張新林，仇方道，譚俊濤，王長建

（1.江蘇師范大學(xué) 地理測繪與城鄉(xiāng)規(guī)劃學(xué)院，江蘇 徐州 221116；2.廣東省科學(xué)院廣州地理研究所 廣東省地理空間信息技術(shù)與應(yīng)用公共實驗室，廣東 廣州 510070）

近年來，中國霧霾頻發(fā)，區(qū)域性、持續(xù)性的霧霾污染對城市的環(huán)境質(zhì)量造成了嚴(yán)重影響[1]，并威脅人體的健康[2-3]。此外，霧霾污染對城市形象、經(jīng)濟發(fā)展、外商投資、旅游等方面均有負(fù)面影響[4]，霧霾污染問題也成了當(dāng)前政府、學(xué)術(shù)界等關(guān)注的焦點。隨著中央及眾多地方政府陸續(xù)出臺霧霾污染治理的行動計劃，中國霧霾污染治理取得了階段性成果，2018年全國PM2.5平均濃度相對2015年降低17.2%，但污染程度仍然較重，遠(yuǎn)未達(dá)到合格標(biāo)準(zhǔn)[1]。因此，研究霧霾污染的時空特征及其機理，為實現(xiàn)霧霾污染的有效治理提供決策依據(jù)，已經(jīng)成為學(xué)術(shù)研究的當(dāng)務(wù)之急[5]。

近年來，許多學(xué)者對霧霾污染問題進(jìn)行了研究，研究內(nèi)容涉及多個方面，根據(jù)本文研究內(nèi)容，主要從時空演變及影響因素兩方面來闡述已有研究。（1）時空演變。①在時間層面，主要從日變化、季節(jié)變化和年變化的視角進(jìn)行研究。在日變化特征上，于建華等[6]、魏玉香等[7]分別發(fā)現(xiàn)北京和南京PM2.5濃度均呈現(xiàn)出雙峰型的變化特征；在季節(jié)變化特征上，劉永林等[8]、李會霞和史興民[9]分別對重慶、西安等城市的研究發(fā)現(xiàn)，PM2.5呈現(xiàn)出明顯的夏季低、冬季高的特征；在年變化特征上，不同區(qū)域表現(xiàn)出不同的變化特征，例如Van Donkelaar等[10]認(rèn)為2000—2012年北京PM2.5年平均濃度逐漸上升；黃永源等[11]認(rèn)為廣東PM2.5平均質(zhì)量分?jǐn)?shù)在1998—2015年呈現(xiàn)出先上升后緩慢下降的過程。②在空間層面，已有研究對霧霾污染的空間分布與對比、空間集聚特征、空間溢出效應(yīng)等內(nèi)容進(jìn)行了分析。例如劉海猛等[12]對京津冀PM2.5空間格局進(jìn)行研究，發(fā)現(xiàn)整體上呈現(xiàn)出東南高、西北低的態(tài)勢，并且具有顯著的空間積聚性；劉華軍和彭瑩[13]的研究發(fā)現(xiàn)，中國霧霾污染呈現(xiàn)出顯著的空間相關(guān)性和空間溢出效應(yīng)，并且空間溢出效應(yīng)隨時間推移加強。（2）影響因素。分別從自然因素和社會因素兩個方面進(jìn)行分析。①在自然因素方面，已有研究分析了氣溫、氣壓、風(fēng)向、風(fēng)速、濕度、植被等自然因素的影響。郭春穎等[14]研究發(fā)現(xiàn)，降水量對長三角地區(qū)的霧霾污染影響最大。②在社會因素方面，已有研究分析了人口集聚、城鎮(zhèn)化、工業(yè)化、FDI、技術(shù)進(jìn)步、產(chǎn)業(yè)集聚、環(huán)境規(guī)制等社會要素的影響。張生玲等[15]研究發(fā)現(xiàn)，二產(chǎn)畸高、民用汽車保有量增多對霧霾污染具有顯著的促進(jìn)作用，但人口密度和綠化水平的影響不明顯；邵帥等[16]認(rèn)為中國城市化水平與霧霾污染之間呈現(xiàn)正向單調(diào)線性關(guān)系。綜上，已有研究已經(jīng)取得了豐富的成果，但仍存在以下不足：首先，在時空演變特征方面，已有研究主要采用ESDA方法，對空間截面數(shù)據(jù)進(jìn)行時序分析，忽視了霧霾污染在時間維度的變化，缺乏時空交互視角的分析；其次，已有研究霧霾污染的時空格局演化特征對影響因素及其作用關(guān)系的研究相對缺乏，對演化機理剖析不夠透徹；第三，缺乏針對不同污染程度的機理的分析，進(jìn)而在制訂“共同但有區(qū)別”的霧霾污染治理對策方面存在不足。Rey提出的ESTDA框架能夠有效克服ESDA只針對截面數(shù)據(jù)，而忽略時間維度的問題[17]；將分位數(shù)回歸結(jié)果與不同時空躍遷類型進(jìn)行深度嵌套，嵌套結(jié)果能夠很好地揭示時空躍遷的作用機制[18]。因此，本文以長三角城市群為研究對象，借助ESTDA框架的LISA時間路徑和時空躍遷等方法分析霧霾污染的時空聯(lián)動特征，并將時空躍遷與分位數(shù)回歸模型進(jìn)行嵌套，探索不同時空躍遷驅(qū)動機制模式。最后針對不同城市提出不同的對策建議。

