中國城市大氣污染特征及社會經濟影響分析

肖悅，田永中*，許文軒，劉瑾，萬祖毅，張雪倩，劉旭東

1. 西南大學地理科學學院，重慶 400715；2. 重慶市氣象科學研究所，重慶 401147

近年來，中國經濟的迅猛發展在推動社會進步和人民生活水平提高的同時，也造成許多諸如霧霾、光化學煙霧等復合型大氣污染的生態環境問題，嚴重影響到城市及區域的大氣環境及公共健康（劉滿鳳等，2016）。據統計，全國每年因空氣污染而死亡的人數高達 250萬（熊歡歡等，2017），由此造成的財政損失占全年GDP的10%（環境生態網，2007）。隨著人們對環境和健康問題的重視，空氣污染已經成為中國亟需解決的重大民生問題和國家發展問題。習近平總書記在十九大報告中指出，推進綠色發展、著力解決突出環境問題、加大生態環境保護力度、改革生態環境監管體制，同心建設美麗中國是實現可持續發展的內在要求（新華網，2017）。在此嚴峻的時代背景下，探討空氣質量的時空變化特征及影響因素分析，有利于引導城市實施可持續的發展戰略，避免盲目追求經濟增長而對生態環境造成不可逆轉的破壞。

目前國內外關于空氣質量的研究成果較多，主要集中在以下兩個方面，（1）基于單一城市（李向陽等，2011）、城市群（Li et al.，2011；徐偉嘉等，2014；Wang et al.，2016；劉華軍等，2016）和全國（王振波等，2015；Peng et al.，2016；張殷俊等，2015）的三大空間尺度和基于多年變化到特定時段的時間尺度（潘竟虎等，2016；李名升等，2013；程念亮等，2016）來探析空氣質量的時空分布特征。（2）空氣質量影響因素分析。現有研究多數集中在自然要素對空氣質量的影響方面，如氣象條件、地形、沙塵暴、霧霾等對大氣污染的影響（李文杰等，2012；李會霞等，2016；鄒旭東等，2015；趙軍平等，2017）。較少研究從社會經濟的視角探究空氣質量的影響因素（胡艷興，2015）。如藺學芹等（2016）基于空間滯后模型研究了能源消耗、工業化、技術進步和經濟發展對城市空氣質量的影響；少量研究關注了城市化、經濟增長、工業發展、交通以及能源結構（向堃等，2015；Fang et al.，2015；Patton et al.，2014；劉海猛等，2015；馬麗梅等，2014；席鵬輝等，2015）等對大氣環境的影響。

現有研究發現中國大氣污染存在的空間非均衡性和地理集聚性主要與地區發展差異有關，且經濟發達地區的大氣污染程度明顯高于不發達地區，因此現有成果雖涉及多個時空尺度，但主要集中在京津冀、長三角和珠三角等經濟發達、產業人口集聚高的地區（許文軒等，2017；Chen et al.，2016；沈威等，2017），而缺少全國整體性和區域性的對比研究。針對現有研究存在的主要問題，本文擬在考慮地區發展差異的基礎上，利用空間自相關、核密度和空間計量經濟學模型探討全國及各區域空氣質量的時空演化特征以及不同時空和不同地區之間社會經濟要素對空氣質量的影響差異，研究結果可為大氣污染防治工作提供決策參考。

1　數據及方法

1.1　研究方法

1.1.1空間自相關法

地理學第一定律認為任何事物之間均具有相關性，且距離越近，相關性越強。常用全局莫蘭指數（Global Moran’s I）和局部莫蘭指數（Local Moran’s I）來描述空間自相關性，前者用來分析空間數據的整體分布狀況，后者用于探測空間集聚發生的具體位置（Anselin et al.，2006）。計算公式如下：

式中，xi，xj分別表示城市i和j的空氣質量；n為城市總數；m表示與城市i在地理上相鄰的城市個數；wij為空間鄰接權重。全局莫蘭指數的取值范圍為[-1, 1]，正值表示區域城市空氣質量呈集聚分布，負值表示區域城市空氣質量與周邊城市具有顯著的差異；零值表示空間不相關，值越趨近于 1或-1，表示空間集聚或差異越明顯。局部莫蘭指數可將空間關聯模式分為 HH、LL、HL、LH 4種集聚類型，其中HH（LL）表示城市空氣質量與相鄰城市空氣質量呈正相關關系，即空氣質量高值（低值）城市在空間上集聚；HL（LH）表示城市空氣質量與相鄰城市空氣質量呈負相關關系，即空氣質量高值（低值）城市被低值（高值）城市包圍。

