李 競,侯麗朋,唐立娜

1 中國科學(xué)院城市環(huán)境研究所城市環(huán)境與健康重點實驗室,廈門 361021 2 中國科學(xué)院大學(xué),北京 100049

改革開放以來,我國經(jīng)濟迅猛發(fā)展,這種快速增長一定程度上是以犧牲自然資源和環(huán)境為代價的。我國的二氧化碳(CO2)和能源消耗量分別于2007年和2009年超越美國,成為世界最大的能源消耗和碳排放國家[1]。隨之而來的是資源能源消耗過高,環(huán)境質(zhì)量明顯惡化,特別是空氣污染日益嚴重[2]。而京津冀、長三角、珠三角地區(qū)成為我國大氣污染最嚴重的三大區(qū)域,并從城市和局地污染發(fā)展成為影響范圍更廣、更不易控制和治理的區(qū)域性污染[3]。在經(jīng)濟高速增長和環(huán)境空氣質(zhì)量日趨惡化的復(fù)雜嚴峻形勢下,我國大氣污染和經(jīng)濟增長之間關(guān)系成了一個重要的研究問題。

大量研究表明經(jīng)濟增長與大氣污染之間存在長期穩(wěn)定的關(guān)系[4- 6]。學(xué)者們已應(yīng)用多種經(jīng)典模型實證了經(jīng)濟增長與空氣質(zhì)量之間的數(shù)量關(guān)系,其中環(huán)境庫茲涅茨曲線(EKC,Environmental Kuznets Curve)曲線是普遍存在的規(guī)律[7]。庫茲涅茨曲線是20世紀(jì)60年代美國經(jīng)濟學(xué)家Kuznets提出一條倒U形曲線,用以描述收入差異和經(jīng)濟增長之間的關(guān)系。20世紀(jì)90年代初期,由美國環(huán)境經(jīng)濟學(xué)家Grossman 和Krueger在大量的數(shù)據(jù)分析和實證檢驗的基礎(chǔ)上,發(fā)現(xiàn)環(huán)境質(zhì)量與經(jīng)濟增長之間也存在著隨著人均收入提高環(huán)境先惡化后改善的情況,從而引申出EKC曲線,用以描述一個國家或區(qū)域環(huán)境質(zhì)量與經(jīng)濟發(fā)展之間的相對關(guān)系變化趨勢[8]。EKC曲線理論提出后,國內(nèi)外學(xué)者關(guān)于經(jīng)濟、收入與環(huán)境之間的實證研究不斷深入。從研究結(jié)果看,部分研究驗證了經(jīng)濟增長或人均收入與大氣污染之間呈現(xiàn)了符合EKC理論的倒U型曲線[9- 14]。隨著研究的深入,有部分學(xué)者認為曲線并不呈嚴格的倒U型,也可能出現(xiàn)不一樣的變化規(guī)律[15- 17]。在針對我國大氣污染與經(jīng)濟增長關(guān)系研究中,從研究結(jié)果看,不同學(xué)者針對不同區(qū)域研究得出倒U型、U型等6種不同類型的曲線[18- 20]。從研究區(qū)域看,多數(shù)研究以全國、省份和城市為單位進行研究[21- 26],部分針對我國傳統(tǒng)意義上的經(jīng)濟區(qū)域——東、中、西部進行研究[27- 30],僅有李健等[31]、吳俊良[32]研究涉及京津冀、珠三角城市群等具有相同經(jīng)濟、社會或大氣污染特征的若干省份形成的區(qū)域。從選取指標(biāo)看,較多研究采用人均GDP表征經(jīng)濟增長,對于表征大氣污染的指標(biāo),空氣質(zhì)量指數(shù)(AQI或API),污染物排放量和環(huán)境空氣污染物濃度分別被不同研究者使用[33- 35]。從研究時間范圍看,時間跨度以10年左右為主[36- 38]。

通過文獻梳理發(fā)現(xiàn),針對我國大氣污染與經(jīng)濟增長之間關(guān)系的研究有以下幾方面不足：

一是現(xiàn)有針對區(qū)域?qū)用娴难芯枯^少，其中涉及兼具人口集中、經(jīng)濟發(fā)達、污染嚴重等多重特征的區(qū)域也較少。二是我國AQI由于受多種因素的影響,常表現(xiàn)出與公眾感受及其他環(huán)境監(jiān)測指標(biāo)不相一致的現(xiàn)象[39],加之生態(tài)環(huán)境部門一般僅將AQI作為向公眾提供健康指引的工具。此外,污染物排放量數(shù)據(jù)除真實性有待進一步驗證外,也無法直接反應(yīng)環(huán)境空氣質(zhì)量狀況,而大氣中污染物濃度監(jiān)測數(shù)據(jù)則相對客觀,是最直接影響人體健康的變量,更能真實反映經(jīng)濟增長與大氣環(huán)境之間的關(guān)系[40]。但只有部分研究采用了大氣污染物濃度的數(shù)據(jù),且其中多數(shù)研究僅有一小部分城市的數(shù)據(jù)。三是現(xiàn)有研究跨度均較短,數(shù)據(jù)量覆蓋20年及以上的研究較少,且目前最新數(shù)據(jù)僅更新到2017年。我國2018—2019年大氣環(huán)境形勢較2017年也發(fā)生了較大變化,很有必要使用最新的監(jiān)測數(shù)據(jù)來表征大氣污染現(xiàn)狀。

