陳 振， 葉向陽(yáng)

（河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，鄭州 450002）

近年來(lái)，隨著經(jīng)濟(jì)的高速增長(zhǎng)以及人們生活水平的提高，交通業(yè)也在持續(xù)高速發(fā)展，機(jī)動(dòng)車(chē)保有量增長(zhǎng)率在近十年高達(dá)36.69%. 隨著交通運(yùn)輸活動(dòng)的持續(xù)增長(zhǎng)，交通工具已經(jīng)成為全球溫室氣體的重要排放源. 機(jī)動(dòng)車(chē)已成為CO2排放最重要和增長(zhǎng)最快的領(lǐng)域之一［1］，高濃度的污染物如CO2、PM2.5和氮氧化物等排放物質(zhì)，不僅會(huì)對(duì)大氣造成污染，帶來(lái)經(jīng)濟(jì)損失，還會(huì)影響居民健康. 為控制全球氣候變化，如何在2030年前實(shí)現(xiàn)碳達(dá)峰目標(biāo)已經(jīng)成為國(guó)際熱點(diǎn)問(wèn)題.

為降低大氣污染、緩解交通擁堵，中國(guó)已經(jīng)采取了很多方法來(lái)解決. 例如擁堵收費(fèi)［2-3］、限行政策［4］、限購(gòu)政策［5］、提高停車(chē)收費(fèi)等措施，其中限行政策被廣泛使用. 現(xiàn)有研究中，關(guān)于機(jī)動(dòng)車(chē)限行政策能否降低空氣污染、降低交通擁堵效應(yīng)的討論始終存在，討論的結(jié)果主要分為兩種不同觀點(diǎn)：第一種觀點(diǎn)認(rèn)為限行政策能夠很好地解決空氣污染和交通擁堵，孫傳旺和徐淑華［6］基于雙重差分模型認(rèn)為一般限行政策和特殊限行政策均不同程度地緩解了大氣污染，并且限行區(qū)域越大，限行的車(chē)輛越多，減排效果越顯著；雷淥瑨等［7］運(yùn)用線性回歸和時(shí)間序列自回歸分布滯后模型，回歸結(jié)果顯示，日常工作日實(shí)行的尾號(hào)限行政策能顯著改善空氣質(zhì)量；袁曉玲等［8］通過(guò)研究西安市各項(xiàng)空氣質(zhì)量指標(biāo)，得出機(jī)動(dòng)車(chē)限行政策的實(shí)施雖不能有效降低空氣污染程度，但可以相對(duì)減緩空氣污染進(jìn)一步加重的速度；陳志梅和阮婷［9］利用系統(tǒng)動(dòng)力學(xué)模型研究天津市限行政策效果，研究結(jié)果表明，采取實(shí)施機(jī)動(dòng)車(chē)尾號(hào)限行政策來(lái)抑制小汽車(chē)的出行需求，從而能夠在一定程度上緩解城市交通擁堵的狀況.另一種觀點(diǎn)認(rèn)為限行政策在短期內(nèi)有明顯效果，但隨著時(shí)間的推移，限行政策的效果在逐漸消退，陳振等［10］運(yùn)用系統(tǒng)動(dòng)力學(xué)與灰色Verhulst預(yù)測(cè)相結(jié)合的方法，探究限行政策的作用效果，認(rèn)為限行政策沒(méi)有從根本上提升空氣質(zhì)量、緩解交通擁堵，只是把問(wèn)題往后推遲. 王亞偉和錢(qián)子航［11］認(rèn)為對(duì)載客汽車(chē)實(shí)施限行政策短期內(nèi)能夠緩解交通問(wèn)題，但從長(zhǎng)期來(lái)看存在副作用，對(duì)載貨汽車(chē)實(shí)施限行政策總體來(lái)說(shuō)弊大于利；王振振等［12］的研究表明，隨著限行政策實(shí)施周期的延長(zhǎng)，政策效果呈逐漸減弱趨勢(shì)；Tu等［13］采用反距離加權(quán)模型得到DRP在南京市交通分析區(qū)域可顯著降低NO2含量的升高速度，但由于決策者選擇不同，在某些地區(qū)NO2含量的上升速度會(huì)更快.