1.1.2核密度法

核密度是用來估計概率密度函數的非參數方法，可用連續的密度曲線來描述隨機變量的分布形態（孫才志等，2015），計算公式如下：

式中，N為觀測值個數；Xi為獨立分布的觀測值；為均值；K為核函數；h為帶寬。核密度圖的中心位置可以反映大氣污染水平的高低；波峰的高度和寬度用來反映大氣污染的差異，寬度越大，差異越大。

1.1.3空間計量經濟學模型

模型構建：觀測值在空間上相互獨立是傳統模型進行回歸分析的前提，但城市空氣質量并不是一個完全獨立的觀測值，定會受到鄰近區域影響，因此必須考慮空間相關性。考慮空間相關性的計量經濟學模型有空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）兩種。為確定哪種模型模擬效果最佳，需根據最小二乘法（Ordinary Least Squares，OLS）估計結果的拉格朗日系數（Lagrange Mulitplier，LM）及其穩健性（Robust，R）的顯著性進行判斷：若 LM（lag）＞LM（error），且 R-LM（lag）＞R-LM（error），則選擇SLM；若LM（lag）＜LM（error），且R-LM（lag）＜R-LM（error），則選擇 SEM（楊冕等，2017）。

變量的選擇：本文借鑒已有的研究理論，兼顧城市社會經濟數據的可獲得性，選取表示大氣污染狀況的空氣質量指數（Air Quality Index，AQI）作為被解釋變量，采用反映人口集聚（人口密度）、經濟水平（人均GDP）、工業化（第二產業占比）、能源消耗（能源消耗量）、汽車尾氣排量（民用汽車保有量）、科技進步（科技支出占比）和城市綠化水平（綠地覆蓋率）7個指標作為解釋變量，以探究中國及各區域空氣質量與社會經濟因素之間的基本關系與作用程度。同時，通過對解釋變量取對數的形式來降低異方差和非穩定性對模型估計的影響（姜磊，2016）。

則基于空間滯后模型的表達式為：

基于空間誤差的模型表達式為：

式中，Y為 AQI；ρ為空間回歸系數；W 為空間權重矩陣；X1…X7依次為人口密度、人均GDP、第二產業占比、能源消耗量、民用汽車保有量、科技支出占比和綠地覆蓋率。α0…α7為帶估計的模型參數；ε為誤差隨機項；μ為正態分布的隨機誤差向量。

1.2　研究區域及數據來源

本文研究區域為中國大陸，受數據可得性的限制，臺灣、香港和澳門未納入研究。空氣質量數據來源于中國環境監測總站公布的 2016年全國 361個城市的逐日 AQI，它是由 SO2、NO2、PM10、PM2.5、CO和O36種常規大氣污染物擬合的以定量描述空氣狀況的無量綱指數，其值越大，說明空氣污染越嚴重。近年來，中國空氣污染不單單局限于個別城市，大氣污染區域一體化的態勢愈發明顯。基于此，本文依據地區經濟發展水平和區域一體化特征，將全國23個省份、4個直轄市和5個自治區劃分為12個區域，并分別對各區域的日均AQI進行多組獨立樣本Kruskal-Wallis H檢驗，可知P=0.000＜0.05，均具有統計學意義（表1）。此外，本文的社會經濟數據來源于 2016年《中國城市統計年鑒》和《中國統計年鑒》。