因此,本文基于2000—2019年31個省份地級及以上城市大氣污染物濃度指標(biāo),選取京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)等大氣污染防治重點區(qū)域(以下簡稱重點區(qū)域)作為研究區(qū)域,對其環(huán)境空氣質(zhì)量與經(jīng)濟發(fā)展之間的關(guān)系進行研究。需要說明的是,污染物會隨著空氣流動而導(dǎo)致出現(xiàn)跨地區(qū)傳輸,一個地區(qū)污染物濃度除受本地區(qū)污染排放直接影響外,可能會受到周邊污染物濃度較高的地區(qū)污染傳輸影響。鑒于本文研究的區(qū)域范圍較大,除珠三角地區(qū)外,均涉及多個省份,即便存在污染傳輸,主要影響區(qū)域也在與非重點區(qū)域交界的省份或城市,或傳輸通道部分城市,對整個區(qū)域污染物平均濃度影響較小,因此產(chǎn)生決定性因素的仍是該區(qū)域整體的污染物排放量。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

2013年以來,我國頒布實施的《大氣污染防治行動計劃》(以下簡稱《大氣十條》)和《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》(以下簡稱《三年行動計劃》)先后將京津冀地區(qū)、長三角地區(qū)、珠三角地區(qū)、汾渭平原等地區(qū)列為大氣污染防治重點區(qū)域。以上重點區(qū)域涉及北京、天津、河北、山西、上海、江蘇、浙江、安徽、山東、河南、廣東、陜西等12省份,幾乎涵蓋了我國經(jīng)濟最為發(fā)達、人口分布最為集中的省份：2019年,北京、上海等7省份人均GDP位居全國前10,上海、天津等10省份人口密度位居全國前10[41- 42]。同時,該區(qū)域也是我國大氣污染較嚴重的區(qū)域,其中京津冀及周邊地區(qū)、汾渭平原的單位面積大氣污染物排放量約為全國平均水平的4倍[43],導(dǎo)致秋冬季極易引發(fā)霧霾,人民群眾反映強烈。可以說是經(jīng)濟發(fā)展、人體健康和生態(tài)環(huán)境之間矛盾最為突出的地區(qū)。

為了便于數(shù)據(jù)分析統(tǒng)計,本文根據(jù)《大氣十條》《三年行動計劃》劃定的重點區(qū)域,結(jié)合“十四五”期間大氣環(huán)境管理需求,將研究區(qū)域整合為三大重點區(qū)域,分別是(1)京津冀及周邊地區(qū),包含北京、天津、河北、山西、河南、山東、陜西等7省份；(2)長三角地區(qū),包括上海、江蘇、安徽、浙江等4省份；(3)珠三角地區(qū),包括廣東省。除以上12省份外,其余19省份統(tǒng)稱為大氣治理非重點區(qū)域(以下簡稱非重點區(qū)域)(圖1)。

圖1 我國大氣污染防治重點區(qū)域示意圖Fig.1 Sketch map of key regions of atmospheric governance in China

1.2 數(shù)據(jù)來源和預(yù)處理

本文選取我國31個省份2000—2019年人均GDP作為經(jīng)濟發(fā)展指標(biāo)表征經(jīng)濟增長狀況,GDP和人口等數(shù)據(jù)均來源于國家統(tǒng)計局官方網(wǎng)站。GDP以2000年為基期,按不變價格來計算,以消除通貨膨脹的影響。選取2000—2019年SO2、PM10和NO2年均濃度表征環(huán)境空氣質(zhì)量(表1),濃度數(shù)據(jù)來源于國家空氣質(zhì)量監(jiān)測站。由于環(huán)境空氣質(zhì)量指標(biāo)和經(jīng)濟發(fā)展指標(biāo)數(shù)量級不一致,本文采用取對數(shù)的計算方法消除指標(biāo)間數(shù)量級不一致導(dǎo)致回歸分析后產(chǎn)生異方差問題。此外,2012年和2013年我國先后頒布實施了新《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095—2012)和 《環(huán)境空氣質(zhì)量評價技術(shù)規(guī)范》(HJ663—2013),導(dǎo)致2013年與2012年城市污染物濃度數(shù)據(jù)統(tǒng)計口徑不一致,為避免因統(tǒng)計口徑變動導(dǎo)致數(shù)據(jù)出現(xiàn)非正常波動,在分析污染物濃度年度變幅時不對2013年數(shù)據(jù)進行統(tǒng)計。

1.3 研究方法

EKC模型中最具代表性的是二次多項式函數(shù)關(guān)系,是目前國際上常用的簡化計量模型：

y=a+b1x+b2x2+ε

(1)

表1 環(huán)境空氣質(zhì)量與經(jīng)濟增長環(huán)境庫茲涅茨曲線分析指標(biāo)

式中,y為環(huán)境壓力指標(biāo)；x為經(jīng)濟發(fā)展指標(biāo)；a為常數(shù)項,通常表示國家或者地區(qū)的特征參數(shù)；b1、b2表示x的一次和二次項系數(shù),ε為隨機誤差項。Grossman 和Krueger將該模型進一步拓展為三次函數(shù)式[44]：

y=a+b1x+b2x2+b3x3+ε

(2)