機(jī)動(dòng)車(chē)大氣污染物及CO2減排對(duì)于改善空氣質(zhì)量和緩解氣候變化具有重要的作用［14］，因此越來(lái)越多的學(xué)者研究如何降低機(jī)動(dòng)車(chē)尾氣造成的環(huán)境污染. 陳振［10］提出將發(fā)展公共交通與限行政策相結(jié)合可以有效緩解交通擁堵，改善空氣質(zhì)量，提升環(huán)境承載力；Dey等［15］和Zhang等［16］采用COPERT模型分別建立了柏林和北京機(jī)動(dòng)車(chē)主要大氣污染物排放清單，為機(jī)動(dòng)車(chē)污染防治和協(xié)同控制提供參考和支撐；馬壯林等提出提高公共交通服務(wù)水平有助于吸引僅有一輛車(chē)的出行者在限行日選擇公共交通方式出行，道路暢通有助于吸引有多輛車(chē)的出行者在限行日選擇公共交通方式出行［17］；Chen和Lei［18］采用通徑分析模型估算機(jī)動(dòng)車(chē)對(duì)北京市交通CO2排放的直接、間接和總影響，提出要想進(jìn)一步抑制交通運(yùn)輸碳排放增長(zhǎng)，應(yīng)適當(dāng)提高人口素質(zhì)，控制機(jī)動(dòng)車(chē)規(guī)模，開(kāi)發(fā)和推廣清潔能源，降低交通能源強(qiáng)度和交通強(qiáng)度.

在上述的研究基礎(chǔ)上，本文采用系統(tǒng)動(dòng)力學(xué)方程構(gòu)建一種私家車(chē)限行政策效應(yīng)模型，以北京市為例，對(duì)私家車(chē)限行政策的CO2和PM2.5減排效果進(jìn)行動(dòng)態(tài)評(píng)估. 針對(duì)長(zhǎng)期蘊(yùn)藏的副作用，引入財(cái)政政策，通過(guò)調(diào)試財(cái)政政策影響因子，探究相對(duì)優(yōu)化的情景方案，進(jìn)一步推進(jìn)城市交通碳達(dá)峰的進(jìn)程.

1 邊界分析

1.1 因果回路分析

本文將環(huán)境管理模型分為經(jīng)濟(jì)、交通、環(huán)境和人口四個(gè)子系統(tǒng)，各個(gè)子系統(tǒng)的因果反饋關(guān)系是系統(tǒng)動(dòng)力學(xué)建模的基礎(chǔ)與前提. 本文主要討論限行政策對(duì)CO2和PM2.5的影響，主要因果回路見(jiàn)圖1. 其中對(duì)CO2的影響見(jiàn)回路1～2，對(duì)PM2.5的影響見(jiàn)回路3～4.

圖1 因果回路圖Fig.1 Causal circuit diagram

回路1和回路3為正反饋. 當(dāng)限行政策實(shí)施時(shí)，會(huì)誘發(fā)一些家庭購(gòu)買(mǎi)第二輛車(chē)［19］，導(dǎo)致私家車(chē)數(shù)量及私家車(chē)出行量也會(huì)隨之增加，私家車(chē)排放的CO2和PM2.5量增加，導(dǎo)致CO2污染程度和PM2.5污染程度增加. 限行政策未能降低CO2污染程度和PM2.5污染程度，造成的溫室效應(yīng)影響程度增加，溫室效應(yīng)影響程度增加又反過(guò)來(lái)促使政府加大限行政策的實(shí)施力度.

回路2和回路4為負(fù)反饋. 當(dāng)政府實(shí)施財(cái)政政策后，通過(guò)加大環(huán)境投資占GDP的比重，從而使CO2環(huán)保投資比重和PM2.5環(huán)保投資比重增加，從而使CO2和PM2.5處理量變大，那么CO2污染量和PM2.5年均濃度就會(huì)相應(yīng)減少，溫室效應(yīng)影響程度降低，從而削弱CO2和PM2.5存量.

因此，限行政策雖然短期內(nèi)可以降低環(huán)境污染，減少交通擁堵程度. 但長(zhǎng)期來(lái)看，會(huì)刺激第二輛車(chē)的購(gòu)買(mǎi)，導(dǎo)致私家車(chē)排放的CO2和PM2.5量增加，具有一定的副作用. 財(cái)政政策能夠抑制CO2和PM2.5的排放，通過(guò)增加處理量降低空氣中的CO2和PM2.5的存量，進(jìn)而達(dá)到保護(hù)環(huán)境的作用，助推城市交通碳達(dá)峰目標(biāo)的順利實(shí)施.