表1　中國區域劃分及城市個數分布Table 1　Descriptions of the study area in China

2　中國城市空氣質量的時空演變規律

2.1　時間變化特征

不同的氣候條件會使城市空氣質量發生較大的變化。本文分別從年、季、月 3個尺度對 2016年全國及12個區域的AQI進行均值統計，以剖析空氣質量的時間變化規律（圖1、表2）。從全國尺度上看，2016年中國AQI年均值為79.53，空氣質量達到國家二級標準限值，全國AQI季均值由大到小排序為：冬（96.87）＞春（81.87）＞秋（72.81）＞夏（66.69），空氣質量呈現顯著的“夏優冬劣”的“U”型月變化規律。從地理尺度上看，南方四季和全年AQI均低于北方，說明中國大氣污染空間分布不均，整體呈現出“北重南輕”的空間格局。從區域尺度上看，各地AQI季均值均呈現出“夏低冬高，春降秋升”的態勢。各地AQI年均值由大到小排序為：京津冀（110.06）＞山東半島（97.31）＞黃河中游（96.17）＞西北地區（92.96）＞長三角（80.48）＞長江中游（79.51）＞長江上游（77.27）＞東北地區（72.36）＞青藏高原（67.54）＞珠三角（60.97）＞南部沿海（55.16）＞云貴高原（51.22），京津冀 AQI年均值居 12個區域之首，空氣質量最差，而南部沿海、云貴高原和青藏高原則是全國空氣質量相對優良的區域。各區空氣質量呈現出顯著的空間分異性，大氣污染整體呈現出由沿海到內陸，由南到北，由西到東，由非采暖區到采暖區，由欠發達區到發達區逐漸加重的態勢。

圖1　2016年全國AQI時間變化規律Fig. 1　Time change rule of AQI in China in 2016

表2　2016年各區域AQI時間規律Table 2　Seasonal variation of AQI at different regions in China in 2016

2.2　污染等級變化特征

根據2012年中國環保部公布的《AQI技術規定》，將 AQI劃分為優（0～50）、良（51～100）、輕度污染（101～150）、中度污染（151～200）、重度污染（201～300）和嚴重污染（301～500）6個等級，分別統計2016年全國和12個區域在各等級中出現的天數及同一等級下各區域出現天數占該等級所有天數的比例。從表3可以看出，全國、南北以及各區域空氣質量狀況均以優良天氣為主，而污染天氣則以輕度和中度污染為主，重度和嚴重污染天氣相對較少。如全國優良天數占所有天數的比例最高，為78.54%，其次是輕度和中度污染，所占比例分別為15.12%和3.79%，重度污染和嚴重污染所占比例最小，僅為2.47%。從區域對比上看，各區域污染天數占所有污染天數的比例由大到小為：黃河中游（21.22%）＞長江中游（15.1%）＞山東半島（13.83%）＞長三角（12.11%）＞西北地區（10.2%）＞東北地區（7.89%）＞京津冀（7.31%）＞長江上游（6.04%）＞青藏高原（2.12%）＞南部沿海（1.97%）＞珠三角（1.43%）＞云貴高原（0.77%）。而重度和嚴重污染天氣所占比例最高的前5個區域分別是：黃河中游（29.88%）、西北地區（20.17%）、山東半島（14.85%）、京津冀（13.28%）和長江中游地區（8.33%）。黃河中游、山東半島、長江中游、京津冀等地不僅是全國人口高集聚區，還是中國沿江沿海重化工產業的重點集聚區，高污染、高能耗產業發展迅速，對空氣污染貢獻巨大，因此屬于全國空氣質量最差的地區。

2.3　空間變化特征

對全國361個城市2016年的AQI數據進行插值得到中國城市大氣污染的空間分布格局。由圖 2可知，以京津冀為首的黃河中下游和新疆西部是2016年全國大氣污染最嚴重、最集中的區域。為進一步探究中國大氣污染的空間模式，利用 ArcGIS中的空間自相關工具，根據各城市與其周圍相鄰城市的空間關系，在 5%顯著性水平下，把單個城市與周圍城市空氣污染的集聚類型劃分為以下四類：（1）高-高集聚（HH）：表示該城市與周圍相鄰城市的大氣污染均較嚴重，相互之間存在正相關關系，用紅色表示。（2）低-低集聚（LL）：表示該城市與周圍相鄰城市的大氣狀況均較好，相互之間存在正相關關系，用藍色表示。（3）低-高集聚（LH）：表示該城市大氣狀況較好，但周圍相鄰城市的大氣污染較重，相互之間存在負相關關系，用黃色表示。（4）不顯著（Not significant）：表示該城市的空氣質量狀況與周圍城市無關，用灰色表示。由圖3可知，中國空氣質量在空間上呈現出明顯的區域異質性，多數空氣污染較重的城市集聚在一起，污染較輕的城市集聚在一起，其中高-高“熱點”集聚區主要分布“高污染、高能耗、高排放”的新疆、京津冀、山東半島和中原城市，低-低“冷點”集聚區主要分布在氣候惡劣、沿海以及工業相對不發達的黑龍江、南部沿海和高海拔地區，低-高“異值”集聚區主要分布在鄰近京津冀的內蒙古和山西這2個省份。可以看出，全國空氣質量呈現出顯著的空間集聚性，大氣污染區域一體化態勢明顯，大氣污染治理急需區域間的協同合作、聯防聯控。