式中,y為環(huán)境壓力指標(biāo)；x為經(jīng)濟因素指標(biāo)；a為常數(shù)項,通常表示國家或地區(qū)的特征參數(shù)；b1、b2、b3表示x的一次、二次和三次項系數(shù),ε為隨機誤差項。

本文選取大氣污染物濃度作為環(huán)境壓力指標(biāo),人均GDP作為經(jīng)濟增長指標(biāo),采用三次對數(shù)函數(shù)分析我國環(huán)境空氣質(zhì)量與經(jīng)濟增長之間的EKC曲線關(guān)系。若回歸結(jié)果顯示三次項系數(shù)不顯著時,選取二次多項式對數(shù)函數(shù)進行回歸。

Econ=a+b1G+b2G2+b3G3+ε

(3)

式中,Econ代表SO2、PM10、NO2濃度,a代表常數(shù)項,G代表人均GDP,b1、b2、b3表示的一次項、二次項和三次項系數(shù),ε代表隨機干擾項。

1.4 數(shù)據(jù)檢驗

為避免出現(xiàn)“偽回歸”問題,EKC曲線擬合前需對數(shù)據(jù)進行協(xié)整檢驗,以判斷非穩(wěn)定序列的線性組合是否具有協(xié)整關(guān)系,也可以判斷線性回歸方程的合理性。檢驗結(jié)果若序列是平穩(wěn)的,則回歸方程設(shè)定合理,說明回歸方程的因變量和解釋變量之間存在穩(wěn)定的均衡關(guān)系。

各變量的平穩(wěn)性檢驗是協(xié)整檢驗的第一步。本文采用EViews軟件中的增廣迪基-福勒(ADF,Augmented Dickey-Fuller)單位根檢驗判斷各變量序列的平穩(wěn)性。若各檢驗變量具備相同的單整階數(shù),則序列平穩(wěn)。ADF是以“存在單位根,變量是非平穩(wěn)序列”為原假設(shè)的左側(cè)單側(cè)檢驗。根據(jù)赤池信息量(AIC,Akaike information criterion)準(zhǔn)則確定最佳滯后期。對31個省份、京津冀及周邊地區(qū)、長三角地區(qū)和珠三角地區(qū)(以下簡稱三大重點區(qū)域)2001—2019年SO2、PM10、NO2濃度與人均GDP指標(biāo)數(shù)值進行ADF平穩(wěn)性檢驗,在5%顯著水平下,31個省份和三大重點區(qū)域二階差分后,各變量序列均拒絕原假設(shè),呈平穩(wěn)序列(表2)。

表2 ADF單位根檢驗結(jié)果

由于污染物濃度變量有3個,Johansen檢驗是進行多變量I(2)序列協(xié)整檢驗的較好方法。檢驗結(jié)果顯示,在5%顯著水平下,31個省份特征根跡檢驗證明4個變量之間存在至少3個長期的穩(wěn)定關(guān)系,三大重點區(qū)域均存在至少一個長期的穩(wěn)定關(guān)系,即污染物濃度指標(biāo)與經(jīng)濟變量之間存在協(xié)整關(guān)系,可繼續(xù)進行實證分析(表3)。

2 結(jié)果分析

2.1 經(jīng)濟增長概況

2000—2019年,31個省份人均GDP從0.8萬元增加到4.7萬元,年均增長9.8%。從每年的增長率看,2002—2011年增長率達兩位數(shù)以上,但自2012年增長率首次降至10%以下后,增速逐年放緩,2019年同比增長5.8%,為歷年最低值。三大重點區(qū)域總體也維持在高速增長,人均GDP年增速維持在4.6%以上。人均GDP增速變化趨勢與31個省份大致相同,2001—2007年處于高速增長期,人均GDP增速最高達到14.3%,出現(xiàn)在2005年的京津冀及周邊地區(qū)。2008—2012年增速明顯放緩,人均GDP增速最低為7.3%,出現(xiàn)在2012年的珠三角地區(qū)。2013—2019年,三大重點區(qū)域經(jīng)濟增速降幅趨緩,均在2個百分點范圍內(nèi)波動。2019年京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)人均GDP增速分別為5.7%、5.6%、4.6%,均為歷年最低值(圖2)。

表3 Johansen特征根跡檢驗結(jié)果

2.2 SO2濃度與經(jīng)濟增長EKC曲線分析

2.2.1SO2濃度演變

2000—2019年,我國31個省份SO2濃度整體呈現(xiàn)大幅下降的趨勢,2019年比2000年下降76%；同比下降的年份有16年。31個省份SO2濃度2001—2003年仍處于緩慢上升狀態(tài),2003年同比增幅(以下簡稱增幅)高達14%；2004—2012年,保持穩(wěn)定下降趨勢,2012年降幅最大為9%；2014—2019年,降幅較往年明顯增大,其中2018年降幅為歷年最大的22%。從重點區(qū)域看(圖3),京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)SO2濃度也是大幅下降,2019年比2000年依次下降80%、64%、54%。三大重點區(qū)域分別于2004年、2006年和2005年首次同比下降,且在此之后處于穩(wěn)定下降狀態(tài)。除長三角地區(qū)和珠三角地區(qū)分別于2007和2006年出現(xiàn)短暫反彈外,其余年度均同比下降。其中,2014—2017年降幅明顯較往年增大；2018—2019年,京津冀及周邊地區(qū)和長三角地區(qū)繼續(xù)大幅下降,其中2018年分別為歷年最低的31%和24%,珠三角地區(qū)降幅有所收窄。

