劉學民，廖世明，任颋

（1.東莞理工學院 經濟與管理學院，廣東 東莞 523808；2.哈爾濱工業(yè)大學（深圳）經濟管理學院，廣東 深圳 518055；3.北京大學深圳研究生院 匯豐商學院，廣東 深圳 518055）

2020 年9 月，我國向世界宣布了碳達峰目標與碳中和愿景，即“二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現碳中和”?！疤歼_峰碳中和”（簡稱“雙碳”）提出之后，首次被列入中央經濟工作會議重點任務，明確提出繼續(xù)打好污染防治攻堅戰(zhàn)，實現減污降碳協(xié)同效應，開展大規(guī)模國土綠化行動，提升生態(tài)系統(tǒng)碳匯能力。可見，“雙碳”目標為“綠色資本儲存（GCS）”發(fā)揮生態(tài)服務價值帶來重大戰(zhàn)略機遇，也給我國大氣環(huán)境改善提出了更高標準和要求[1]。

GCS于2016年聯(lián)合國環(huán)境大會（UNEA）上首次提出[2]，即“生態(tài)環(huán)境就如同存儲著綠色資本的銀行，人們應當為未來存款，而不是將本息全部揮霍掉”。GCS 一經提出便在世界范圍內形成共識，迫切需要各界聯(lián)手為人類未來儲存綠色資本。朱松麗等[3]系統(tǒng)評述了“十二五”以來，我國為了提高GCS，制定實施了《全國造林綠化規(guī)劃綱要（2016—2020 年）》《林業(yè)適應氣候變化行動方案（2016—2020 年）》等一系列專項規(guī)劃。根據2020 年聯(lián)合國糧食及農業(yè)組織（FAO）發(fā)布的《全球森林資源評估》報告，1990年以來全球共有4.2 億公頃森林遭到毀壞，森林面積自2010 年以來每年減少470 萬公頃，自2015 年以來每年有1 000 萬公頃林地被轉換為其他用途。踐行綠色發(fā)展理念的首要基礎便是營造綠色空間，而GCS 對有效控制碳排放與防治大氣污染具有重要現實需求和長遠意義。

鑒于“雙碳”目標下GCS 的重要生態(tài)服務價值，本文將深入研究GCS 的空間集聚演化與大氣污染防治。主要貢獻在于：（1）借助探索性空間數據分析技術（ESDA），利用2005—2016 年中國省級面板數據，考察中國GCS的空間分布、集聚模式和演化特征。（2）考慮到我國霧霾污染具有發(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，構建空間面板數據模型，從植樹造林和園林綠化兩個維度出發(fā)，系統(tǒng)研究GCS 對霧霾的緩解和改善作用。研究結果將對我國基于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 文獻綜述

1.1 “雙碳”目標下空氣污染治理的發(fā)展方向

梳理世界各國空氣污染防治經驗，主要經歷了立法減排、區(qū)域協(xié)同和綠色防治三個階段。立法減排集中體現在歐美等發(fā)達國家早期治霾過程。1952 年的“倫敦煙霧事件”促使《清潔空氣法》作為首個空氣污染防治法案橫空出世。歐盟2012 年通過法案要求其成員國空氣不達標天數控制在35 天以內。洛杉磯“光化學煙霧”迫使美國立法對全國范圍內PM2.5進行監(jiān)測。區(qū)域協(xié)同階段，亞洲地區(qū)對污染的跨域協(xié)同治理進行了較多嘗試并取得了一定成果。如新加坡2017 年在應對印度尼西亞火災所引發(fā)的霧霾跨界污染時，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。我國目前所提倡的基本方針是“以政府為主導、企業(yè)為主體、公眾共同參與的跨地區(qū)聯(lián)動模式”[7]。綠色防治階段，是空氣污染后期治理主要探索方向，不僅體現在采用綠色能源、綠色技術、綠色生產、綠色生活等方式從源頭上減少污染[8-9]，更是強調基于生態(tài)本身的環(huán)境保護能力和對大氣污染的自然降解能力，對GCS 提出了更高要求[10]。因此，在“雙碳”目標下，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，是一個長期累積的過程，對環(huán)境污染具有改善作用[13]。例如，日本政府高度重視GCS，要求新批復建筑物項目需符合最低樓頂綠化和配套綠地標準[14]?！堵?lián)合國森林戰(zhàn)略規(guī)劃（2017—2030 年）》是首次以聯(lián)合國名義做出的全球森林發(fā)展戰(zhàn)略，彰顯了國際社會對GCS 的高度重視。從國家自主貢獻（NDCs）來看，《巴黎協(xié)定》193 個締約方在已提交的《聯(lián)合國氣候變化框架公約》文本中，明確提出GCS 目標和路徑的占比較低。其中，中國政府承諾2030 年增加森林蓄積量45 億立方米；巴西將加強《森林法》執(zhí)法，恢復和新造林1 200 萬公頃；馬達加斯加承諾實施27 萬公頃的本地原生樹種造林計劃[15]。從國家長期溫室氣體排放發(fā)展戰(zhàn)略（LTS）來看，美國提出了造林、再造林、森林可持續(xù)經營、減少林地轉換為其他用地等措施[16]?？梢?，在“雙碳”目標下，GCS 應對氣候變化和空氣污染防治的重要性已體現在NDCs 和LTS 之中[17]。