圖2　2016年中國主要城市AQI空間分布格局Fig. 2　Spatial distribution pattern of AQI in the main cities of China in 2016

表3　2016年全國及各區域AQI等級天數占比Table 3　The proportions of days with different levels of AQI at national and regional scales in China in 2016

圖3　2016年中國AQI局部自相關集聚圖Fig. 3　Local autocorrelations of AQI in China in 2016

為量化 2016年各地大氣污染的非均衡性，本文利用全局Moran’s I、核密度法和BOX圖探討了不同地區大氣污染的地區差異和分布差距（賀冉冉等，2017）。由表 4 可知，（1）長江上游 AQI、PM2.5、PM10的Moran’s I較高，說明該地區大氣污染的正相關性主要受 PM2.5、PM10的集聚效應影響。（2）長江中游 AQI、PM2.5、PM10和 NO2存在著明顯的正相關關系，而CO、SO2和O3的空間依賴關系不顯著。（3）長三角AQI的Moran’s I相對較小，但PM2.5、PM10和 SO2的 Moran’s I相對較高并有著顯著的空間依賴關系。（4）珠三角AQI的Moran’s I為 0.527，6種污染物中以 NO2的空間依賴性最大（0.541），而 NO2主要來源于汽車尾氣，可見較多的機動車和發達的交通網絡是造成該地大氣污染的主要原因。（5）南部沿海和黃河中游 AQI的Moran’s I分別為 0.227、0.444，除 O3外，其他 5種污染物具有顯著的正相關關系。（6）京津冀AQI的 Moran’s I為 0.253，PM10、SO2的集聚性最大，分別為0.339、0.296。PM10、SO2主要來源于冶金、燃煤等化工過程，說明該地區大氣污染主要與人類頻繁的社會經濟活動相關。（7）東北地區 AQI的Moran’s I為0.577，6種污染物中以SO2的集聚性最強（0.541），說明含硫燃料的大量燃燒對本地空氣污染的貢獻巨大。（8）山東半島除 O3外，AQI與其他污染物均存在顯著的空間集聚性。（9）西北地區除NO2外，AQI與其余5種污染物的Moran’s I均較高。（10）云貴高原AQI、PM2.5和NO2均表現出強烈的空間依賴性。（11）青藏高原的空間相關性不顯著（0.186），而PM10和SO2的空間依賴性較強，分別為0.346和0.331。（12）南北地區的AQI、PM2.5、PM10和 NO2顯著正相關。此外，北方地區的大氣污染與SO2呈顯著正相關（0.307）。

表4　2016年全國各地區大氣污染的Moran’s ITable 4　Moran’s I of air pollution in different regions in China in 2016

圖4　2016年中國12個區域空氣質量數據核密度估計圖Fig. 4　Kernel density of AQI at national and regional scales in China in 2016

本文利用核密度圖對比分析了不同地區大氣污染空間分布的差距（圖4）：從分布形態上看，12個地區AQI核密度圖呈不同程度的單峰分布；從中心位置上看，云貴高原、南部沿海和珠三角位于最左側，峰值較高、寬度較小，說明這3個地區AQI普遍較低，大氣環境相對優良并且城市內部之間的差異較小。而京津冀、山東半島和黃河中游的核密度圖峰值整體偏右較低、寬度較大，表明這3個地區AQI相對較高，空氣質量相對較差且城市之間的大氣污染差異較大。根據 BOX圖的取值范圍和分布形態，將12個區域AQI劃分為3種共7個類型（圖 5），（1）重度污染區，包括高值主導區（AQI均值以上的城市個數大于AQI均值以下個數）和低值主導區（AQI均值以上的城市個數小于AQI均值以下個數）。其中，京津冀和山東半島屬于重污染高值主導區，表明城市之間空氣污染程度的總體差異在不斷縮小，大氣污染不再局限于個別城市，區域污染一體化的態勢在不斷推進。這類地區是中國大氣污染治理的工作重點和難點，國家及地方政府應加快推進大氣污染跨區域聯防聯控的治理機制。黃河中游屬于重污染低值主導區，表明少數污染嚴重的城市對該區域大氣污染的加重和一體化影響顯著，治理工作應集中在少數重污染城市并同時開展區域聯防聯控工作。（2）中度污染區，分為以東北和長江上游為代表的低值主導區、以長三角為代表的高值主導和以西北和長江中游為代表的均衡區（AQI均值以上的城市個數約等于AQI均值以下個數），這幾類地區的空氣質量處于臨界水平，污染治理應根據各自大氣污染的形態模式，因地制宜制定預警措施并確定重點整治城市以及時抑制大氣污染一體化的惡化趨勢。（3）輕度污染區，包括以青藏高原、珠三角為代表的低值主導區和以云貴高原、南部沿海為代表的均衡區。這兩類地區的大氣污染相對較輕，大氣治理應堅持“預防為主，防治結合，不斷推進”的原則，使其空氣質量持續維持在相對優良的水平并繼續改善。