長三角城市群是我國經(jīng)濟發(fā)達(dá)、城市集聚和人口密集地區(qū)，其經(jīng)濟發(fā)展模式具有典型性[19]。長三角城市群整體上PM2.5濃度較高，大部分城市未達(dá)到國家環(huán)境空氣質(zhì)量二級標(biāo)準(zhǔn)，是中國霧霾污染的重點區(qū)域[20]。因此，研究長三角城市群霧霾污染，一方面為長三角城市群不同程度霧霾污染的城市提出相關(guān)對策建議，另一方面能夠為其他區(qū)域霧霾污染治理提供借鑒性思路。

1 研究方法與數(shù)據(jù)來源

1.1 LISA時間路徑

LISA時間路徑是一種LISA馬爾科夫轉(zhuǎn)移矩陣的連續(xù)性表達(dá)方式，可以對Moran’sI散點圖中不同空間單元的坐標(biāo)轉(zhuǎn)移進(jìn)行連續(xù)性的表達(dá)[21]。LISA時間路徑可以分析地理現(xiàn)象的時空動態(tài)性，揭示區(qū)域內(nèi)地理現(xiàn)象變化的協(xié)同演化和局部差異[17,22]。根據(jù)其幾何特征，可分解為路徑長度和彎曲度。其中，相對長度反映局部空間結(jié)構(gòu)的動態(tài)性特征，相對長度越長，表明局部范圍內(nèi)，某城市或其相鄰城市霧霾污染增長更具潛力；彎曲度反映局部空間結(jié)構(gòu)波動性特征，彎曲度越大，表明某城市的霧霾污染空間依賴效應(yīng)較強，即受相鄰城市的影響較大，同時，自身霧霾污染隨著時間推移波動越顯著。不同年份的LISA坐標(biāo)的移動路徑可以表示為[(yi,1,yLi,1),(yi,2,yLi,2),…，(yi,t,yLi,t)]，其 中Li,t為 城 市i在 第t年的霧霾污染的標(biāo)準(zhǔn)化值（應(yīng)用z-score標(biāo)準(zhǔn)化進(jìn)行處理），yLi,t為城市i在t年的空間滯后項[23]。

式中：d表示時間路徑長度，其值越大，說明局部空間結(jié)構(gòu)動態(tài)性越強烈；f表示路徑彎曲度，其值越大，說明LISA時間路徑越彎曲，則局部空間結(jié)構(gòu)的波動性越曲折；N表示城市數(shù)量；T表示時間間隔；d(Li,t,Li,t+1)是i城市在t和t+1年的移動距離。