1.3 GCS與空氣污染防治

GCS 的生態(tài)系統(tǒng)服務價值在于可以防止土地退化和荒漠化，對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議。一些學者認為立體空間綠化有助于城市自然生態(tài)建設，是應對大氣污染危機的新理論范式[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)可以通過吸收、過濾、分解等過程減少空氣中的極細顆粒物從而降低霧霾污染。張生玲等[18]研究發(fā)現，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。三是通過對空氣中總懸浮顆粒物（TSP）的滯留作用間接對霧霾濃度發(fā)揮調節(jié)作用。Janh?ll[14]研究發(fā)現，植被主要通過影響污染物沉積和擴散來影響空氣質量。還有一些學者認為GCS 并不能有效緩解霧霾污染，或者作用較弱。首先，大面積的防護林可能會影響風速，不利于污染物擴散。Chen 等[19]的研究結果表明，在低風速下由于缺乏流動性導致區(qū)域污染物擴散受阻，容易產生局部空氣污染。其次，森林植被面積的增加提高了空氣濕度，從而間接促進了霧霾形成條件。如Zhou 等[20]發(fā)現環(huán)境濕度在氣溶膠含水反應中發(fā)揮了重要作用，Zhang等[21]觀察到硫氧化率對于濕度的變化非常敏感。

綜上，GCS 能否改善空氣污染尚未達成共識。此外，現有研究對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大氣污染的形成與防治的潛在影響。因此，本文將對GCS 與大氣污染之間的深層次作用關系展開實證研究。首先，基于植樹造林和園林綠化兩個維度對GCS 進行量化，并充分考慮自然排放源（森林火災）和氣象條件（降雨、濕度、日照等）等客觀因素；其次，利用ESDA 技術探索GCS 的空間分布、集聚模式及演化特征；最后，以霧霾污染為例，利用空間面板數據模型實證檢驗GCS對改善空氣污染的作用效果，進而得出結論和政策建議。

2 研究設計

2.1 樣本與數據

本文選擇2005—2016 年中國31 個省份面板數據作為研究樣本（由于數據獲取和統(tǒng)計口徑等原因，樣本不包含港澳臺地區(qū)）。原始數據主要來自《中國環(huán)境統(tǒng)計年鑒》和《國家統(tǒng)計年鑒》，部分缺失數據由各省級統(tǒng)計年鑒及《國民經濟和社會發(fā)展統(tǒng)計公報》作為補充。

2.2 變量選取及其測度

（1）被解釋變量。本文以霧霾污染為例，研究GCS對空氣污染的影響，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為PM10和PM2.5[22-23]。我國對PM2.5數據監(jiān)測起步較晚，從2013 年才開始將其納入空氣監(jiān)測范圍。因此，為了滿足研究樣本2005—2016 年的時間跨度，本文采取Li 等[22]的做法，用PM10來衡量霧霾污染水平。

（2）解釋變量?！熬G色資本儲存”是本文的核心解釋變量，主要體現在植樹造林和園林綠化兩個方面，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]四個指標對其進行衡量。

（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。選擇森林火災作為自然排放源的典型代表[25]，同時將溫度、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)計結果。

表1 變量定義及描述性統(tǒng)計結果

2.3 探索性空間數據模型構建

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

（1）全局空間自相關模型用于描述整個區(qū)域的空間分布特征，通常用全局Moran’s I 統(tǒng)計量衡量，以反映空間鄰接區(qū)域單元屬性值的相似程度，計算公式如下：式中：E(·)和VAR(·)分別表示GCS 的數學期望和方差；Z(·)為標準差，符號為正表示高值集聚，符號為負表示低值集聚；wi·和w.j分別為空間權重矩陣中i行和j列之和。

（2）局部空間自相關模型可以度量各單元區(qū)域的局部集聚或離散程度，包括莫蘭散點圖（Moran Scatter Plot, MSP）和局部空間關聯(lián)（Local Indicator of Spatial Association, LISA）測量指標，常用局部Moran’s I 指數測量，表達式見公式（3），其中的參數含義與全局Moran’s I 指數中相同。