圖2 我國重點區(qū)域2001—2019年人均GDP增長率變化趨勢 Fig.2 Trend of GDP per capita growth rate of key regions in China, 2001—2019

2.2.2EKC曲線分析

根據(jù)公式(3)在SPSS軟件中回歸分析得31個省份、京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)SO2濃度和人均GDP方程分別見公式(4)-(7),得到擬合曲線如圖4,R2均大于0.8,擬合效果優(yōu)良,均呈現(xiàn)典型倒U型曲線關(guān)系,計算其曲線拐點(最高點)對應(yīng)的人均GDP和SO2年均濃度,31個省份、京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)分別為1.3萬元和48μg/m3、1.0萬元和80μg/m3、2.4萬元和39μg/m3、2.2萬元和29μg/m3,對應(yīng)的時間分別介于2004—2005年、2002—2003年、2006—2007年、2005—2006年之間,表明分別于2004年、2002年、2006年、2005年前后越過拐點,隨著人均GDP逐年增長,SO2濃度實現(xiàn)同步下降,污染大幅減輕。

lnSO2=-68.868+15.323lnGDP-0.807(lnGDP)2R2=0.939

(4)

lnSO2=-47.088+11.123lnGDP-0.601lnGDP2R2=0.861

(5)

lnSO2=-127.609+26.076lnGDP-1.295lnGDP2R2=0.948

(6)

lnSO2=-114.467+23.552lnGDP-1.177lnGDP2R2=0.974

(7)

2.3 PM10濃度與經(jīng)濟增長EKC曲線分析

2.3.1PM10濃度演變

2001—2019年,我國31個省份PM10年均濃度總體呈現(xiàn)穩(wěn)步下降趨勢,年度同比變幅變化趨勢如圖5所示。從31個省份看,2019年P(guān)M10濃度比2001年下降44%；同比下降的年份有15年。從年際變化看,2003—2005年顯著下降,其中2005年降幅達12%；2015年降幅同比大幅增加,達到11%。從重點區(qū)域看,2019年比2001年依次下降34%、47%、28%。2002—2012年,雖然個別年份出現(xiàn)同比反彈,如2012年的京津冀及周邊地區(qū)、2010年的長三角地區(qū)、2007年的珠三角地區(qū),但總體仍呈穩(wěn)步下降趨勢；2014—2016年,均大幅下降,且降幅較往年略有增大；2018—2019年出現(xiàn)分化,京津冀及周邊地區(qū)和長三角地區(qū)保持下降趨勢,珠三角地區(qū)則先降后升。

圖3 我國重點區(qū)域2001—2019年SO2年均濃度變幅變化趨勢Fig.3 Trend of average annual SO2 concentration in key regions of China, 2001—2019

圖4 2001—2019年SO2濃度與人均GDP擬合曲線Fig.4 The fitting curve of SO2 concentration and GDP per capita, 2001—2019

圖5 我國重點區(qū)域2002—2019年P(guān)M10年均濃度變幅變化趨勢Fig.5 Trend of average annual PM10 concentration in key regions of China, 2001—2019

2.3.2EKC曲線分析

根據(jù)公式(3)在SPSS軟件中回歸分析得到2001—2019年31個省份、京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)PM10濃度和人均GDP的回歸方程和擬合曲線(圖6),曲線類型均有所不同。

(1)31個省份

PM10濃度與人均GDP的回歸方程見公式(8),R2為0.878,擬合效果良好,呈現(xiàn)倒N型曲線關(guān)系。2001—2008年EKC曲線先呈現(xiàn)出逐步下降趨勢,但下降趨勢逐漸平緩；2009年前后出現(xiàn)第1個拐點,對應(yīng)人均GDP為2.1萬元/人,PM10年均濃度為78μg/m3；2010—2012年,曲線呈輕微上升趨勢；2013年前后出現(xiàn)第2個拐點,對應(yīng)人均GDP為3.2萬元/人,PM10年均濃度為88μg/m3；2014—2019年曲線再次呈現(xiàn)出下降趨勢,隨著經(jīng)濟增長PM10濃度實現(xiàn)同步下降,污染逐步減輕。

lnPM10=287-84.24lnGDP+8.4lnGDP2-0.28lnGDP3R2=0.878

(8)

(2)京津冀及周邊地區(qū)

PM10年均濃度與人均GDP的回歸方程見公式(9),R2為0.474,擬合效果一般,呈現(xiàn)出U型曲線關(guān)系。隨著經(jīng)濟增長,2001—2010年京津冀及周邊地區(qū)PM10濃度明顯下降,于2012年越過最低點(對應(yīng)人均GDP為2.6萬元/人,PM10濃度為98μg/m3)后,濃度逐漸上升,污染呈反彈趨勢。若不強化PM10污染管控,隨著經(jīng)濟穩(wěn)定增長,PM10濃度將按照擬合曲線所示持續(xù)抬升。

lnPM10=34.413-5.862lnGDP+0.288lnGDP2R2=0.474

(9)

(3)長三角地區(qū)