圖5　2016年中國12個區域空氣質量數據BOX分布圖Fig. 5　Box distribution of AQI in different regions in China in 2016

3　城市空氣質量的社會經濟要素影響分析

3.1　空氣質量演化的社會經濟驅動力

根據設定好的回歸模型，利用2016年中國361個城市AQI和對應的社會經濟數據，探究全國及各區域大氣污染的社會經濟驅動力。解釋變量之間不存在線性關系是進行回歸分析的前提，因此首先利用SPSS對各變量進行共線性診斷，發現各個變量的容差（Tolerance）均位于 0.733左右，方差膨脹因子（VIF）均小于2，說明變量之間不存在多重共線問題。然后，根據OLS回歸模型的LM空間相關性檢驗結果（表5），發現LM（lag）＞LM（error）且R-LM（lag）＞R-LM（error），說明在1%顯著性水平下，SLM比SEM更顯著，故SLM是最佳的回歸模型。此外，未考慮大氣污染在空間上具有依賴性的 OLS擬合精度（R2=0.508），而考慮了空間相關性的SLM擬合精度，R2則顯著地提升到0.879。由SLM模型擬合的2016年全國空氣質量的社會經濟影響結果可知，（1）從顯著性上看，人均 GDP和綠地覆蓋率對全國空氣質量的影響不顯著，而第二產業占比、能源消耗、民用汽車擁有量和科技支出占比這4個指標對大氣污染的影響均在1%水平上達到顯著，四者每提高 1個百分點，全國 AQI分別上升0.135%、0.125%、0.465%和-0.054%。而人口密度通過了10%的顯著性水平檢驗。（2）從正負相關性上看，AQI與人口密度、第二產業占比、能源消耗、民用汽車保有量呈顯著的正相關關系，表明人口集聚、工業發展和能源消耗對全國大氣污染的惡化趨勢具有加重作用。而人均GDP、科技支出占比和綠地覆蓋率與AQI呈負相關關系，表明經濟發展、科技進步和城市綠化對城市大氣污染具有一定程度的抑制作用。

表5　基于OLS模型與SLM模型的2016年全國空氣質量的社會經濟影響因素回歸結果Table 5　Estimation results of the socio-economic factors of AQI of China in 2016

3.2　各地區空氣質量社會經濟影響的分異特征

中國幅員遼闊，地區差距大，處于不同發展階段的區域，社會經濟要素對其空氣質量變化的影響具有差異性，本文利用SLM模型分析2016年不同區域空氣質量的社會經濟影響差距。利用 SLM 模型進行回歸分析時，需具備足夠且分布均勻的樣本數據，而青藏高原樣點較少且分布不均，為保證回歸結果的精度，本文未對該地區進行探究，其余11個地區的SLM回歸結果如表6所示，（1）長江上游除綠地覆蓋率外，其余6個指標均與該地區AQI呈正相關，其中人口密度、第二產業比重以及汽車保有量的正相關性最強，這3個指標每提高1%，該地區AQI分別增長0.134%、0.529%和0.248%。（2）長江中游、西北地區和云貴高原的AQI與科技支出占比和綠地覆蓋率呈負相關，與其余指標呈正相關，表明科技進步和城市綠化面積的提高有利于改善大氣污染，而人口集聚、經濟發展、工業化、能源消耗和汽車增多則加重了大氣污染。（3）長三角、珠三角、京津冀和黃河中游AQI與人口密度、第二產業占比、能源消耗、汽車保有量和科技支出占比呈正相關，與人均 GDP和綠地覆蓋率呈負相關，表明經濟發展和綠化的提高有助于改善大氣環境。其中，長三角AQI與能源消耗的正相關性最強（0.226），說明高能耗是引起該地大氣污染的首因；珠三角AQI與汽車保有量的正相關性最高（0.343），說明機動車排放是造成該地大氣污染的主因；京津冀 AQI與人口密度和科技支出占比的正相關性最顯著（0.208和0.18），說明由科技進步引起的人口大量涌入和生產增多是造成該地大氣污染的主因。（4）南部沿海AQI與第二產業占比、能源消耗和汽車保有量呈正相關，各指標每提高 1%，AQI分別上升0.094%、0.109%和0.194%；與人口密度、人均GDP、科技支出占比和綠地覆蓋率呈負相關，各指標每提高1%，AQI則分別下降0.03%、0.07%、0.014%和0.031%。（5）東北地區AQI與人均GDP在 10%的水平上顯著，其每增加 1%，AQI下降0.085%，與人口密度、第二產業占比和能源消耗在1%的水平上呈顯著正相關，并以能源消耗的顯著性最大（0.275）。（6）山東半島AQI與能源消耗呈顯著正相關，其每增加1%，該地區AQI上升0.249%；與人均 GDP和科技支出占比呈負相關，各指標每增大1%，AQI分別減少0.158%和0.1%。