1.2 系統(tǒng)動(dòng)力學(xué)模型建立

系統(tǒng)動(dòng)力學(xué)是系統(tǒng)科學(xué)理論與計(jì)算機(jī)仿真緊密結(jié)合、研究系統(tǒng)反饋結(jié)構(gòu)與行為的一門(mén)科學(xué). 利用系統(tǒng)動(dòng)力學(xué)是將定性與定量結(jié)合、系統(tǒng)綜合推理的方法［20］. 北京市作為中國(guó)第一個(gè)實(shí)施限行政策的城市，對(duì)北京市的限行政策進(jìn)行效應(yīng)分析具有重要意義. 根據(jù)圖1的因果分析圖，以北京市2010—2020年歷史數(shù)據(jù)為依據(jù)，建立一個(gè)包含限行政策、財(cái)政政策、CO2污染量和PM2.5年均濃度等變量的私家車(chē)系統(tǒng)動(dòng)力學(xué)模型，見(jiàn)圖2.

圖2 私家車(chē)交通系統(tǒng)流圖Fig.2 Private car traffic system flow diagram

1.3 主要參數(shù)與方程

參考《中國(guó)機(jī)動(dòng)車(chē)環(huán)境管理年報(bào)》《北京交通發(fā)展年度報(bào)告》和《中國(guó)統(tǒng)計(jì)年鑒》等資料，在進(jìn)行仿真時(shí)對(duì)模型中的一些常數(shù)、狀態(tài)變量的初始值和非線性函數(shù)進(jìn)行賦值. 其中主要常數(shù)和狀態(tài)變量初始值見(jiàn)表1.

表1 主要變量參數(shù)及初始值（2010年）Tab.1 Main variable parameters and initial values（2010）

模型的主要方程如下所示.

1）人口=INTEG（出生人口+遷入人口-死亡人口，1.961 9×107）.

2）出生人口=人口×出生率.

3）私家車(chē)汽油燃油量=私家車(chē)出行量×私家車(chē)年均行駛里程×百公里油耗×汽油氧化系數(shù)÷100.

4）車(chē)均道路面積=年末實(shí)際道路面積÷機(jī)動(dòng)車(chē)出行量.

5）年末實(shí)際道路面積=INTEG（道路面積增長(zhǎng)量，9.395×107）.

6）私家車(chē)增長(zhǎng)率表函數(shù)=WITH LOOKUP（人均GDP，（［（0，0）-（300 000，0.3）］，（75 360，0.03），（83 547，0.030 443），（89 778，0.040 715），（97 178，0.045 324），（102 869，0.026 7），（109 603，0.004 668），（118 198，0.019 912），（128 994，0.032 538），（150 962，0.027 311），（161 776，0.049 08），（164 889，0.040 983 6），（165 324，0.029），（169 198，0.029），（176 239，0.029），（180 001，0.029），（186 321，0.029），（192 123，0.029），（197 374，0.029），（200 798，0.029），（205 498，0.029），（211 001，0.029）））.

7）私家車(chē)報(bào)廢量=私家車(chē)數(shù)量×私家車(chē)報(bào)廢率.

8）私家車(chē)增長(zhǎng)量=私家車(chē)增長(zhǎng)率×私家車(chē)數(shù)量.

9）私家車(chē)數(shù)量=INTEG（私家車(chē)增長(zhǎng)量-私家車(chē)報(bào)廢量，3.9×106）.

10）私家車(chē)出行量=私家車(chē)數(shù)量×私家車(chē)出行比例×限行政策.

11）實(shí)際停車(chē)位數(shù)量=WITH LOOKUP（Time，（［（2010，0）-（2030，2×106）］，（2010，1.394 5×106），（2011，1.471 43×106），（2012，1.611 37×106），（2013，1.574 13×106），（2014，1.757 72×106），（2015，1.905 95×106），（2016，1.931 48×106），（2017，1.905 95×106），（2018，1.757 72×106），（2019，1.703 61×106），（2020，1.707 98×106），（2021，1.833 81×106），（2022，1.839 83×106），（2023，1.844 48×106），（2024，1.848 08×106），（2025，1.852 99×106），（2026，1.854 64×106），（2027，1.855 98×106），（2028，1.855 92×106），（2029，1.856 9×106），（2030，1.857 65×106）））.

12）CO2環(huán)保投資=CO2環(huán)保投資比重×環(huán)保投資.

13）CO2排放量=私家車(chē)燃油量×CO2排放因子.

14）PM2.5年均濃度=INTEG（PM2.5排放量-PM2.5處理量，90）.