1.2 時空躍遷

為了進(jìn)一步探索在局部空間中，相鄰城市霧霾污染空間關(guān)系的演變，引入時空躍遷分析[24]?；贚ISA時間路徑，Rey結(jié)合Moran’s I散點圖中不同單元的局部空間類型轉(zhuǎn)移情況，提出時空躍遷，并將時空躍遷并劃分為4種類型（表1）。

表1 LISA時空躍遷類型

1.3 分位數(shù)回歸模型

分位數(shù)回歸模型可以估計在不同分位數(shù)下的解釋變量和被解釋變量的線性關(guān)系，其對分布假設(shè)的要求不高，把加權(quán)平均殘差絕對值作為最小化目標(biāo)函數(shù)[25]，所以估計結(jié)果受極端值的影響較小，具有較強的穩(wěn)健性[26]。分位數(shù)回歸的結(jié)果可以與不同時空躍遷類型進(jìn)行深度嵌套[18]，可以揭示不同影響因素對城市霧霾污染時空躍遷的作用機制。

假設(shè)隨機變量Y的概率分布為：

Y的τ分位數(shù)定義為滿足F(y)的最小y值，即：F(y)的τ分位數(shù)q(τ)可以由最小化關(guān)于ξ的目標(biāo)函數(shù)得到，即：

式中：argminξ{ }函數(shù)表示取函數(shù)最小值時ξ的取值。

1.4 數(shù)據(jù)來源

鑒于數(shù)據(jù)來源問題，本文研究期限為2000—2016年。其中，霧霾數(shù)據(jù)以美國哥倫比亞大學(xué)社會經(jīng)濟數(shù)據(jù)和應(yīng)用中心公布的、衛(wèi)星監(jiān)測的全球PM2.5濃度年均值的柵格數(shù)據(jù)為基礎(chǔ)，并將其解析為不同城市PM2.5濃度的具體數(shù)值。為了保證數(shù)據(jù)的可靠性與平穩(wěn)性，PM2.5濃度數(shù)據(jù)為原始數(shù)據(jù)的三年滑動平均值，其他數(shù)據(jù)也做相應(yīng)的滑動平均處理。其余數(shù)據(jù)來源于2000—2016年的《中國城市統(tǒng)計年鑒》《上海統(tǒng)計年鑒》《江蘇統(tǒng)計年鑒》《浙江統(tǒng)計年鑒》《安徽統(tǒng)計年鑒》以及各城市統(tǒng)計年鑒。為消除價格波動的影響，相關(guān)數(shù)據(jù)均轉(zhuǎn)變?yōu)?000不變價。

2 結(jié)果分析

2.1 霧霾污染的時空演變特征及空間自相關(guān)分析

首先對長三角城市群的霧霾污染的變化趨勢及區(qū)域差異進(jìn)行分析，結(jié)果如圖1所示。2000—2016年，各城市平均PM2.5濃度呈現(xiàn)出波動變化趨勢；2000—2008年，呈現(xiàn)出波動上升的趨勢，2000年平均濃度最低，為30.79 μg/m3，2008年達(dá)到52.91 μg/m3；2008—2012年，呈現(xiàn)出下降趨勢，2012年平均PM2.5濃度為43.59 μg/m3；2012—2015年，呈現(xiàn)出上升趨勢，2015年的濃度最高，達(dá)到53.50 μg/m3；2016年，PM2.5濃度再次下降，達(dá)到45.08 μg/m3。借助基尼系數(shù)可知，城市PM2.5濃度的區(qū)域差異也呈現(xiàn)出波動趨勢，大部分年份圍繞在0.120上下波動，2014年之后明顯上升，2016年達(dá)到0.159，區(qū)域差異達(dá)到最大值。由此可知，長三角城市群各城市平均霧霾污染呈現(xiàn)出波動變化趨勢，近年來區(qū)域差異變大。