PM10年均濃度與人均GDP的回歸方程見公式(10),R2為0.817,擬合效果良好,呈現(xiàn)U型曲線關(guān)系。目前曲線仍處于U型左側(cè)的下降階段,尚未達到拐點。但鑒于三次項系數(shù)b3小于0.05,曲線更接近于二次單調(diào)下降的曲線。表明2001—2019年經(jīng)濟穩(wěn)定增長的同時,PM10濃度實現(xiàn)同步下降,污染逐漸減輕。

lnPM10=12.465-1.252lnGDP+0.046lnGDP2R2=0.817

(10)

(4)珠三角地區(qū)

PM10年均濃度與人均GDP的回歸方程見公式(11),R2為0.857,擬合效果良好,呈現(xiàn)出倒U型曲線關(guān)系。目前曲線已于2001年前越過拐點,處于右側(cè)下降階段。表明在2001—2019年間經(jīng)濟穩(wěn)定增長的同時PM10濃度實現(xiàn)同步下降,污染逐漸減輕。

lnPM10=-8.519+2.739lnGDP-0.147lnGDP2R2=0.857

(11)

圖6 2001—2019年P(guān)M10濃度與人均GDP擬合曲線Fig.6 The fitting curve of PM10 concentration and GDP per capita, 2001—2019

2.4 NO2濃度與經(jīng)濟增長EKC曲線分析

2.4.1NO2濃度演變

2001—2019年,我國31個省份NO2濃度整體呈現(xiàn)波動緩慢下降的趨勢,年度同比變幅變化趨勢如圖7所示。31個省份2019年NO2濃度比2001年僅下降9.2%；同比下降的年份有11年。從年際變化看,2002—2012年未呈現(xiàn)明顯變化趨勢,變幅均在4%以內(nèi)；2014—2019年,變幅較往年略有增大,其中2015年和2018年降幅均為6%,為歷年最大值。三大重點區(qū)域NO2濃度整體未有明顯變化趨勢,2019年比2001年分別僅依次下降5%、1%、6%。京津冀及周邊地區(qū)呈現(xiàn)窄幅波動,降幅最大的兩個年份是2005和2006年(均為-7%);長三角地區(qū)波動幅度較大,降幅最大的兩個年份是2002年(-7%)和2018年(-6%),反彈幅度最大是2010年(11%),變幅波動高達17個百分點；珠三角地區(qū)波動幅度與長三角地區(qū)相當(dāng),降幅最大的兩個年份是2015年(-9%)和2005年(-8%),反彈幅度最大的兩個年份是2003年(16%)和2017年(7%)。由此可見,三大重點區(qū)域NO2濃度未呈現(xiàn)任何規(guī)律性變化,且彼此間趨勢差異較大。

圖7 我國重點區(qū)域2002—2019年NO2年均濃度變幅變化趨勢Fig.7 Trend of average annual NO2 concentration in key regions of China, 2001—2019

2.4.2EKC曲線分析

根據(jù)公式(3)在SPSS軟件中回歸分析得到31個省份、京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)NO2濃度和人均GDP的回歸方程和擬合曲線(圖8)。

圖8 2001—2019年NO2濃度與人均GDP擬合曲線Fig.8 The fitting curve of NO2 concentration and GDP per capita, 2001—2019

(1)31個省份

NO2濃度與人均GDP的回歸方程見公式(12),R2為0.402,擬合效果一般,呈U型曲線關(guān)系。通過計算可得,曲線拐點(最低點)對應(yīng)的人均GDP為3.1萬元,NO2年均濃度為29μg/m3,介于2012—2013年之間。2013年后,曲線呈緩慢上升趨勢。表明隨著經(jīng)濟增長,2001—2012年,31個省份NO2污染逐漸減輕；2013年后,NO2污染呈緩慢反彈態(tài)勢。

lnNO2=6.593-0.621lnGDP+0.030(lnGDP)2R2=0.402

(12)

(2)京津冀及周邊地區(qū)

NO2年均濃度與人均GDP的回歸方程見公式(13),R2為0.559,擬合效果一般,呈現(xiàn)U型曲線關(guān)系。隨著經(jīng)濟增長,2001—2008年京津冀及周邊地區(qū)NO2污染呈明顯下降趨勢,于2009年越過最低點(對應(yīng)人均GDP約為2.0萬元/人,NO2年均濃度約為32μg/m3)后,2009—2019年污染呈明顯反彈趨勢。

lnNO2=26.106-4.573lnGDP+0.231lnGDP2R2=0.559

(13)

(3)長三角地區(qū)

NO2年均濃度與人均GDP的回歸方程見公式(14),但該方程在5%的顯著性水平下未能通過檢驗,R2僅為0.053,表明NO2年均濃度與人均GDP之間并無相關(guān)關(guān)系。

lnNO2=0.049+0.657lnGDP-0.031lnGDP2R2=0.053

(14)

(4)珠三角地區(qū)

NO2年均濃度與人均GDP的回歸方程見公式(15),R2為0.547,擬合效果一般,呈現(xiàn)倒U型曲線。目前曲線已經(jīng)越過2002—2003年間的拐點(對應(yīng)人均GDP約為1.6萬元/人,NO2濃度為30μg/m3),處于右側(cè)下降階段。表明2003—2019年珠三角地區(qū)經(jīng)濟增長的同時NO2污染逐漸減輕。

lnNO2=-4.108+1.549lnGDP-0.080lnGDP2R2=0.547

(15)

