劉學(xué)民，廖世明，任颋

（1.東莞理工學(xué)院 經(jīng)濟(jì)與管理學(xué)院，廣東 東莞 523808；2.哈爾濱工業(yè)大學(xué)（深圳）經(jīng)濟(jì)管理學(xué)院，廣東 深圳 518055；3.北京大學(xué)深圳研究生院 匯豐商學(xué)院，廣東 深圳 518055）

2020 年9 月，我國(guó)向世界宣布了碳達(dá)峰目標(biāo)與碳中和愿景，即“二氧化碳排放力爭(zhēng)于2030 年前達(dá)到峰值，努力爭(zhēng)取2060 年前實(shí)現(xiàn)碳中和”?！疤歼_(dá)峰碳中和”（簡(jiǎn)稱“雙碳”）提出之后，首次被列入中央經(jīng)濟(jì)工作會(huì)議重點(diǎn)任務(wù)，明確提出繼續(xù)打好污染防治攻堅(jiān)戰(zhàn)，實(shí)現(xiàn)減污降碳協(xié)同效應(yīng)，開展大規(guī)模國(guó)土綠化行動(dòng)，提升生態(tài)系統(tǒng)碳匯能力。可見，“雙碳”目標(biāo)為“綠色資本儲(chǔ)存（GCS）”發(fā)揮生態(tài)服務(wù)價(jià)值帶來(lái)重大戰(zhàn)略機(jī)遇，也給我國(guó)大氣環(huán)境改善提出了更高標(biāo)準(zhǔn)和要求[1]。

GCS于2016年聯(lián)合國(guó)環(huán)境大會(huì)（UNEA）上首次提出[2]，即“生態(tài)環(huán)境就如同存儲(chǔ)著綠色資本的銀行，人們應(yīng)當(dāng)為未來(lái)存款，而不是將本息全部揮霍掉”。GCS 一經(jīng)提出便在世界范圍內(nèi)形成共識(shí)，迫切需要各界聯(lián)手為人類未來(lái)儲(chǔ)存綠色資本。朱松麗等[3]系統(tǒng)評(píng)述了“十二五”以來(lái)，我國(guó)為了提高GCS，制定實(shí)施了《全國(guó)造林綠化規(guī)劃綱要（2016—2020 年）》《林業(yè)適應(yīng)氣候變化行動(dòng)方案（2016—2020 年）》等一系列專項(xiàng)規(guī)劃。根據(jù)2020 年聯(lián)合國(guó)糧食及農(nóng)業(yè)組織（FAO）發(fā)布的《全球森林資源評(píng)估》報(bào)告，1990年以來(lái)全球共有4.2 億公頃森林遭到毀壞，森林面積自2010 年以來(lái)每年減少470 萬(wàn)公頃，自2015 年以來(lái)每年有1 000 萬(wàn)公頃林地被轉(zhuǎn)換為其他用途。踐行綠色發(fā)展理念的首要基礎(chǔ)便是營(yíng)造綠色空間，而GCS 對(duì)有效控制碳排放與防治大氣污染具有重要現(xiàn)實(shí)需求和長(zhǎng)遠(yuǎn)意義。

鑒于“雙碳”目標(biāo)下GCS 的重要生態(tài)服務(wù)價(jià)值，本文將深入研究GCS 的空間集聚演化與大氣污染防治。主要貢獻(xiàn)在于：（1）借助探索性空間數(shù)據(jù)分析技術(shù)（ESDA），利用2005—2016 年中國(guó)省級(jí)面板數(shù)據(jù)，考察中國(guó)GCS的空間分布、集聚模式和演化特征。（2）考慮到我國(guó)霧霾污染具有發(fā)生頻率高、分布范圍廣、治理難度大等特征，已引起中央及地方政府的高度重視[4]。因此，以霧霾污染為例，構(gòu)建空間面板數(shù)據(jù)模型，從植樹造林和園林綠化兩個(gè)維度出發(fā)，系統(tǒng)研究GCS 對(duì)霧霾的緩解和改善作用。研究結(jié)果將對(duì)我國(guó)基于GCS 的生態(tài)系統(tǒng)碳匯能力提升和大氣污染防治提供新的視角并給予決策參考。