15）溫室效應(yīng)影響程度=CO2污染程度×a+PM2.5污染程度×b，其中a＞0，b＜1.

1.4 模型檢驗(yàn)

為確保模型的合理性與魯棒性，對(duì)模型進(jìn)行歷史性檢驗(yàn). 以GDP和私家車(chē)數(shù)量為例，將歷史數(shù)據(jù)與模擬數(shù)據(jù)進(jìn)行比較，對(duì)比結(jié)果如表2所示.

表2 GDP和私家車(chē)數(shù)量誤差檢驗(yàn)結(jié)果Tab.2 GDP and the number of private cars error test results

由表2 可以發(fā)現(xiàn)，在2010—2020 年內(nèi)，GDP 和私家車(chē)數(shù)量最大誤差分別為3.88%和-3.97%. 誤差均在5%以內(nèi)，說(shuō)明模型擬合程度高，模型能反映現(xiàn)實(shí)情況，合理可用，可進(jìn)行下一步仿真.

2 仿真結(jié)果

2.1 限行政策

限行政策最先于2007年在北京試用，隨后我國(guó)一些城市，例如天津、上海、成都、鄭州等也相繼實(shí)行限行政策，有的城市是劃分區(qū)域限行，有的是時(shí)間段不同進(jìn)行限行，限行政策也分為單雙號(hào)限行和按尾號(hào)與對(duì)應(yīng)日期限行等. 限行區(qū)域、時(shí)間和程度不同，進(jìn)行的機(jī)動(dòng)車(chē)數(shù)量也不相同，根據(jù)城市的不同特點(diǎn)，城市的限行效果也不同.

將北京市目前實(shí)行的每天限制兩個(gè)機(jī)動(dòng)車(chē)尾號(hào)定量化輸入系統(tǒng)動(dòng)力學(xué)模型中，得到CO2污染程度、PM2.5污染程度、溫室效應(yīng)程度和車(chē)均道路面積的仿真圖，如圖3所示. 可以看出，在仿真前期，PM2.5污染程度和溫室效應(yīng)影響程度有了下降趨勢(shì)，但只維持了四年左右，CO2污染程度在前期增長(zhǎng)十分緩慢. 但在仿真末期，CO2持續(xù)上升，2030年沒(méi)能實(shí)現(xiàn)碳達(dá)峰目標(biāo)；PM2.5在2030年屬于穩(wěn)定情況，沒(méi)有降低的趨勢(shì)；溫室效應(yīng)影響程度與CO2污染程度和PM2.5污染程度相關(guān)，所以溫室效應(yīng)影響程度在仿真后期也在持續(xù)上升.

圖3 限行政策下仿真圖Fig.3 Simulation diagram under driving restriction policies

這是限行政策所存在的一個(gè)副作用，雖然限行政策短期來(lái)看可以降低溫室效應(yīng)影響程度，提高空氣質(zhì)量. 但長(zhǎng)期來(lái)看，限行政策并不能降低溫室效應(yīng)影響程度. 可能是公共交通設(shè)施的完善程度和路網(wǎng)設(shè)計(jì)的合理程度跟不上限行政策所實(shí)施的前提條件，人們乘坐公共交通的不方便、時(shí)間過(guò)長(zhǎng)和“最后一公里”等問(wèn)題，導(dǎo)致一些家庭選擇購(gòu)買(mǎi)尾號(hào)不同的私家車(chē)來(lái)出行，至使私家車(chē)保有量增加，限行后的路面車(chē)輛并未減少，反而私家車(chē)保有量的增加還會(huì)引發(fā)停車(chē)位緊張和交通事故率增加等問(wèn)題. 因此環(huán)境污染問(wèn)題并沒(méi)有得到解決，私家車(chē)排放的CO2和PM2.5依然在增加.