圖1 長三角城市群平均PM2.5濃度及其基尼系數(shù)演化

從空間分布來看（圖2），2000年，城市霧霾污染呈現(xiàn)出東高西低的特征，常州、無錫、鎮(zhèn)江等城市的PM2.5濃度較高，而臺州、舟山等城市的濃度較低；2008年，逐漸呈現(xiàn)出北高南低的空間分布特征，無錫成為PM2.5濃度最高的城市，蘇州、鎮(zhèn)江等城市濃度也較高，臺州、舟山仍為PM2.5濃度最低的城市；2016年，城市霧霾污染則呈現(xiàn)出東北高西南低的空間分布特征，泰州PM2.5濃度最高，與揚州、鹽城成為前三甲，而臺州、舟山濃度仍然最低。由圖2看出，霧霾的集聚較為明顯，再通過計算2000—2016年長三角城市群26個城市的霧霾污染的全局Moran’s I（表2）來更加精確地分析其集聚程度。通過表2，PM2.5濃度的全局Moran’s I指數(shù)全部為正并且數(shù)值較大，而且通過了1%的顯著性水平檢驗，所以長三角城市群的霧霾污染存在較為明顯的正向的空間自相關(guān)性，即具有較明顯的空間集聚特征。此外，Moran’s I呈現(xiàn)出波動上升趨勢，表明空間集聚的趨勢越來越明顯。由此看出，長三角城市群的霧霾污染較嚴(yán)重的城市在空間上鄰近，而霧霾污染較低的城市在空間上也相鄰，具有“空間俱樂部”的特征。

圖2 2000—2016年長三角城市群PM2.5濃度（μg/m3）的空間分布

表2 長三角城市群PM2.5濃度的Moran’s I值變化

2.2 PM2.5時空聯(lián)動特征

2.2.1 LISA時間路徑幾何特征分析

借助于LISA時間路徑幾何特征分析長三角城市群霧霾污染的局部空間結(jié)構(gòu)的動態(tài)性及其在空間依賴方向上的波動性，依據(jù)自然斷點法將LISA時間路徑相對長度及彎曲度劃分為4種類型。如圖3所示。整體上看，LISA時間移動路徑較長的城市主要在東北—西南方向上分布，移動路徑較短的城市主要在東南—西北方向上分布。這表明以鹽城、南通為代表的東北部地區(qū)及以宣城、蕪湖為代表的西南部地區(qū)霧霾污染變動幅度較大，具有更加動態(tài)的局部空間結(jié)構(gòu)；以金華、寧波為代表的東南部地區(qū)及以南京、鎮(zhèn)江等為代表的西北部地區(qū)霧霾污染變動幅度較小，具有更加穩(wěn)定局部空間結(jié)構(gòu)。依據(jù)圖3，移動長度大于1.025的共有10個城市，小于1.025的有16個城市，總體上來看，長三角城市群霧霾污染具有穩(wěn)定的局部時空依賴關(guān)系的城市更多，整體上，具有穩(wěn)定的局部空間結(jié)構(gòu)。其中鹽城（1.821）的LISA時間路徑移動長度最大，表明鹽城及其相鄰城市形成了長三角城市群霧霾污染最為波動的局部空間結(jié)構(gòu)，霧霾污染變動幅度較大；金華（0.553）的LISA時間路徑移動長度最短，表明金華及其相鄰城市形成了長三角城市群霧霾污染最為穩(wěn)定的局部空間結(jié)構(gòu)。

通過圖3可知，LISA時間路徑彎曲度較高的城市主要位于長三角城市群的西北部，其中，泰州（21.642）、馬鞍山（19.194）的LISA時間路徑彎曲度最高，表明泰州及馬鞍山霧霾污染的空間依賴效應(yīng)較強，受相鄰城市霧霾污染影響較大。杭州（2.733）、常州（2.875）、紹興（2.889）等城市的LISA時間路徑彎曲度較小，表明這些城市霧霾污染的空間依賴性較小，進(jìn)一步可以反映出這些城市及其領(lǐng)域城市的霧霾污染變化相對穩(wěn)定。依據(jù)圖3，彎曲度大于8.092的城市有10個，小于8.092的城市有16個，總體上，長三角城市群霧霾污染的空間依賴效應(yīng)較弱的城市較多。