1 文獻(xiàn)綜述

1.1 “雙碳”目標(biāo)下空氣污染治理的發(fā)展方向

梳理世界各國(guó)空氣污染防治經(jīng)驗(yàn)，主要經(jīng)歷了立法減排、區(qū)域協(xié)同和綠色防治三個(gè)階段。立法減排集中體現(xiàn)在歐美等發(fā)達(dá)國(guó)家早期治霾過(guò)程。1952 年的“倫敦?zé)熿F事件”促使《清潔空氣法》作為首個(gè)空氣污染防治法案橫空出世。歐盟2012 年通過(guò)法案要求其成員國(guó)空氣不達(dá)標(biāo)天數(shù)控制在35 天以內(nèi)。洛杉磯“光化學(xué)煙霧”迫使美國(guó)立法對(duì)全國(guó)范圍內(nèi)PM2.5進(jìn)行監(jiān)測(cè)。區(qū)域協(xié)同階段，亞洲地區(qū)對(duì)污染的跨域協(xié)同治理進(jìn)行了較多嘗試并取得了一定成果。如新加坡2017 年在應(yīng)對(duì)印度尼西亞火災(zāi)所引發(fā)的霧霾跨界污染時(shí)，采取了區(qū)域協(xié)同治理措施[5]。Caballero[6]提出了基于東盟共同體（ASEAN）的空氣污染區(qū)域解決方案。我國(guó)目前所提倡的基本方針是“以政府為主導(dǎo)、企業(yè)為主體、公眾共同參與的跨地區(qū)聯(lián)動(dòng)模式”[7]。綠色防治階段，是空氣污染后期治理主要探索方向，不僅體現(xiàn)在采用綠色能源、綠色技術(shù)、綠色生產(chǎn)、綠色生活等方式從源頭上減少污染[8-9]，更是強(qiáng)調(diào)基于生態(tài)本身的環(huán)境保護(hù)能力和對(duì)大氣污染的自然降解能力，對(duì)GCS 提出了更高要求[10]。因此，在“雙碳”目標(biāo)下，森林、綠化等GCS 的生態(tài)系統(tǒng)作用將更加凸顯。

1.2 “雙碳”目標(biāo)下的GCS

“植樹造林”[11]和“園林綠化”[12]作為GCS 的主要方式，是一個(gè)長(zhǎng)期累積的過(guò)程，對(duì)環(huán)境污染具有改善作用[13]。例如，日本政府高度重視GCS，要求新批復(fù)建筑物項(xiàng)目需符合最低樓頂綠化和配套綠地標(biāo)準(zhǔn)[14]?！堵?lián)合國(guó)森林戰(zhàn)略規(guī)劃（2017—2030 年）》是首次以聯(lián)合國(guó)名義做出的全球森林發(fā)展戰(zhàn)略，彰顯了國(guó)際社會(huì)對(duì)GCS 的高度重視。從國(guó)家自主貢獻(xiàn)（NDCs）來(lái)看，《巴黎協(xié)定》193 個(gè)締約方在已提交的《聯(lián)合國(guó)氣候變化框架公約》文本中，明確提出GCS 目標(biāo)和路徑的占比較低。其中，中國(guó)政府承諾2030 年增加森林蓄積量45 億立方米；巴西將加強(qiáng)《森林法》執(zhí)法，恢復(fù)和新造林1 200 萬(wàn)公頃；馬達(dá)加斯加承諾實(shí)施27 萬(wàn)公頃的本地原生樹種造林計(jì)劃[15]。從國(guó)家長(zhǎng)期溫室氣體排放發(fā)展戰(zhàn)略（LTS）來(lái)看，美國(guó)提出了造林、再造林、森林可持續(xù)經(jīng)營(yíng)、減少林地轉(zhuǎn)換為其他用地等措施[16]?？梢?，在“雙碳”目標(biāo)下，GCS 應(yīng)對(duì)氣候變化和空氣污染防治的重要性已體現(xiàn)在NDCs 和LTS 之中[17]。