2.2 財(cái)政政策

針對(duì)限行政策的副作用，本文引入財(cái)政政策來(lái)治理空氣污染問(wèn)題. 選取環(huán)境保護(hù)投資比重、CO2環(huán)境保護(hù)投資比重和PM2.5環(huán)境保護(hù)投資比重作為財(cái)政政策的調(diào)控因子. 在保證其他變量不變的情況下，通過(guò)兩種不同情景賦予不同的參數(shù)值進(jìn)行比較，見(jiàn)表2. 根據(jù)國(guó)家統(tǒng)計(jì)局歷年環(huán)境污染治理投資總額計(jì)算可知，目前我國(guó)環(huán)境保護(hù)投資比重為1.59%，環(huán)境保護(hù)投資占GDP的比重最高不會(huì)超過(guò)2%. 根據(jù)財(cái)政政策的實(shí)施力度大小，將減排分為綠色低碳和強(qiáng)化低碳兩種不同情景. 本文將綠色低碳情景下環(huán)境保護(hù)投資比重系數(shù)調(diào)整為2%，強(qiáng)化低碳情景下環(huán)境保護(hù)投資比重系數(shù)調(diào)整為3%. 將CO2污染程度、PM2.5污染程度、溫室效應(yīng)程度和車(chē)均道路面積作為考察變量，考察不同情景下的變量變化趨勢(shì)，結(jié)果見(jiàn)圖4.

表2 財(cái)政政策調(diào)控因子Tab.2 Fiscal policy adjustment factor

圖4 財(cái)政政策下仿真圖Fig.4 Simulation diagram under fiscal policy

財(cái)政政策是從污染治理方面增加污染物處理量，從而減少大氣中的污染物存量. 觀察圖5（a）可以看到，在仿真前期，綠色低碳和強(qiáng)化低碳情景對(duì)CO2污染程度的影響趨勢(shì)一致. 但隨著時(shí)間的推移，兩條曲線的差距逐漸拉開(kāi)，尤其在仿真末期，從2028年CO2污染程度增長(zhǎng)率開(kāi)始下降，在2030年強(qiáng)化低碳情景下達(dá)到碳達(dá)峰目標(biāo)，綠色低碳依然在上升趨勢(shì). 同理，PM2.5污染程度也是在仿真前期兩條曲線變化幅度一致，但仿真后期，強(qiáng)化低碳情景下PM2.5污染程度越來(lái)越低，直至2030年仿真結(jié)束，兩種情景導(dǎo)致污染程度相差越來(lái)越大. 財(cái)政政策對(duì)交通子系統(tǒng)中的道路面積也有一定的影響，提高加大財(cái)政政策力度，年末道路面積會(huì)提高，車(chē)均道路面積也隨之提高. 在仿真前期，兩種情景對(duì)車(chē)均道路面積影響一樣，隨著時(shí)間的推移，政策實(shí)施的力度越大，車(chē)均道路面積越大，直至2030年差距最明顯. 究其原因可能是財(cái)政政策存在時(shí)效性，效果并不會(huì)立刻顯現(xiàn)，需要一些時(shí)間來(lái)實(shí)現(xiàn)其效果. 所以當(dāng)政府想要采取財(cái)政政策時(shí)，要考慮政策顯現(xiàn)效果的時(shí)間，做好提前規(guī)劃.

對(duì)比強(qiáng)化低碳與綠色低碳方案，當(dāng)實(shí)施財(cái)政政策力度更大的強(qiáng)化低碳時(shí)，與綠色低碳相比CO2污染程度降低18.3%，PM2.5污染程度降低24%，溫室效應(yīng)影響程度降低8.47%，車(chē)均道路面積提高了2.94%. 雖然四種主要變量都有優(yōu)化，但與CO2污染程度和PM2.5污染程度相比，溫室效應(yīng)影響程度和車(chē)均道路面積的優(yōu)化程度較低. 究其原因可能是因?yàn)樨?cái)政政策具有激勵(lì)作用，尤其是有針對(duì)性財(cái)政政策，比如加大CO2環(huán)境保護(hù)投資比重和PM2.5環(huán)境保護(hù)投資比重，因此那么污染物的存量就會(huì)相應(yīng)降低.

2.3 組合政策

將限行政策與財(cái)政政策相組合，由上述財(cái)政政策可知，在強(qiáng)化低碳情景下可以實(shí)現(xiàn)碳達(dá)峰，因此使財(cái)政政策的調(diào)控因子處于強(qiáng)化低碳情景下，見(jiàn)圖5. 對(duì)比限行政策與強(qiáng)化低碳情景的組合政策下CO2污染程度、PM2.5污染程度、溫室效應(yīng)程度和車(chē)均道路面積，如表3所示.