圖3 LISA時間路徑的幾何特征

2.2.2 LISA時間路徑移動方向分析

通過對2000—2016年長三角城市群26個城市Moran’s I散點圖位置的變化來計算各個城市LISA坐標(biāo)點的移動方向。如果一個城市移動方向位于0°～90°之間，則此城市與其相鄰城市的霧霾污染呈現(xiàn)出正向協(xié)同增長；位于90°～180°之間，則此城市霧霾污染呈現(xiàn)低增長趨勢，而相鄰城市呈現(xiàn)高增長趨勢；位于180°～270°之間，則此城市與其相鄰城市的霧霾污染呈現(xiàn)出負(fù)向協(xié)同增長；位于270°～360°之間，則此城市霧霾污染呈現(xiàn)出高增長趨勢，而相鄰城市呈現(xiàn)出低增長趨勢[27]。計算結(jié)果如表3所示，整體來看，共有19個城市是協(xié)同增長，占總數(shù)的73.01%，表明長三角城市群霧霾污染空間格局在演化過程中具有較強的空間整合性。其中，正向協(xié)同增長的城市有10個，略多于負(fù)向協(xié)同增長的城市，正向整合略大于負(fù)向整合。表明長三角地區(qū)霧霾污染的空間格局的演變具有較強的正向空間整合性。

表3 LISA時間路徑移動方向

2.2.3 LISA時空躍遷分析

利用時空躍遷分析方法來分析長三角城市群霧霾污染的局部空間關(guān)聯(lián)類型的轉(zhuǎn)移特征，得到Local Moran’s I轉(zhuǎn)移概率矩陣，如表4所示。所有對角線上的數(shù)值要大于非對角線上的數(shù)值，說明城市霧霾污染的類型更趨向于保持不變，不同類別之間的轉(zhuǎn)移較少。在非對角線上，HLt→LLt+1上的轉(zhuǎn)移概率最大，達(dá)到了0.219；LHt→HHt+1的轉(zhuǎn)移數(shù)量最多，有8個城市發(fā)生類型轉(zhuǎn)移；其余各種類型轉(zhuǎn)移的概率及城市數(shù)量較少，表明了長三角地區(qū)霧霾污染的空間結(jié)構(gòu)具有較高的穩(wěn)定性。

表4 Local Moran’s I 轉(zhuǎn)移概率矩陣及空間離散程度

通過對空間離散程度計算可知，長三角城市群霧霾污染為類型Ⅳ型時空躍遷的城市占88.2%，表明霧霾污染的局部空間聯(lián)動性較弱，空間集聚性存在相對較高的路徑鎖定特征；Ⅰ、Ⅱ、Ⅲ時空躍遷類型的比例分別為6.3%、4.3%和1.1%。從躍遷類型的比例來看，長三角城市群的大部分城市的霧霾污染受相鄰城市霧霾污染的溢出效應(yīng)影響較小，城市自身因素對霧霾污染空間結(jié)構(gòu)的改變影響較大。

2.3 PM2.5的時空躍遷機制

2.3.1 影響因素分析

為探析長三角城市群霧霾污染的驅(qū)動機制，本文選取人口密度（PI，常住人口總數(shù)/行政區(qū)面積）、經(jīng)濟發(fā)展水平（PG，人均GDP）、產(chǎn)業(yè)結(jié)構(gòu)（IS，第二產(chǎn)業(yè)增加值比重）、外資強度（FO，實際利用外資占GDP的比重）、政府調(diào)控（GR，政府財政支出占GDP的比重）、投資強度（FI，固定資產(chǎn)投資占GDP的比重）和技術(shù)水平（TC，政府財政支出中科技支出所占比例）等影響因素進(jìn)行分位數(shù)回歸。分位數(shù)回歸結(jié)構(gòu)如表5所示。人口密度在低分位階段，對霧霾污染呈現(xiàn)出促進(jìn)作用；經(jīng)濟發(fā)展在低分位階段能夠制約霧霾濃度的增加，而到了高分位階段轉(zhuǎn)變?yōu)榇龠M(jìn)作用；產(chǎn)業(yè)結(jié)構(gòu)在低分位階段起促進(jìn)作用，高分位階段起制約作用；外資強度和投資強度在高、低分位階段均起促進(jìn)作用；政府調(diào)控在高、低分位階段均起制約作用；技術(shù)水平在低分位階段起促進(jìn)作用，在高分位階段起制約作用。