1.3 GCS與空氣污染防治

GCS 的生態(tài)系統(tǒng)服務(wù)價(jià)值在于可以防止土地退化和荒漠化，對(duì)減緩氣候變化具有積極作用。然而，GCS 能否改善大氣污染目前尚存爭(zhēng)議。一些學(xué)者認(rèn)為立體空間綠化有助于城市自然生態(tài)建設(shè)，是應(yīng)對(duì)大氣污染危機(jī)的新理論范式[10]。一是森林和綠地的增加有利于減少土壤侵蝕和地表釋塵，在一定程度上降低了大氣中粉塵顆粒物的含量。例如，賀爽等[13]以北京奧林匹克森林公園為例發(fā)現(xiàn)城市道路旁的公園綠地可以降低霧霾污染。二是森林生態(tài)系統(tǒng)可以通過(guò)吸收、過(guò)濾、分解等過(guò)程減少空氣中的極細(xì)顆粒物從而降低霧霾污染。張生玲等[18]研究發(fā)現(xiàn)，相較于冬季，夏季大氣污染事件明顯減少，植被的活力是重要潛在原因。三是通過(guò)對(duì)空氣中總懸浮顆粒物（TSP）的滯留作用間接對(duì)霧霾濃度發(fā)揮調(diào)節(jié)作用。Janh?ll[14]研究發(fā)現(xiàn)，植被主要通過(guò)影響污染物沉積和擴(kuò)散來(lái)影響空氣質(zhì)量。還有一些學(xué)者認(rèn)為GCS 并不能有效緩解霧霾污染，或者作用較弱。首先，大面積的防護(hù)林可能會(huì)影響風(fēng)速，不利于污染物擴(kuò)散。Chen 等[19]的研究結(jié)果表明，在低風(fēng)速下由于缺乏流動(dòng)性導(dǎo)致區(qū)域污染物擴(kuò)散受阻，容易產(chǎn)生局部空氣污染。其次，森林植被面積的增加提高了空氣濕度，從而間接促進(jìn)了霧霾形成條件。如Zhou 等[20]發(fā)現(xiàn)環(huán)境濕度在氣溶膠含水反應(yīng)中發(fā)揮了重要作用，Zhang等[21]觀察到硫氧化率對(duì)于濕度的變化非常敏感。

綜上，GCS 能否改善空氣污染尚未達(dá)成共識(shí)。此外，現(xiàn)有研究對(duì)空氣污染影響因素的探索主要集中在人為層面，忽視了自然排放源、氣象條件等非人為因素對(duì)大氣污染的形成與防治的潛在影響。因此，本文將對(duì)GCS 與大氣污染之間的深層次作用關(guān)系展開實(shí)證研究。首先，基于植樹造林和園林綠化兩個(gè)維度對(duì)GCS 進(jìn)行量化，并充分考慮自然排放源（森林火災(zāi)）和氣象條件（降雨、濕度、日照等）等客觀因素；其次，利用ESDA 技術(shù)探索GCS 的空間分布、集聚模式及演化特征；最后，以霧霾污染為例，利用空間面板數(shù)據(jù)模型實(shí)證檢驗(yàn)GCS對(duì)改善空氣污染的作用效果，進(jìn)而得出結(jié)論和政策建議。

2 研究設(shè)計(jì)

2.1 樣本與數(shù)據(jù)

本文選擇2005—2016 年中國(guó)31 個(gè)省份面板數(shù)據(jù)作為研究樣本（由于數(shù)據(jù)獲取和統(tǒng)計(jì)口徑等原因，樣本不包含港澳臺(tái)地區(qū)）。原始數(shù)據(jù)主要來(lái)自《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》和《國(guó)家統(tǒng)計(jì)年鑒》，部分缺失數(shù)據(jù)由各省級(jí)統(tǒng)計(jì)年鑒及《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》作為補(bǔ)充。