由不同社會經濟發展水平對區域 AQI影響程度可知（圖6），（1）綠地覆蓋率對11個地區的空氣質量均呈負向改善效應，說明增大城市綠化水平有助于改善中國大氣污染現狀。（2）人口密度、能源消耗、第二產業占比和民用汽車擁有量對各地空氣質量基本呈正向加重效應，這表明人口集聚、工業化、能源消耗和機動車的增多對全國大氣環境的惡化具有推動作用。（3）科技支出占比對各地空氣質量的影響具有雙向性，具體表現為：除長江中游、南部沿海、東北地區、山東半島、西北地區和云貴高原外，科技進步顯著加重了其余5個經濟相對發達地區的大氣污染，并且這種正向加重效應大小排序為京津冀（18）＞珠三角（12.1）＞長三角（8.1）＞黃河中游（4.2）＞長江上游（3.6），這說明在經濟發達地區，科技進步在提高資源生產利用效率的同時，導致地區生產活動增多，人口大量涌入，污染排放增大，加劇了大氣污染。而對于經濟相對不發達的地區，科技進步則有助于生產方式由粗放向資源節約、環境友好的方向發展，能有效改善當地空氣質量。（4）人均 GDP對各地空氣質量的影響也具有正負雙向性，其中，珠三角、南部沿海、京津冀、東北地區和山東半島的經濟發展有助于改善大氣環境，并且人均 GDP越大的地區，空氣質量改善程度越顯著，如京津冀（-21.6）＞山東半島（-15.8）＞珠三角（-13.4）＞東北地區（-8.5）＞南部沿海（-7）。

圖6　2016年中國不同區域空氣質量的社會經濟影響程度分析圖Fig. 6　The influence of socio-economic factors on AQI in different regions in China in 2016

表6　基于SLM模型2016年全國各地區空氣質量的社會經濟影響因素回歸結果Table 6　Estimation results of the socio-economic factors of AQI in different regions of China in 2016

4　結論與討論

4.1　結論

（1）從時間變化上看，全國及各區域空氣質量均呈現出“夏低冬高，春降秋升”的“U”型月變化規律。這種規律與自然和人類活動的季節性變化有關。冬季降水少，溫度低，氣壓穩定，易出現逆溫天氣，從而不利于污染物的擴散和稀釋；同時冬季進入采暖期，燃料消費增大，污染排放增多，加劇了空氣污染。春秋兩季大風天氣居多，易引發沙塵，從而加劇了空氣污染。夏季降水增多，濕度增大，城市上空局部性對流旺盛，有利于污染物的沉積、稀釋和擴散，有效的改善了空氣質量。

（2）從空間變化上看，大氣污染表現出由沿海到內陸、由南到北、由西到東、由非采暖區到采暖區，由欠發達到發達區逐漸加重的空間分異性；此外，各區域空氣污染的總體程度、分布結構存在顯著的非均衡性和集聚性，其中京津冀、山東半島和黃河中游屬于高污染熱點集聚區，而南部沿海、青藏和云貴高原屬于低污染冷點集聚區。