表5 分位數(shù)回歸與OLS回歸結(jié)果

2.3.2 驅(qū)動機制構(gòu)建

分位數(shù)回歸模型可以較好地解釋不同影響因素對霧霾污染時空躍遷的機理，不同響應(yīng)階段影響因素的分位數(shù)與時空躍遷類型之間具有很強的嵌套性，根據(jù)分位數(shù)回歸模型，可以將分位值劃分為兩種類型：低分位（0.1～0.5）和高分位（0.5～0.9）。依據(jù)不同分位點驅(qū)動因素的系數(shù)的正負(fù)可以劃分為四種類型：低分位驅(qū)動、低分位制約、高分位驅(qū)動和高分位制約。如表6和圖4所示。

低 分 位 制 約 能 夠 解 釋LHt→LHt+1、LHt→LLt+1、LLt→LLt+1、LLt→LHt+1類型的時空躍遷機制，此類型在低分位階段自身狀態(tài)保持不變，即霧霾污染保持在較低水平。同向制約類型包括LHt→LLt+1、LLt→LLt+1兩種躍遷類型，表示臨近城市霧霾污染受阻，污染水平降低或者維持低水平，這兩種類型包括杭州、寧波等10個城市。反向發(fā)展類型包括LHt→LHt+1、LLt→LHt+1，即臨近城市霧霾污染發(fā)生躍遷或維持較高污染水平，宣城市屬于LHt→LHt+1類型。

表6 時空躍遷與分位數(shù)回歸的嵌套結(jié)果

低分位驅(qū)動能夠解釋LHt→HLt+1、LHt→HHt+1、LLt→HLt+1、LLt→HHt+1類型的時空躍遷機制，此類型在低分位階段使自身單元由低向高發(fā)生躍遷，即城市自身霧霾污染加重。同向發(fā)展包括LHt→HHt+1、LLt→HHt+1類型，臨近城市霧霾污染增加或者保持較高水平，這兩種類型包括上海、合肥等四個城市。本研究區(qū)域中，并沒有城市屬于反向發(fā)展類型。

高分位制約能夠解釋HLt→HLt+1、HLt→HHt+1、HHt→HLt+1、HHt→HHt+1類型，此類型城市的霧霾污染在高分位段上發(fā)展受阻，霧霾污染由高向低躍遷。HLt→LLt+1、HHt→LLt+1屬于同向制約，表示臨近城市霧霾污染受到抑制；HLt→LHt+1、HHt→LHt+1屬于反向發(fā)展，表示鄰近城市污染增加。在高分位制約相應(yīng)類型中，只有湖州屬于HHt→LHt+1類型。

高分位驅(qū)動能夠解釋HLt→HHt+1、HHt→HHt+1、HLt→HLt+1、HHt→HLt+1，此種類型表示在高分位階段，城市本身能夠保持較高污染水平。其中HLt→HHt+1、HHt→HHt+1為同向發(fā)展，表示臨近城市污染增加或者保持較高污染水平，南京、無錫、常州等9個城市屬于此種類型。HLt→HLt+1、HHt→HLt+1屬于反向發(fā)展，表示臨近城市霧霾污染受到抑制，嘉興屬于此種類型。

2.3.3 要素模式構(gòu)建

圖4 長三角城市群分位數(shù)響應(yīng)及發(fā)展方向空間格局

將霧霾污染時空躍遷類型與分位數(shù)回歸模型進(jìn)行嵌套，對長三角城市群霧霾污染的時空動態(tài)性演變機理進(jìn)行分析，建立調(diào)控—經(jīng)濟制約、投資—外資驅(qū)動、調(diào)控—結(jié)構(gòu)制約三種城市霧霾污染時空躍遷的驅(qū)動/制約模式，如圖5所示。