2.2 變量選取及其測(cè)度

（1）被解釋變量。本文以霧霾污染為例，研究GCS對(duì)空氣污染的影響，因此霧霾污染為被解釋變量。目前霧霾污染的主要衡量指標(biāo)為PM10和PM2.5[22-23]。我國(guó)對(duì)PM2.5數(shù)據(jù)監(jiān)測(cè)起步較晚，從2013 年才開始將其納入空氣監(jiān)測(cè)范圍。因此，為了滿足研究樣本2005—2016 年的時(shí)間跨度，本文采取Li 等[22]的做法，用PM10來(lái)衡量霧霾污染水平。

（2）解釋變量?！熬G色資本儲(chǔ)存”是本文的核心解釋變量，主要體現(xiàn)在植樹造林和園林綠化兩個(gè)方面，因此選擇森林覆蓋率[11]、人工造林面積[24]、城市綠化覆蓋率[10]、城市綠地面積[13]四個(gè)指標(biāo)對(duì)其進(jìn)行衡量。

（3）控制變量。本文以自然排放源和氣象條件等非人為影響因素為主要控制變量。選擇森林火災(zāi)作為自然排放源的典型代表[25]，同時(shí)將溫度、濕度、降水、日照、氣壓等氣象因素納入考慮范圍[22,26-27]。

表1 列出了本文所有變量的名稱、定義及描述性統(tǒng)計(jì)結(jié)果。

表1 變量定義及描述性統(tǒng)計(jì)結(jié)果

2.3 探索性空間數(shù)據(jù)模型構(gòu)建

探索性數(shù)據(jù)分析包括全局空間自相關(guān)（GSA）和局部空間自相關(guān)（LSA），適用于探索和揭示我國(guó)GCS 的空間分布特征和局部演化趨勢(shì)。

（1）全局空間自相關(guān)模型用于描述整個(gè)區(qū)域的空間分布特征，通常用全局Moran’s I 統(tǒng)計(jì)量衡量，以反映空間鄰接區(qū)域單元屬性值的相似程度，計(jì)算公式如下：式中：E(·)和VAR(·)分別表示GCS 的數(shù)學(xué)期望和方差；Z(·)為標(biāo)準(zhǔn)差，符號(hào)為正表示高值集聚，符號(hào)為負(fù)表示低值集聚；wi·和w.j分別為空間權(quán)重矩陣中i行和j列之和。

（2）局部空間自相關(guān)模型可以度量各單元區(qū)域的局部集聚或離散程度，包括莫蘭散點(diǎn)圖（Moran Scatter Plot, MSP）和局部空間關(guān)聯(lián)（Local Indicator of Spatial Association, LISA）測(cè)量指標(biāo)，常用局部Moran’s I 指數(shù)測(cè)量，表達(dá)式見公式（3），其中的參數(shù)含義與全局Moran’s I 指數(shù)中相同。

公式（1）～（3）中：wij表示區(qū)域i與j的相鄰關(guān)系，n表示地區(qū)總數(shù)。本文基于“鄰接關(guān)系”構(gòu)建空間權(quán)重矩陣，即當(dāng)?shù)貐^(qū)i和j有共同邊界，則wij為1，否則wij為0，可表示為：

2.4 空間面板數(shù)據(jù)模型構(gòu)建

（1）基礎(chǔ)模型構(gòu)建。Grossman & Krueger[28]首次發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展（GDP）與污染排放（P）之間存在倒“U”型曲線關(guān)系，命名為環(huán)境庫(kù)茲涅茨曲線，表達(dá)式如下：

式中：lnGDP、ln2GDP分別表示人均產(chǎn)出水平及其平方項(xiàng)，X為控制變量，ε表示隨機(jī)誤差項(xiàng)。分別引入衡量GCS 的四個(gè)指標(biāo)變量，形成GCS 對(duì)霧霾污染影響的基 礎(chǔ) 模 型（6）。其 中，lnFORit、lnAFFit、lnGCRCAit和lnGLit分別表示第t年i省的森林覆蓋率、人工造林面積、建成區(qū)綠化覆蓋率、城市綠地面積。lnX表示森林火災(zāi)、溫度、濕度、降水、日照、氣壓等控制變量。