圖5 組合政策下仿真圖Fig.5 Simulation diagram under combined policy

表3 限行政策與組合政策對(duì)比表Tab.3 Comparative table of driving restriction policies and combined policy

從圖5（a）中可以看到，在限行政策下，環(huán)境子系統(tǒng)中的CO2污染程度、PM2.5污染程度和溫室效應(yīng)影響程度在仿真后期仍在繼續(xù)上升，車(chē)均道路面積處于下降趨勢(shì). 再?gòu)膱D5（b）中我們可以看到，在組合政策下，CO2污染程度的增長(zhǎng)率在仿真末期出現(xiàn)下降趨勢(shì)（曲線1），有利于城市交通碳達(dá)峰目標(biāo)的實(shí)現(xiàn). 同時(shí)在碳達(dá)峰目標(biāo)的導(dǎo)向下，組合政策使PM2.5污染程度持續(xù)下降（曲線2），溫室效應(yīng)影響程度在2028年之后得到有效改善（曲線3），車(chē)均道路面積在仿真中后期持續(xù)上升（曲線4）. 這說(shuō)明了組合政策對(duì)環(huán)境子系統(tǒng)和交通子系統(tǒng)的改善具有積極作用.

從表3中我們也可以看到，在2015年、2020年、2025年和2030年，組合政策下的CO2污染程度比限行政策降低了5.6%、4.4%、5.6%和22.9%. 對(duì)比組合政策和限行政策下的PM2.5污染程度，分別下降了0.4%、2.0%、8.2%和43.5%. 溫室效應(yīng)影響程度在2015 年、2020 年、2025 年和2030 年分別降低了1.1%、3.2%、6.2%和36.3%. 車(chē)均道路面積在組合政策下和限行政策下分別提高了1.0%、1.9%、2.9%和3.8%. 在仿真期2010—2030年內(nèi)，組合政策下的CO2污染程度、PM2.5污染程度、溫室效應(yīng)影響程度和車(chē)均道路面積比其在限行政策下平均優(yōu)化了9.6%、13.6%、11.6%和2.4%.

3 結(jié)論及建議

3.1 結(jié)論

本文以北京市私家車(chē)排放的CO2和PM2.5作為研究對(duì)象，通過(guò)分析系統(tǒng)內(nèi)部和外部各因素之間的聯(lián)系，圍繞經(jīng)濟(jì)、交通、環(huán)境和人口四個(gè)子系統(tǒng)建立系統(tǒng)動(dòng)力學(xué)模型. 從中長(zhǎng)期視角來(lái)分析限行政策的實(shí)施效果，并引入財(cái)政政策的兩種不同實(shí)施力度，考察財(cái)政政策在綠色低碳和強(qiáng)化低碳兩種情景下對(duì)CO2污染程度、PM2.5污染程度、溫室效應(yīng)影響程度和車(chē)均道路面積的影響. 得到以下結(jié)論：

1）雖然短期內(nèi)限行政策可以降低環(huán)境污染，緩解交通擁堵. 但長(zhǎng)期來(lái)看限行政策具有副作用，并不能降低CO2和PM2.5的污染程度.

2）綠色低碳和強(qiáng)化低碳情景下的財(cái)政政策均能降低CO2和PM2.5的污染程度. 尤其在強(qiáng)化低碳情景下效果更好，CO2污染程度、PM2.5的污染程度和溫室效應(yīng)影響程度在2030 年比綠色低碳情景下的分別降低了18.3%、24%和8.47%，車(chē)均道路面積增加了2.94%.

3）組合政策不僅降低了CO2、PM2.5污染程度和溫室效應(yīng)影響程度，而且在一定程度上改善了車(chē)均道路面積，助推了城市交通碳達(dá)峰目標(biāo)的實(shí)施效率.

3.2 建議

基于上述研究結(jié)果，本文提出以下建議：

1）現(xiàn)有限行政策模式有待提高，不適用于長(zhǎng)期實(shí)行. 環(huán)境治理是一個(gè)復(fù)雜且長(zhǎng)期的過(guò)程，需要各子系統(tǒng)的相互配合協(xié)作. 因此要考慮多方面，做到政策之間的協(xié)同，形成一個(gè)事半功倍的治理系統(tǒng).

2）是利用財(cái)政政策的激勵(lì)作用，加大環(huán)保投資比重，尤其是重點(diǎn)性增加對(duì)CO2和PM2.5的專(zhuān)項(xiàng)投資比重.通過(guò)增加污染物的治理量來(lái)減少污染物的存量，從而降低其污染程度. 財(cái)政政策可能存在時(shí)滯效應(yīng)，隨著時(shí)間推移，效果更能顯現(xiàn)出來(lái). 政府要根據(jù)現(xiàn)實(shí)情況與目標(biāo)，動(dòng)態(tài)調(diào)整政策調(diào)控因子，合理安排以達(dá)到政策實(shí)施的意義.