調(diào)控—經(jīng)濟制約：低分位制約類型屬于此模式，政府調(diào)控、經(jīng)濟發(fā)展水平是抑制霧霾污染最顯著的因素。在此模式下，隨著當(dāng)?shù)卣{(diào)控的加強及經(jīng)濟發(fā)展水平的提高，有助于霧霾污染程度的減弱。低分位制約模式的城市數(shù)量多于低分位驅(qū)動模式的城市，表明霧霾污染位于低分位的城市，更多是抑制霧霾污染的增加。在空間上，此制約模式的城市主要位于長三角城市群的浙江及安徽部分，分布較為集聚，具有明顯的集聚特征。除宣城之外，杭州、寧波、蕪湖等城市均為同向制約，與其相鄰城市均能夠在政府調(diào)控或經(jīng)濟發(fā)展水平的影響下，使霧霾維持較低水平。宣城屬于反向發(fā)展，臨近城市霧霾污染加重。

圖5 長三角城市群霧霾污染時空躍遷驅(qū)動機制模式

投資—外資驅(qū)動：低分位驅(qū)動及高分位驅(qū)動類型均屬于此種驅(qū)動模式。在低分位驅(qū)動模式中，投資強度、外資強度、產(chǎn)業(yè)結(jié)構(gòu)是促進(jìn)霧霾污染的主要因素。在霧霾污染相對較低的情況下，固定資產(chǎn)投資及實際利用外資強度的增加以及第二產(chǎn)業(yè)增加值比重的增加均促進(jìn)了上海、合肥、南通和滁州四個城市霧霾污染實現(xiàn)躍遷，霧霾污染程度增加。低分位驅(qū)動類型的城市均為同向發(fā)展，在自身霧霾污染實現(xiàn)躍遷的同時，相鄰城市的霧霾污染變化也呈現(xiàn)出協(xié)同發(fā)展趨勢。在高分位驅(qū)動類型中，投資強度、外資強度及經(jīng)濟發(fā)展水平是促進(jìn)霧霾污染增加的主要因素。其中，投資強度和外資強度的影響系數(shù)較大，對此類型的霧霾污染濃度增加的影響較大。經(jīng)濟發(fā)展水平僅在0.7和0.8分位數(shù)上通過顯著性檢驗，但是影響系數(shù)要遠(yuǎn)小于投資強度和外資強度。此類型的城市包括南京、蘇州等城市，主要位于長三角城市群的江蘇部分，在空間上具有集中分布的特征。除浙江嘉興以外，其他城市均為同向發(fā)展，因此，南京、蘇州等城市霧霾污染增加的同時，也對周圍城市的霧霾增加起到了推動作用。嘉興屬于反向發(fā)展城市，自身霧霾污染雖然增加，但是其鄰近城市的霧霾污染得到了抑制。

調(diào)控—結(jié)構(gòu)制約：高分位制約屬于此種模式，產(chǎn)業(yè)結(jié)構(gòu)、政府調(diào)控和技術(shù)水平對霧霾污染呈現(xiàn)抑制作用。僅有湖州屬于此模式，并且表現(xiàn)為反向發(fā)展，此類型城市數(shù)量遠(yuǎn)少于其他類型的城市數(shù)量，表明高分位制約的瓶頸相對較高，不易沖破。

總體上，長三角城市群霧霾污染的時空躍遷驅(qū)動模式呈現(xiàn)出自北至南由同向發(fā)展向同向制約分布的空間格局。其中，在低分位階段，霧霾污染受要素制約的城市比較多，要素驅(qū)動的城市比較少；在高分位階段，霧霾污染受要素驅(qū)動的城市比較多，要素制約的城市比較少。

