2.76×1015mol/cm2；極小值出現(xiàn)在2014年7月,為1.44×1015mol/cm2。高值一般出現(xiàn)在12月和1月,此時(shí)太陽輻射較弱,光化學(xué)反應(yīng)較慢,導(dǎo)致NO2在對(duì)流層的存在時(shí)間變長(zhǎng)[35]；低值一般出現(xiàn)在7月和8月,此時(shí)太陽輻射強(qiáng),高溫多雨,從而導(dǎo)致大氣NO2濃度降低[36]。

圖2 2005—2015年“一帶一路”地區(qū)NO2濃度的月均和逐月變化Fig.2 Temporal change of monthly mean NO2 concentrations in the B&R region in 2000—2015

從空間變化來看,“一帶一路”地區(qū)的NO2年均濃度整體呈現(xiàn)高低緯度低、中緯度高的空間分布格局(圖3)。中國(guó)、新加坡、印度及西亞和歐洲部分國(guó)家的NO2濃度較高,俄羅斯、蒙古、馬來西亞、印度尼西亞及中亞和北非部分國(guó)家的NO2濃度相對(duì)較低。荷蘭、德國(guó)、意大利等發(fā)達(dá)國(guó)家的NO2濃度盡管較高,但在研究時(shí)段內(nèi)一直處于下降趨勢(shì),年均降幅保持在2%左右。俄羅斯則相反,其NO2濃度雖然相對(duì)較低,但持續(xù)上升。印度與之類似,NO2濃度年均增幅為1.94%。中國(guó)的NO2濃度在2011年達(dá)到3.45×1015mol/cm2的高點(diǎn)后,從2012年起略有回落,這很大程度上得益于近年來《大氣污染防治行動(dòng)計(jì)劃》等政策措施密集出臺(tái)。過去11年間,黎巴嫩和卡塔爾的NO2濃度絕對(duì)增幅最大,分別為1.29×1015mol/cm2和1.06×1015mol/cm2；而吉爾吉斯斯坦和黎巴嫩的NO2濃度相對(duì)增幅最大,分別為38.65%和38.05%。

2.2 “一帶一路”地區(qū)城鎮(zhèn)化水平時(shí)空變化

“一帶一路”地區(qū)的土地城鎮(zhèn)化和人口城鎮(zhèn)化水平均呈現(xiàn)逐年上升的趨勢(shì),但區(qū)域間差異較大(圖4)。2005—2015年,全域土地城鎮(zhèn)化年均水平為6.34%,最高為南亞的12.43%,最低為東南亞的2.04%；人口城鎮(zhèn)化年均水平為58.51%,最高為西亞的73.25%,最低為東南亞的42.18%[37]。2005—2015年,東亞地區(qū)的土地城鎮(zhèn)化率增幅最高,為3.51個(gè)百分點(diǎn),而東南亞地區(qū)的土地城鎮(zhèn)化增幅最低,僅為0.64個(gè)百分點(diǎn)；東亞地區(qū)的人口城鎮(zhèn)化率增幅同樣最高,為9.36個(gè)百分點(diǎn),而中亞地區(qū)的人口城鎮(zhèn)化增幅最低,僅為1.40個(gè)百分點(diǎn)[37]?？偟膩砜?過去11年間,“一帶一路”地區(qū)人口城鎮(zhèn)化水平的地區(qū)差距有所縮小,而土地城鎮(zhèn)化水平的地區(qū)差距卻逐漸擴(kuò)大。

圖4 2005—2015年“一帶一路”地區(qū)的土地和人口城鎮(zhèn)化水平變化幅度Fig.4 Changes of land and population urbanization in the B&R region in 2000—2015

2.3 “一帶一路”地區(qū)NO2濃度空間自相關(guān)分析

2005—2015年,“一帶一路”地區(qū)NO2濃度的全局Moran′sI指數(shù)平均值為0.528(P<0.01),全域NO2年均濃度之間存在顯著的空間正相關(guān)性(圖5)。局部空間自相關(guān)結(jié)果顯示,“一帶一路”地區(qū)大部分國(guó)家呈現(xiàn)“高—高”和“低—低”的集聚狀態(tài),前者主要集中在歐洲,這與該地區(qū)城鎮(zhèn)化高度發(fā)達(dá)是密不可分的；后者主要包括東南亞的印度尼西亞、馬來西亞以及北非地區(qū)等城鎮(zhèn)化水平相對(duì)較低的國(guó)家或地區(qū)。

圖5 “一帶一路”地區(qū)NO2濃度的Moran′s I散點(diǎn)圖Fig.5 Moran′s I scatterplots for the NO2 concentrations in the B&R region in 2005—2015