3 討論和政策建議

3.1 我國環(huán)境空氣質(zhì)量與經(jīng)濟增長EKC曲線分析

2001—2019年我國31個省份SO2、PM10和NO2濃度與經(jīng)濟增長分別呈倒U型、倒N型和U型曲線,并均已越過拐點。即隨著經(jīng)濟增長,SO2和PM10濃度逐漸降低,而NO2濃度逐漸上升。究其原因,從SO2看,我國超過90%的SO2排放來自煤炭消費,主要是在燃煤電廠和能源密集型產(chǎn)業(yè)[45- 46]。我國自2000年起頒布實施“十五”規(guī)劃等政策措施,將SO2作為總量控制指標(biāo),重點針對燃煤電廠采取管控措施大力削減SO2排放,使得SO2排放總量于2006年達峰[47],進而SO2濃度實現(xiàn)穩(wěn)步下降,推動EKC曲線在2005年前后出現(xiàn)拐點。2013年先后頒布《大氣十條》《三年行動計劃》則通過燃煤電廠超低排放改造、加快淘汰落后產(chǎn)能、化解鋼鐵水泥等高能耗高排放行業(yè)產(chǎn)能、淘汰燃煤小鍋爐、民用散煤治理等措施進一步強化SO2減排。評估顯示,我國2017年SO2排放量比2013年減少59%,主要是得益于淘汰和升級燃煤鍋爐、燃煤電廠超低排放改造和淘汰落后產(chǎn)能,推動SO2濃度大幅下降[48- 49]。在經(jīng)濟持續(xù)增長的前提下,EKC曲線越過拐點后呈明顯快速下降趨勢。

從PM10看,PM10主要人為源是化石燃料、生物質(zhì)燃燒[50]。我國自20世紀(jì)70年代起針對煙粉塵污染開展治理,1996年我國將PM10作為常規(guī)監(jiān)測污染物,2001年后通過設(shè)定煙塵和工業(yè)粉塵的排放總量控制目標(biāo)、修訂燃煤電廠煙塵濃度排放限值等方式治理PM10污染。經(jīng)過長達二三十年的綜合整治,PM10污染控制取得較為明顯的成效,2000—2009年我國PM10濃度呈明顯下降[47],推動EKC曲線呈大幅下降趨勢。但PM10濃度在2010年同比出現(xiàn)反彈,隨后的兩年雖轉(zhuǎn)為下降,但降幅較往年有所收窄,導(dǎo)致2010—2012年EKC曲線逐漸走平,并呈略微上升趨勢；2013年以來,《大氣十條》《三年行動計劃》通過實施工業(yè)企業(yè)提標(biāo)改造、民用散煤治理等重點治污任務(wù),在實現(xiàn)SO2減排的同時也推動了PM10協(xié)同減排；此外,針對施工工地、道路、裸地和礦山等易揚塵點位,進一步強化揚塵綜合治理。評估顯示,2013—2017年我國PM10排放量減少36%,重點區(qū)域PM10中硫酸鹽、有機物和揚塵濃度出現(xiàn)下降,有力證明了近年來我國PM10污染防治措施的成效[48- 49]。2013—2019年P(guān)M10濃度顯著下降,使得EKC曲線自2013年起再度掉頭向下,并保持下降趨勢。

從NO2看,我國NO2主要來自化石燃料、生物質(zhì)高溫燃燒、汽車尾氣排放等人為源產(chǎn)生的NOx(NO和NO2)[51- 53]。NOx來源分布在涉及高溫燃燒的多個行業(yè)中,涉及生產(chǎn)生活各個方面,導(dǎo)致NOx減排難度增加且成本更高[1]。雖然我國在《國家環(huán)境保護“十一五”規(guī)劃中》提出控制高架源的的NOx排放,但實際上管控效果不佳,1990—2010年NOx排放量增加了3倍[54]?！笆濉币?guī)劃將NOx排放總量納入約束性指標(biāo)管理[55],2013年以來,《大氣十條》《三年行動計劃》通過實施燃煤電廠、鋼鐵等重點行業(yè)超低排放改造,強化機動車尾氣管控,推廣新能源車等方式大力推進NOx減排,取得一定成效[56- 57]。但以上措施實現(xiàn)的NOx減排量被機動車保有量增長帶來的污染排放增量抵消了,導(dǎo)致NO2濃度下降幅度有限[48]。中國工程院評估顯示,2020年NOx比2015年的降幅遠小于SO2和一次顆粒物,減排幅度明顯不足[58]。因此,近年來我國NO2濃度整體降幅有限,呈現(xiàn)來回波動狀態(tài),導(dǎo)致曲線擬合效果不如SO2和PM10。在經(jīng)濟保持高速增長的情況下,2013年以來EKC曲線呈上升趨勢,如不采取措施嚴加管控,根據(jù)EKC曲線分析結(jié)果,NO2濃度可能持續(xù)反彈。

綜上所述,我們認為,NO2污染已成為我國當(dāng)前大氣污染防治的突出問題,應(yīng)進一步加大機動車污染防治力度,一方面深入推進“公轉(zhuǎn)鐵”,從根本上改變目前以公路貨運為主的交通運輸結(jié)構(gòu),減少污染排放大的柴油貨車使用量；另一方面大力推廣新能源車,同時加強在用車監(jiān)管,進一步提升機動車排放標(biāo)準(zhǔn)和油品標(biāo)準(zhǔn),強化尾氣監(jiān)管,大力削減機動車NOx排放,推動NO2濃度穩(wěn)步下降。