（2）空間面板數(shù)據(jù)模型。一個(gè)地區(qū)的GCS 對(duì)霧霾污染的作用同時(shí)還受到相鄰地區(qū)相關(guān)因素的影響。因此，可以建立兩種不同的空間計(jì)量模型——空間滯后模型（SLM）和空間誤差模型（SEM），前者側(cè)重于每個(gè)變量的空間擴(kuò)散，后者刻畫了因變量誤差的影響?！熬G色資本儲(chǔ)存”基礎(chǔ)模型（6）的SLM 和SEM 分別如式（7）和式（8）所示：

式中：WlnHPit表示空間滯后變量，ρ表示空間溢出效應(yīng)，λ表示空間自相關(guān)系數(shù)，φit表示正態(tài)分布的隨機(jī)誤差向量。

3 探索性空間數(shù)據(jù)分析

3.1 霧霾污染現(xiàn)狀分析

如圖1 所示，從時(shí)間維度來(lái)看，我國(guó)分別于2005—2007 年和2012—2015 年出現(xiàn)過(guò)兩次規(guī)模較大的霧霾污染。第一次峰值波動(dòng)較小，持續(xù)時(shí)間較短，第二次在2013 年達(dá)到峰值，影響范圍較廣。在霧霾污染兩個(gè)峰值之間的“凹”型發(fā)展階段恰逢我國(guó)北京奧運(yùn)時(shí)期，說(shuō)明我國(guó)霧霾污染在時(shí)間維度上會(huì)伴隨著全國(guó)性重要事件的籌備、推進(jìn)和結(jié)束呈現(xiàn)出治理期、潛伏期及反彈期發(fā)展規(guī)律。從空間維度來(lái)看，按照國(guó)家自然地理劃分標(biāo)準(zhǔn)，華北地區(qū)霧霾污染較重，其PM10濃度值長(zhǎng)期處于100 ～150 μg/m3區(qū)間，且在2013—2014 年跨入150 ～200 μg/m3的高危區(qū)間；其次為西北區(qū)域，其所涵蓋省份的PM10平均濃度值一直在100 μg/m3以上；華中和東北區(qū)域緊隨其后，霧霾污染程度介于50 ～100 μg/m3和100 ～150 μg/m3之間，均顯著高于全國(guó)平均水平。從城市群的角度來(lái)看，京津冀地區(qū)霧霾污染較為嚴(yán)重，長(zhǎng)三角區(qū)域次之，總體上呈波動(dòng)下降趨勢(shì)；相比之下，珠三角區(qū)域霧霾污染狀況較為樂(lè)觀，一直低于全國(guó)平均水平。

圖1 2005—2016年我國(guó)霧霾污染總體發(fā)展趨勢(shì)

3.2 GCS空間自相關(guān)分析

（1）全局空間相關(guān)性分析。由表2 可知，森林覆蓋的Moran’s I 值介于0.445 9 ～0.460 1 之間，且2005—2016年均通過(guò)了1%的顯著性水平檢驗(yàn)；造林面積Moran’s I值介于0.031 1 ～0.255 2 之間，2005 年和2006 年在1%的水平上顯著，2010 年、2014 年和2015 年在10%的水平上顯著；綠化覆蓋于2006 年、2013 年和2016 年通過(guò)了1%的顯著性水平檢驗(yàn)，2011—2012 年和2015 年分別在5%和10%的水平上顯著；綠地面積除了2005 年、2007 年和2008 年以外，其余9 年均通過(guò)了10%的顯著性水平檢驗(yàn)；霧霾污染的Moran’s I 值介于0.139 0 ～0.501 9之間，全部通過(guò)了顯著性水平檢驗(yàn)，且顯著性水平越來(lái)越高?？梢园l(fā)現(xiàn)，GCS 和霧霾污染在全局空間上并不是隨機(jī)分布的，而是存在顯著的空間相關(guān)性。兩者會(huì)通過(guò)時(shí)空演化形成不同的集聚模式，特別是高—高集聚和低—低集聚較為明顯，即高值GCS 和霧霾污染觀測(cè)區(qū)域在空間上趨向于與同類型的高值區(qū)域集聚，反之亦然。