公式（1）～（3）中：wij表示區(qū)域i與j的相鄰關系，n表示地區(qū)總數。本文基于“鄰接關系”構建空間權重矩陣，即當地區(qū)i和j有共同邊界，則wij為1，否則wij為0，可表示為：

2.4 空間面板數據模型構建

（1）基礎模型構建。Grossman & Krueger[28]首次發(fā)現經濟發(fā)展（GDP）與污染排放（P）之間存在倒“U”型曲線關系，命名為環(huán)境庫茲涅茨曲線，表達式如下：

式中：lnGDP、ln2GDP分別表示人均產出水平及其平方項，X為控制變量，ε表示隨機誤差項。分別引入衡量GCS 的四個指標變量，形成GCS 對霧霾污染影響的基 礎 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、溫度、濕度、降水、日照、氣壓等控制變量。

（2）空間面板數據模型。一個地區(qū)的GCS 對霧霾污染的作用同時還受到相鄰地區(qū)相關因素的影響。因此，可以建立兩種不同的空間計量模型——空間滯后模型（SLM）和空間誤差模型（SEM），前者側重于每個變量的空間擴散，后者刻畫了因變量誤差的影響。“綠色資本儲存”基礎模型（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，λ表示空間自相關系數，φit表示正態(tài)分布的隨機誤差向量。

3 探索性空間數據分析

3.1 霧霾污染現狀分析

如圖1 所示，從時間維度來看，我國分別于2005—2007 年和2012—2015 年出現過兩次規(guī)模較大的霧霾污染。第一次峰值波動較小，持續(xù)時間較短，第二次在2013 年達到峰值，影響范圍較廣。在霧霾污染兩個峰值之間的“凹”型發(fā)展階段恰逢我國北京奧運時期，說明我國霧霾污染在時間維度上會伴隨著全國性重要事件的籌備、推進和結束呈現出治理期、潛伏期及反彈期發(fā)展規(guī)律。從空間維度來看，按照國家自然地理劃分標準，華北地區(qū)霧霾污染較重，其PM10濃度值長期處于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，均顯著高于全國平均水平。從城市群的角度來看，京津冀地區(qū)霧霾污染較為嚴重，長三角區(qū)域次之，總體上呈波動下降趨勢；相比之下，珠三角區(qū)域霧霾污染狀況較為樂觀，一直低于全國平均水平。

圖1 2005—2016年我國霧霾污染總體發(fā)展趨勢

3.2 GCS空間自相關分析

（1）全局空間相關性分析。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年均通過了1%的顯著性水平檢驗；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 年通過了1%的顯著性水平檢驗，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 年均通過了10%的顯著性水平檢驗；霧霾污染的Moran’s I 值介于0.139 0 ～0.501 9之間，全部通過了顯著性水平檢驗，且顯著性水平越來越高?？梢园l(fā)現，GCS 和霧霾污染在全局空間上并不是隨機分布的，而是存在顯著的空間相關性。兩者會通過時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指數表

（2）局部空間相關性分析。限于篇幅，在總體12年樣本中，每隔4 年選擇一個代表年份，即2008 年、2012 年和2016 年，對GCS 的局部空間相關性展開分析。由莫蘭散點圖（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性。除了2008 年綠化覆蓋的局部Moran’I 指數斜率為負以外，大多數省份的森林覆蓋、造林面積、綠化覆蓋、綠地面積在莫蘭散點圖中位于第一象限（高—高集聚）和第三象限（低—低集聚），說明我國GCS 具有局部空間相關性。

圖2 “綠色資本儲存”的莫蘭散點圖

4 模型估計結果與討論

4.1 模型檢驗

在進行結果分析之前，需要對空間面板數據模型進行檢驗，步驟及檢驗方法如表3 所示。首先，對空間誤差模型（SEM）和空間滯后模型（SLM）進行檢驗；其次，對固定效應（FEs）和隨機效應（REs）進行檢驗；最后，對空間固定效應（SFE）、時間固定效應（TFE）和時空雙固定效應（STFE）進行檢驗。

表3 空間面板數據模型的檢驗步驟與方法

基于上述檢驗方法，由表4 可知，首先，Moran’s I指數值為0.289 5，通過了1%的顯著性水平檢驗。其次，LM-LAG 統(tǒng)計量值為100.348 6，在相同的1%顯著性水平下大于LM-ERR 值61.251 8，同時就魯棒性而言，R-LM-LAG 在數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 檢測值為-156.819 0，在1%的顯著性水平下拒絕原零假設，說明FEs 優(yōu)于REs。最后，在SLM 模型估計結果中（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據模型的時空雙固定效應模型M3對估計結果進行分析和討論。