2.4 “一帶一路”地區(qū)NO2濃度驅(qū)動(dòng)因素分析

Moran′sI指數(shù)分析已表明解釋變量存在顯著的空間自相關(guān)性,可以運(yùn)用空間計(jì)量分析進(jìn)一步探究“一帶一路”地區(qū)NO2濃度的驅(qū)動(dòng)因素。采用方差膨脹因子對(duì)各社會(huì)經(jīng)濟(jì)和自然因素進(jìn)行多重共線性檢驗(yàn),結(jié)果表明各解釋變量的方差膨脹系數(shù)均小于10,即不存在多重共線性。因此,本文基于2015年“一帶一路”沿線國(guó)家的NO2濃度和社會(huì)經(jīng)濟(jì)及自然截面數(shù)據(jù)進(jìn)行空間計(jì)量分析。OLS、SEM和SLM的R2分別為0.64、0.65和0.75,故選取擬合優(yōu)度較高的SLM進(jìn)行驅(qū)動(dòng)因素分析(表3)。結(jié)果表明,GDP、汽車保有量和土地城鎮(zhèn)化率與NO2濃度呈現(xiàn)顯著的正相關(guān)關(guān)系,三者每提高1%,NO2濃度分別上升0.29%、0.28%和0.11%,是導(dǎo)致“一帶一路”地區(qū)NO2濃度上升的主要驅(qū)動(dòng)因素。溫度和云量與NO2濃度亦呈現(xiàn)顯著的正相關(guān)關(guān)系,二者每提高1%,NO2濃度分別上升0.20%和0.17%,這是因?yàn)樵屏吭黾訒?huì)導(dǎo)致空氣中的水汽含量升高,空氣濕度增大,此時(shí)常伴有逆溫現(xiàn)象,大氣層結(jié)較為穩(wěn)定,污染物附著在水汽中不易擴(kuò)散。與之相反,森林覆蓋率和植被凈初級(jí)生產(chǎn)力與NO2濃度呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系,二者每提高1%,NO2濃度分別下降0.14%和0.15%,表明提高森林覆蓋率、加強(qiáng)植被保護(hù)有利于降低NO2濃度。此外,我們還發(fā)現(xiàn)第二產(chǎn)業(yè)比重也與NO2濃度呈現(xiàn)負(fù)相關(guān)關(guān)系,這或許是因?yàn)槎a(chǎn)占比較低的“一帶一路”沿線國(guó)家其生產(chǎn)工藝往往較為落后、不少機(jī)動(dòng)車為發(fā)達(dá)國(guó)家的淘汰產(chǎn)品,從而導(dǎo)致其NO2排放量偏高。

表3 OLS、SLM、SEM估計(jì)結(jié)果比較

3 結(jié)論與建議

3.1 結(jié)論

本文基于2005—2015年“一帶一路”沿線國(guó)家的NO2對(duì)流層柱濃度,建立了包含人口城鎮(zhèn)化、土地城鎮(zhèn)化、國(guó)內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)比重、能源強(qiáng)度、人均耗電量、汽車保有量等在內(nèi)的廣義城鎮(zhèn)化綜合指標(biāo)體系,同時(shí)考慮了森林覆蓋率、溫度、降水、云量和植被凈初級(jí)生產(chǎn)力等自然因素的影響,運(yùn)用空間自相關(guān)和空間計(jì)量模型,深入分析了“一帶一路”地區(qū)NO2污染的時(shí)空變化特征及其驅(qū)動(dòng)因素。主要結(jié)論如下：

(1)“一帶一路”地區(qū)的NO2濃度在時(shí)間上呈現(xiàn)季節(jié)性波動(dòng)特征,空間上呈現(xiàn)高低緯度低、中緯度高的分布格局,且具有顯著的空間正相關(guān)性。NO2高值區(qū)主要分布在中國(guó)、新加坡、印度以及部分歐洲和西亞國(guó)家,印度、俄羅斯等新興經(jīng)濟(jì)體的NO2濃度逐年上升,歐洲發(fā)達(dá)國(guó)家的NO2濃度有所下降,中國(guó)則呈現(xiàn)先上升后下降的變化趨勢(shì)。“高—高”集聚主要分布在城鎮(zhèn)化水平相對(duì)較高的歐洲地區(qū),“低—低”集聚則主要分布在東南亞和北非等城鎮(zhèn)化水平相對(duì)較低的地區(qū)。

(2)“一帶一路”地區(qū)人口和土地城鎮(zhèn)化水平整體呈現(xiàn)上升趨勢(shì),并且均呈現(xiàn)西南高、東北低的空間分布格局。人口和土地城鎮(zhèn)化率最高的地區(qū)分別為西亞和南亞,最低的地區(qū)均為東南亞；人口和土地城鎮(zhèn)化率增幅最高的地區(qū)均為東亞,增幅最低的地區(qū)則分別為中亞和東南亞。

(3)“一帶一路”地區(qū)NO2濃度變化受到的社會(huì)經(jīng)濟(jì)和自然因素的共同作用。國(guó)內(nèi)生產(chǎn)總值、汽車保有量和土地城鎮(zhèn)化率對(duì)NO2濃度增長(zhǎng)的貢獻(xiàn)度分別達(dá)0.29%、0.28%和0.11%,是驅(qū)動(dòng)“一帶一路”地區(qū)NO2污染加劇的主要因素；森林覆蓋率和植被凈初級(jí)生產(chǎn)力則是抑制NO2污染的主要因素。

3.2 建議

“一帶一路”沿線國(guó)家應(yīng)采取措施切實(shí)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式,適度調(diào)控汽車保有量,控制城市建設(shè)用地的擴(kuò)張,從源頭上減少NO2排放量。與此同時(shí),要加強(qiáng)對(duì)植被特別是森林的可持續(xù)管理,提高城市綠化面積,協(xié)同控制大氣污染和減緩氣候變化[38-39]。最后需要指出的是,大氣污染具有明顯的跨區(qū)域傳輸特性,當(dāng)前以各國(guó)為主體的污染防治模式越來越難以有效解決區(qū)域大氣污染問題[40]?！耙粠б宦贰毖鼐€國(guó)家應(yīng)加強(qiáng)生態(tài)環(huán)境保護(hù)合作,建立和完善區(qū)域際大氣污染協(xié)同治理機(jī)制,采用更先進(jìn)的清潔技術(shù)和更嚴(yán)格的環(huán)境標(biāo)準(zhǔn),促進(jìn)經(jīng)濟(jì)綠色轉(zhuǎn)型為打造綠色“一帶一路”、踐行聯(lián)合國(guó)《2030年可持續(xù)發(fā)展議程》作出貢獻(xiàn)。