表2 GCS和霧霾污染的全局Moran’s I指數(shù)表

（2）局部空間相關(guān)性分析。限于篇幅，在總體12年樣本中，每隔4 年選擇一個(gè)代表年份，即2008 年、2012 年和2016 年，對(duì)GCS 的局部空間相關(guān)性展開分析。由莫蘭散點(diǎn)圖（圖2）可知，GCS 在局部空間分布上同樣存在顯著的空間自相關(guān)性。除了2008 年綠化覆蓋的局部Moran’I 指數(shù)斜率為負(fù)以外，大多數(shù)省份的森林覆蓋、造林面積、綠化覆蓋、綠地面積在莫蘭散點(diǎn)圖中位于第一象限（高—高集聚）和第三象限（低—低集聚），說(shuō)明我國(guó)GCS 具有局部空間相關(guān)性。

圖2 “綠色資本儲(chǔ)存”的莫蘭散點(diǎn)圖

4 模型估計(jì)結(jié)果與討論

4.1 模型檢驗(yàn)

在進(jìn)行結(jié)果分析之前，需要對(duì)空間面板數(shù)據(jù)模型進(jìn)行檢驗(yàn)，步驟及檢驗(yàn)方法如表3 所示。首先，對(duì)空間誤差模型（SEM）和空間滯后模型（SLM）進(jìn)行檢驗(yàn)；其次，對(duì)固定效應(yīng)（FEs）和隨機(jī)效應(yīng)（REs）進(jìn)行檢驗(yàn)；最后，對(duì)空間固定效應(yīng)（SFE）、時(shí)間固定效應(yīng)（TFE）和時(shí)空雙固定效應(yīng)（STFE）進(jìn)行檢驗(yàn)。

表3 空間面板數(shù)據(jù)模型的檢驗(yàn)步驟與方法

基于上述檢驗(yàn)方法，由表4 可知，首先，Moran’s I指數(shù)值為0.289 5，通過(guò)了1%的顯著性水平檢驗(yàn)。其次，LM-LAG 統(tǒng)計(jì)量值為100.348 6，在相同的1%顯著性水平下大于LM-ERR 值61.251 8，同時(shí)就魯棒性而言，R-LM-LAG 在數(shù)值大小和顯著性水平方面也明顯高于R-LM-ERR，可以判斷SLM（M1、M2、M3）整體要優(yōu)于SEM（M4、M5、M6）。再次，Hausman 檢測(cè)值為-156.819 0，在1%的顯著性水平下拒絕原零假設(shè)，說(shuō)明FEs 優(yōu)于REs。最后，在SLM 模型估計(jì)結(jié)果中（表5），模型M3的R2值為0.882 1，大于模型M1和模型M2的R2值。因此，選擇空間滯后面板數(shù)據(jù)模型的時(shí)空雙固定效應(yīng)模型M3對(duì)估計(jì)結(jié)果進(jìn)行分析和討論。

表4 空間相關(guān)性與模型檢驗(yàn)

表5 GCS對(duì)霧霾影響的空間面板數(shù)據(jù)模型估計(jì)結(jié)果

4.2 結(jié)果與討論

具有顯著的積極影響，即我國(guó)霧霾污染存在較強(qiáng)的空間溢出效應(yīng)和鄰接轉(zhuǎn)移效應(yīng)。表現(xiàn)為，空間滯后面板數(shù)據(jù)模型的時(shí)空滯后系數(shù)ρ數(shù)值為0.268 0 且通過(guò)了1%的顯著性水平檢驗(yàn)，反映了鄰近地區(qū)1%程度的霧霾污染增加會(huì)導(dǎo)致本地區(qū)0.268 0%水平的霧霾污染惡化。該結(jié)果說(shuō)明空間溢出和鄰接轉(zhuǎn)移所產(chǎn)生的跨界污染使得本地區(qū)與鄰近地區(qū)霧霾污染之間存在空間相關(guān)性。