3.2 重點區(qū)域SO2濃度與經(jīng)濟增長EKC曲線分析

2001—2019年京津冀及周邊地區(qū)、長三角地區(qū)和珠三角地區(qū)SO2濃度與人均GDP的EKC曲線均呈典型的倒U型,且均已越過拐點。隨著經(jīng)濟增長,SO2污染先呈惡化趨勢,達到一定程度后,轉(zhuǎn)而持續(xù)大幅改善。不同的是,三大重點區(qū)域EKC曲線出現(xiàn)拐點時間有所不同,京津冀及周邊地區(qū)率先于2002年越過拐點,隨后珠三角、長三角分別于2005年和2006年越過拐點。表明京津冀及周邊地區(qū)SO2污染與經(jīng)濟增長協(xié)調(diào)關(guān)系好轉(zhuǎn)明顯早于珠三角和長三角地區(qū)。我們分別分析經(jīng)濟增速、污染程度和改善情況等三方面因素對EKC曲線類型及其長期變化趨勢的影響程度。從經(jīng)濟增速看,2000—2019年京津冀及周邊地區(qū)、長三角地區(qū)、珠三角地區(qū)人均GDP年均增速分別為9.8%、9.6%、8.8%,差距不大。從污染嚴重程度看,目前三大重點區(qū)域SO2污染均維持在較低水平。2019年,各區(qū)域濃度已基本維持在10μg/m3左右,其中污染最嚴重的京津冀及周邊地區(qū)濃度也僅為14μg/m3,均達到SO2濃度一級標(biāo)準(zhǔn)(20μg/m3),且僅為標(biāo)準(zhǔn)限值70%及以下。從污染改善情況看,2019年京津冀及周邊地區(qū)SO2濃度較2001年的降幅最高。21世紀(jì)初期,京津冀及周邊地區(qū)SO2濃度維持在較高水平,超出SO2二級標(biāo)準(zhǔn)近50%,約為長三角和珠三角地區(qū)的3—4倍。因此,在強化SO2減排的初期,京津冀及周邊地區(qū)SO2濃度較其他地區(qū)下降速度更快,幅度明顯更大,因而率先出現(xiàn)拐點。此外,值得注意的是,三大重點區(qū)域SO2濃度首次同比下降,并隨后穩(wěn)定處于下降狀態(tài)的年份分別為2004年、2006年、2005年,這與EKC曲線拐點出現(xiàn)年份高度吻合。這說明,污染物濃度逐年下降,形成穩(wěn)定下降趨勢,可以推動EKC曲線穩(wěn)定下降,也就是實現(xiàn)了環(huán)境空氣質(zhì)量與經(jīng)濟增長的長期關(guān)系持續(xù)優(yōu)化,這也符合量變產(chǎn)生質(zhì)變的原理。這也充分說明我國持續(xù)制定并實施大氣污染防治政策的必要性。

3.3 重點區(qū)域PM10濃度與經(jīng)濟增長EKC曲線分析

2001—2019年京津冀及周邊地區(qū)、長三角地區(qū)和珠三角地區(qū)PM10濃度與人均GDP的EKC曲線分別呈U型,單調(diào)下降和倒U型。雖然京津冀及周邊地區(qū)PM10年均濃度基本呈穩(wěn)定下降趨勢,但從EKC曲線看,2013年后卻呈現(xiàn)出隨著經(jīng)濟增長而反彈的趨勢,我們分析主要原因可能有兩點：一是因監(jiān)測數(shù)據(jù)統(tǒng)計口徑變動導(dǎo)致數(shù)據(jù)出現(xiàn)非正常波動,京津冀及周邊地區(qū)2013年后突然升高,間接拉高了曲線；二是京津冀及周邊地區(qū)2014—2016年P(guān)M10濃度降幅不如長三角地區(qū)和珠三角地區(qū)。此外,2019年京津冀及周邊地區(qū)PM10濃度91μg/m3比二級標(biāo)準(zhǔn)(70μg/m3)高30%,污染程度較重；長三角地區(qū)(65μg/m3)達到二級標(biāo)準(zhǔn),珠三角地區(qū)(46μg/m3)已接近一級標(biāo)準(zhǔn)(40g/μm3)。但鑒于京津冀及周邊地區(qū)2019年實際PM10濃度91μg/m3已明顯低于拐點濃度98μg/m3,且2013年以來隨著我國大氣污染防治力度逐漸加大,京津冀及周邊地區(qū)PM10濃度呈穩(wěn)定下降趨勢。因此,若以更長時間尺度預(yù)判,在維持經(jīng)濟穩(wěn)定增長的情況下,EKC曲線緩慢上升后,將拐頭向下,最終預(yù)計呈現(xiàn)與31個省份類似的倒N型。長三角地區(qū)和珠三角地區(qū)EKC曲線均呈下降趨勢,這與近年來我國實施各項大氣污染防治政策推動煙粉塵減排,PM10濃度穩(wěn)步下降密切相關(guān)。因此,我們認為,京津冀及周邊地區(qū)應(yīng)借鑒2013年以來PM10污染治理經(jīng)驗,針對PM10主要來源生活源、工業(yè)源和揚塵源加大治理力度,一是持續(xù)推動北方地區(qū)冬季清潔取暖,加快推進“煤改氣”“煤改電”,減少居民散煤使用量；二是深入開展工業(yè)企業(yè)提標(biāo)改造,實施鋼鐵、水泥等行業(yè)超低排放改造,進一步降低工業(yè)源顆粒物等污染物減排；三是深化揚塵污染綜合整治,加強施工揚塵精細化管控,進一步強化道路、裸地、堆場等揚塵綜合治理。