3 結(jié)論與對策建議

本文通過對2000—2016年長三角城市群霧霾污染的時空演化特征及驅(qū)動機制進(jìn)行分析，得到以下結(jié)論。

（1）長三角城市群各城市平均霧霾污染呈現(xiàn)出波動變化的趨勢，近年來區(qū)域差異變大。霧霾污染存在較明顯的空間集聚特征，并且空間集聚的趨勢越來越明顯，具有“空間俱樂部”的特征。

（2）LISA時間移動路徑較長的城市主要在東北—西南方向上分布，移動路徑較短的城市主要在東南—西北方向上分布?？傮w上，具有穩(wěn)定的局部空間結(jié)構(gòu)的城市更多。LISA時間路徑彎曲度較高的城市主要位于長三角城市群的西北部，總體上，具有相對穩(wěn)定的空間依賴方向。長三角地區(qū)霧霾污染的空間格局演變具有較強的正向空間整合性。

（3）長三角地區(qū)霧霾污染的空間結(jié)構(gòu)具有較高的穩(wěn)定性，城市霧霾污染的類型更趨向于保持不變，不同類別之間的轉(zhuǎn)移較少。大部分城市霧霾污染受相鄰城市霧霾污染溢出效應(yīng)的影響較小，城市自身因素對霧霾污染空間結(jié)構(gòu)改變的影響較大。

（4）長三角城市群霧霾污染的時空躍遷驅(qū)動模式呈現(xiàn)出自北至南由同向發(fā)展向同向制約分布的空間格局。其中，在低分位階段，霧霾污染受要素制約的城市比較多，要素驅(qū)動的城市比較少；在高分位階段，霧霾污染受要素驅(qū)動的城市比較多，要素制約的城市比較少。低分位制約類型的城市屬于調(diào)控—經(jīng)濟制約模式，分布較為集聚，具有明顯的集聚特征。低分位驅(qū)動及高分位驅(qū)動類型均屬于投資—外資驅(qū)動模式；上海等低分位驅(qū)動類型的城市均為同向發(fā)展，在自身霧霾污染實現(xiàn)躍遷的同時，相鄰城市的霧霾污染變化也呈現(xiàn)出協(xié)同發(fā)展趨勢；高分位驅(qū)動類型的城市包括南京、蘇州等城市，在空間上具有集中分布的特征。高分位制約屬于調(diào)控—結(jié)構(gòu)制約模式，僅有湖州屬于此模式，并且表現(xiàn)為反向發(fā)展，此類型城市數(shù)量遠(yuǎn)少于其他類型的城市數(shù)量，表明高分位制約的瓶頸相對較高，不易沖破。

通過對長三角城市群霧霾污染及其時空躍遷機制的分析，可采取差異化的霧霾污染治理措施。經(jīng)濟發(fā)展水平對杭州、寧波等低分位制約城市的霧霾污染起抑制作用，在經(jīng)濟新常態(tài)下，樹立高質(zhì)量發(fā)展意識，提升經(jīng)濟發(fā)展水平，有利于此類城市霧霾污染的治理。產(chǎn)業(yè)結(jié)構(gòu)對湖州等高分位制約類型城市的霧霾污染起抑制作用，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，減少高污染、高消耗的產(chǎn)業(yè)的比例，有利于此類型城市霧霾污染的治理。投資強度和外資強度對上海等低分位驅(qū)動類型和南京等高分位驅(qū)動類型城市的霧霾污染起促進(jìn)作用，因此，應(yīng)該優(yōu)化投資結(jié)構(gòu)，合理引導(dǎo)外資投資，同時設(shè)置投資的環(huán)境門檻。政府調(diào)控對高分位制約和低分位制約城市的霧霾污染均起到了抑制作用，對于此類型的城市，應(yīng)該積極發(fā)揮政府的資源配置和宏觀調(diào)控能力，同時應(yīng)該建立起規(guī)范化和約束性體制，合理引導(dǎo)政府的調(diào)控功能，規(guī)范政府行為。此外，技術(shù)水平對高分位制約類型城市的霧霾污染起抑制作用，加大科技投入，發(fā)展和引進(jìn)綠色節(jié)能、污染治理等新技術(shù)，加大對資源的利用程度，有利于霧霾污染的治理。