（2）植樹造林導(dǎo)向的GCS 能夠有效緩解霧霾污染。表現(xiàn)為，森林覆蓋率和人工造林的回歸系數(shù)值分別為-0.188 7 和-0.050 9，且均在1%的水平上顯著，說(shuō)明森林覆蓋率越高、人工造林面積越大，霧霾污染程度越低。一是植樹造林導(dǎo)向的GCS 會(huì)對(duì)空氣中PM10、PM2.5、NOx等霧霾污染主要構(gòu)成物質(zhì)產(chǎn)生更好的阻滯吸附作用。二是植樹造林并未改變大氣環(huán)流，相反，很大程度上削弱了霧霾形成的條件。因?yàn)樯謱?duì)風(fēng)速的減緩作用僅限于近地風(fēng)，遠(yuǎn)未達(dá)到影響大氣環(huán)流的程度。相反，森林植被的增加能夠減少土壤侵蝕和地表釋塵，有利于降低大氣中粉塵顆粒物的含量。

（3）園林綠化導(dǎo)向的GCS 并未發(fā)揮其緩解霧霾污染的積極作用。建成區(qū)綠化覆蓋率和城市綠地總面積在模型M3中均未通過(guò)顯著性水平檢驗(yàn)，說(shuō)明通過(guò)園林綠化途徑增加GCS 并不是降低霧霾污染的有效措施。雖然城市綠化具有微氣候調(diào)節(jié)與徑流削減功能，可以幫助城市緩解熱島效應(yīng)，但是缺少與緩解霧霾污染相關(guān)的直接證據(jù)。

（4）森林火災(zāi)、濕度、降雨、日照等會(huì)對(duì)霧霾污染產(chǎn)生重要影響。森林火災(zāi)回歸系數(shù)值為0.013 0，通過(guò)了5%的顯著性水平檢驗(yàn)，說(shuō)明頻發(fā)的森林火災(zāi)已經(jīng)成為霧霾污染的主要自然排放源之一。相對(duì)濕度的一次項(xiàng)和二次項(xiàng)回歸系數(shù)分別為9.881 5 和-1.175 2，且均在1%的水平上顯著，說(shuō)明兩者之間存在倒“U”型影響關(guān)系。在拐點(diǎn)之前，碳質(zhì)氣溶膠會(huì)發(fā)生含水反應(yīng)，導(dǎo)致其濃度增加，同時(shí)硫氧化率對(duì)于相對(duì)濕度的變化敏感，細(xì)微顆粒物附著在水汽上且長(zhǎng)期懸浮在低空中不易散開造成污染物累積。在越過(guò)臨界值之后，過(guò)高的空氣濕度會(huì)導(dǎo)致空氣質(zhì)量加重從而促進(jìn)濕沉降，一定程度上降低了污染物。降雨量的回歸系數(shù)為-0.103 1，通過(guò)了1%的顯著性水平檢驗(yàn)，說(shuō)明降雨有助于減少霧霾污染。因?yàn)樗卧诮德涞倪^(guò)程中會(huì)附著空氣中的浮塵顆粒，利于有害氣體進(jìn)行集中沉降。日照時(shí)數(shù)的回歸系數(shù)值為-0.197 2，在1%的水平上顯著，說(shuō)明充足的日照有助于降低霧霾污染。因?yàn)槿照諘?huì)促使地表溫度升高，接近地面的空氣會(huì)上升進(jìn)而產(chǎn)生對(duì)流，有助于局部污染物的擴(kuò)散。