3.4 重點區(qū)域NO2濃度與經(jīng)濟增長EKC曲線分析

2001—2019年NO2年均濃度與經(jīng)濟發(fā)展的相關(guān)性均一般,其中長三角地區(qū)無相關(guān)關(guān)系,京津冀及周邊地區(qū)和珠三角地區(qū)分別呈現(xiàn)U型和倒U型。自2001年以來,三大重點區(qū)域均未出現(xiàn)明顯下降趨勢,2019年較2001年濃度降幅均在6%以內(nèi),總體呈較為無序的波動狀態(tài),沒有呈現(xiàn)任何趨勢性的規(guī)律,導(dǎo)致其未能與穩(wěn)定增長的人均GDP形成較為顯著的相關(guān)關(guān)系,特別是長三角地區(qū)。從存在一定相關(guān)關(guān)系的區(qū)域?qū)Ρ瓤?與PM10濃度類似,京津冀及周邊地區(qū)受2013年監(jiān)測數(shù)據(jù)統(tǒng)計口徑變動導(dǎo)致數(shù)據(jù)出現(xiàn)非正常波動,疊加近年來NO2濃度未明顯下降,導(dǎo)致EKC曲線出現(xiàn)一定程度上升。但與PM10不同的是,擬合EKC拐點最低點對應(yīng)的濃度30μg/m3,明顯低于2019年年均濃度36μg/m3,說明實際情況與擬合曲線基本一致,呈污染反彈態(tài)勢。若不強化NO2污染管控,隨著區(qū)域經(jīng)濟維持穩(wěn)定增長,NO2濃度將持續(xù)抬升。珠三角地區(qū)NO2濃度則穩(wěn)定小幅下降,帶動EKC曲線持續(xù)下降。相較于SO2和PM10,三大區(qū)域的NO2濃度與人均GDP長期關(guān)系的協(xié)調(diào)性均較差,因此,需著力強化NOx污染管控,推動NO2濃度穩(wěn)步下降。

4 結(jié)論

本文運用EKC曲線模型通過對2001—2009年我國31個省份及重點區(qū)域大氣污染物濃度和人均GDP進行相關(guān)性檢驗,分析得出二者之間相關(guān)及變化趨勢。整體來看,我國大氣治理成效顯著,近年來實施的各項大氣污染防治政策,特別是2013年以來頒布實施的《大氣十條》《三年行動計劃》,推動環(huán)境空氣質(zhì)量改善的同時,促進了經(jīng)濟發(fā)展與環(huán)境保護長期關(guān)系協(xié)調(diào)性逐步增強。31個省份和三大重點區(qū)域SO2、PM10、NO2濃度與經(jīng)濟增長的EKC曲線類型有所不同,SO2濃度與人均GDP變化相關(guān)性最強,PM10次之,NO2相關(guān)性一般?？傮w來看,31個省份和三大重點區(qū)域的SO2濃度與經(jīng)濟增長均處在典型倒U型關(guān)系的下降階段。31個省份、長三角地區(qū)、珠三角地區(qū)PM10濃度與經(jīng)濟增長分別呈現(xiàn)倒N型、U型和倒U型,并均處于下降階段,其中長三角地區(qū)更接近于單調(diào)下降,京津冀及周邊地區(qū)則受改善幅度不足等因素影響,導(dǎo)致呈U型關(guān)系,并已越過拐點處于上升階段。受近年來NO2污染改善程度不明顯等因素影響,NO2濃度與經(jīng)濟增長相關(guān)性最低,其中長三角地區(qū)無相關(guān)關(guān)系,31個省份和京津冀及周邊地區(qū)均處于U型的上升階段,若不采取強有力管控措施推動NOx減排,NO2濃度將隨著經(jīng)濟增長出現(xiàn)反彈。

大氣污染防治政策對于短期內(nèi)推動環(huán)境空氣質(zhì)量與經(jīng)濟協(xié)調(diào)發(fā)展效果明顯,但要使長期關(guān)系保持協(xié)調(diào)穩(wěn)定狀態(tài),實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展和生態(tài)環(huán)境高水平保護,關(guān)鍵是在經(jīng)濟保持穩(wěn)定增長的同時,要持續(xù)削減污染物排放量,推動污染物濃度穩(wěn)步下降。綜上所述,本文提出如下建議：一是“十四五”期間要繼續(xù)制定并實施新一輪的大氣污染防治行動計劃,聚焦重點區(qū)域和突出問題,實施重大減排工程,大力削減污染物排放,推動環(huán)境空氣質(zhì)量持續(xù)改善。二是強化NO2污染治理。深入調(diào)整優(yōu)化交通運輸結(jié)構(gòu),加強在用車尾氣監(jiān)管,推廣新能源車,推動機動車等移動源NOx持續(xù)減排。三是京津冀及周邊地區(qū)要加大對PM10污染治理力度,通過清潔取暖改造、工業(yè)企業(yè)深度治理以及揚塵綜合整治等措施,持續(xù)削減顆粒物排放。