表4 空間相關性與模型檢驗

表5 GCS對霧霾影響的空間面板數據模型估計結果

4.2 結果與討論

具有顯著的積極影響，即我國霧霾污染存在較強的空間溢出效應和鄰接轉移效應。表現為，空間滯后面板數據模型的時空滯后系數ρ數值為0.268 0 且通過了1%的顯著性水平檢驗，反映了鄰近地區(qū)1%程度的霧霾污染增加會導致本地區(qū)0.268 0%水平的霧霾污染惡化。該結果說明空間溢出和鄰接轉移所產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性。

（2）植樹造林導向的GCS 能夠有效緩解霧霾污染。表現為，森林覆蓋率和人工造林的回歸系數值分別為-0.188 7 和-0.050 9，且均在1%的水平上顯著，說明森林覆蓋率越高、人工造林面積越大，霧霾污染程度越低。一是植樹造林導向的GCS 會對空氣中PM10、PM2.5、NOx等霧霾污染主要構成物質產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。因為森林對風速的減緩作用僅限于近地風，遠未達到影響大氣環(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中均未通過顯著性水平檢驗，說明通過園林綠化途徑增加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節(jié)與徑流削減功能，可以幫助城市緩解熱島效應，但是缺少與緩解霧霾污染相關的直接證據。

（4）森林火災、濕度、降雨、日照等會對霧霾污染產生重要影響。森林火災回歸系數值為0.013 0，通過了5%的顯著性水平檢驗，說明頻發(fā)的森林火災已經成為霧霾污染的主要自然排放源之一。相對濕度的一次項和二次項回歸系數分別為9.881 5 和-1.175 2，且均在1%的水平上顯著，說明兩者之間存在倒“U”型影響關系。在拐點之前，碳質氣溶膠會發(fā)生含水反應，導致其濃度增加，同時硫氧化率對于相對濕度的變化敏感，細微顆粒物附著在水汽上且長期懸浮在低空中不易散開造成污染物累積。在越過臨界值之后，過高的空氣濕度會導致空氣質量加重從而促進濕沉降，一定程度上降低了污染物。降雨量的回歸系數為-0.103 1，通過了1%的顯著性水平檢驗，說明降雨有助于減少霧霾污染。因為水滴在降落的過程中會附著空氣中的浮塵顆粒，利于有害氣體進行集中沉降。日照時數的回歸系數值為-0.197 2，在1%的水平上顯著，說明充足的日照有助于降低霧霾污染。因為日照會促使地表溫度升高，接近地面的空氣會上升進而產生對流，有助于局部污染物的擴散。

5 結論與政策建議

GCS 存在較強的全局空間相關性，伴隨著動態(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，也要集中有限資源重點聚焦GCS 低—低集聚區(qū)。如有計劃地提高新疆、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 對空氣中總懸浮顆粒物具有較強的阻擋、截留與吸附作用，能夠大幅減少PM10等霧霾主要構成物質。此外，森林的防風作用僅限于近地風，遠未達到影響大氣環(huán)流的程度，可見植樹造林有可能通過降低風速從而導致霧霾污染的這一說法不成立。鑒于此，主張將植樹造林導向的GCS 用作改善大氣污染的生態(tài)系統(tǒng)服務，以提高基于生態(tài)本身的環(huán)境保護能力和對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，所以在進行人工造林時需要注意植被的選擇和設計。

基于園林綠化的GCS，并未發(fā)現其對緩解霧霾污染發(fā)揮積極有效作用。園林綠化是運用工程技術或藝術手段，通過改造地形、種植花草、布置園路等形成的自然環(huán)境休憩場所。雖然市民普遍對園林綠化具有較強的擴大綠地空間、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較弱，對降低霧霾污染的影響有限。

森林火災等自然排放源是導致霧霾污染加劇的隱形“推手”。森林大火往往伴隨形成暫時性和區(qū)域性的化學煙霧，容易短時間內迅速產生大面積霧霾污染。因此，植樹造林導向的GCS 雖然有利于降低霧霾污染，但是要同步強化森林防火體系建設。濕度、降雨、日照等氣象條件不利的地區(qū)會掩蓋GCS 的空氣污染防治效果。霧霾污染防治需要科學、公平的評價手段，而目前對各城市治理效果評估是基于直接觀測的PM2.5和PM10小時濃度平均值，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空氣質量數據的影響，客觀、公平地評價各地區(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量評估方法，如北京大學光華管理學院和統(tǒng)計科學中心研究團隊提出的統(tǒng)計學氣象調整方法。