5 結(jié)論與政策建議

GCS 存在較強(qiáng)的全局空間相關(guān)性，伴隨著動(dòng)態(tài)演化形成不同的局部空間集聚模式，特別是高—高集聚和低—低集聚特征尤為明顯。因此，既要攜手共存“綠色資本”，繼續(xù)鞏固高—高集聚趨勢(shì)，也要集中有限資源重點(diǎn)聚焦GCS 低—低集聚區(qū)。如有計(jì)劃地提高新疆、青海、甘肅地區(qū)的森林覆蓋率，遏制東部地區(qū)江浙兩地人工造林低—低集聚模式的蔓延，防止江西等地人工造林的高—低集聚類型向低值集聚區(qū)域演化發(fā)展。

基于植樹造林的GCS 能夠有效緩解霧霾污染。森林植被的增加有利于減少土壤侵蝕和地表釋塵，在一定程度上降低了大氣中灰塵和揚(yáng)塵的含量，削弱了霧霾形成的條件。而且，基于植樹造林的GCS 對(duì)空氣中總懸浮顆粒物具有較強(qiáng)的阻擋、截留與吸附作用，能夠大幅減少PM10等霧霾主要構(gòu)成物質(zhì)。此外，森林的防風(fēng)作用僅限于近地風(fēng)，遠(yuǎn)未達(dá)到影響大氣環(huán)流的程度，可見植樹造林有可能通過(guò)降低風(fēng)速?gòu)亩鴮?dǎo)致霧霾污染的這一說(shuō)法不成立。鑒于此，主張將植樹造林導(dǎo)向的GCS 用作改善大氣污染的生態(tài)系統(tǒng)服務(wù)，以提高基于生態(tài)本身的環(huán)境保護(hù)能力和對(duì)霧霾污染的自然降解能力。由于不同樹種單位葉面積滯塵能力、單株樹木的吸附能力存在較大差異，所以在進(jìn)行人工造林時(shí)需要注意植被的選擇和設(shè)計(jì)。

基于園林綠化的GCS，并未發(fā)現(xiàn)其對(duì)緩解霧霾污染發(fā)揮積極有效作用。園林綠化是運(yùn)用工程技術(shù)或藝術(shù)手段，通過(guò)改造地形、種植花草、布置園路等形成的自然環(huán)境休憩場(chǎng)所。雖然市民普遍對(duì)園林綠化具有較強(qiáng)的擴(kuò)大綠地空間、改善綠地景觀等需求偏好和支付意愿，但是與植樹造林相比，以景觀和綠地為主的園林綠化，其吸附作用和滯塵作用相對(duì)較弱，對(duì)降低霧霾污染的影響有限。

森林火災(zāi)等自然排放源是導(dǎo)致霧霾污染加劇的隱形“推手”。森林大火往往伴隨形成暫時(shí)性和區(qū)域性的化學(xué)煙霧，容易短時(shí)間內(nèi)迅速產(chǎn)生大面積霧霾污染。因此，植樹造林導(dǎo)向的GCS 雖然有利于降低霧霾污染，但是要同步強(qiáng)化森林防火體系建設(shè)。濕度、降雨、日照等氣象條件不利的地區(qū)會(huì)掩蓋GCS 的空氣污染防治效果。霧霾污染防治需要科學(xué)、公平的評(píng)價(jià)手段，而目前對(duì)各城市治理效果評(píng)估是基于直接觀測(cè)的PM2.5和PM10小時(shí)濃度平均值，不能完全反映各城市霧霾防治的努力程度。因此，需要剔除氣象因素對(duì)空氣質(zhì)量數(shù)據(jù)的影響，客觀、公平地評(píng)價(jià)各地區(qū)霧霾污染改善情況，以提高地方政府的積極性。建議探索和使用去除氣象干擾的空氣質(zhì)量評(píng)估方法，如北京大學(xué)光華管理學(xué)院和統(tǒng)計(jì)科學(xué)中心研究團(tuán)隊(duì)提出的統(tǒng)計(jì)學(xué)氣象調(diào)整方法。