（3）采用空間經濟計量經濟學模型探析空氣質量的社會經濟影響，結果表明：從全國層面上看，人口集聚、工業發展和能源消耗對大氣污染的惡化具有加重作用。而經濟發展、科技進步和城市綠化水平的提高在一定程度上對大氣污染具有良好的抑制作用。從區域層面上看，受各地社會經濟發展階段各異的影響，各社會經濟要素對不同區域大氣污染的影響程度各不相同。具體表現為：①綠地覆蓋率對各地大氣污染呈負向改善效應；②人口密度、能源消耗、第二產業占比和民用汽車擁有量對各地空氣質量呈不同程度的正向加重效應；③科技支出占比和人均 GDP對各地空氣質量的影響具有雙向性，具體表現為：在發達地區，科技進步雖提高了資源利用率，但由此造成的地區生產活動和污染排量增多，使得大氣污染加劇趨勢愈加明顯；而在不發達地區，科技進步則有助于生產方式由粗放型向集約型的方向轉化，有效改善了地區空氣質量。此外，人均 GDP越大的地區，經濟發展對大氣污染的改善作用越明顯。

4.2　討論

從政策啟示上看，空氣污染不再局限于單個城市，具有顯著的區域集聚性，因此國家及地方政府應采取措施打破行政區域的界限，將治理方式由城市的“單打獨斗”轉變為區域的“聯防聯控”，并徹底落實“誰污染誰治理”原則，爭取早日啃下大氣污染這塊“硬骨頭”。從企業發展上看，企業排污是造成空氣污染的主要“元兇”，因此企業應積極響應大氣污染治理政策、主動承擔改善大氣環境的社會責任，并通過促進產業結構優化升級、加大科技投入和開展綠色創新等方式，為早日建立起資源節約型、環境友好型的可持續發展社會做貢獻。從區域治理上看，由于全國各地社會經濟發展水平各異，社會經濟要素對空氣質量的影響呈現顯著的地區差異，因此需立足在區域發展現狀和資源環境水平上，解析社會經濟要素與空氣質量的相關性，厘清污染源頭，確定整治方向、重點和難點。

參考文獻：

ANSELIN L, SYABRI I, KHO Y. 2006. GeoDa: An Introduction to Spatial Data Analysis [J]. Geographical Analysis, 38(1): 5-22.

CHEN Y, SCHLEICHER N, FRICKER M, et al. 2016. Long-term variation of black carbon and PM2.5in Beijing, China with respect to meteorologicalconditionsandgovernmentalmeasures[J].Environmental Pollution, 212: 269-278.

FANG C, LIU H, LI G, et al. 2015. Estimating the Impact of Urbanization on Air Quality in China Using Spatial Regression Models [J].Sustainability, 11(7): 15570-15592.

LI L, CHEN C H, FU J S, et al. 2010. Air quality and emissions in the Yangtze River Delta, China [J]. Environmental Health Perspectives,10(10): 1621-1639.

PATTON A P, PERKINS J, ZAMORE W, et al. 2014. Spatial and temporal differences in traffic-related air pollution in three urban neighborhoods near an interstate highway [J]. Atmospheric Environment, 99: 309-321.

PENG J, CHEN S, Lü H, et al. 2016. Spatiotemporal patterns of remotely sensed PM2.5, concentration in China from 1999 to 2011 [J]. Remote Sensing of Environment, 174: 109-121.

WANG Z B, FANG C L. 2016. Spatial-temporal characteristics and determinants of PM2.5, in the Bohai Rim Urban Agglomeration [J].Chemosphere, 148: 148-162.

程念亮, 李云婷, 張大偉, 等. 2016. 2014年APEC期間北京市空氣質量改善分析[J]. 環境科學, 37(1): 66-73.

賀冉冉, 朱蘭保, 周開勝. 2017. 基于時間序列模型殘差的中國東部地區空氣質量指數(AQI)空間自相關特征分析[J]. 環境科學學報,37(7): 2459-2467.

胡艷興, 潘竟虎, 王怡睿. 2015. 基于ESDA-GWR的1997—2012年中國省域能源消費碳排放時空演變特征[J]. 環境科學學報, 35(6):1896-1906.

環境生態網. 2007. 生死劫: 中國每年因污染造成損失高達 GDP的10%[EB/OL]. (2007-03-20)[2018-03-08]. http://www.eedu.org.cn/news/envir/epc/200703/12121.html

姜磊. 2016. 空間回歸模型選擇的反思[J]. 統計與信息論壇, 31(10):10-16.

李會霞, 史興民. 2016. 西安市PM2.5時空分布特征及氣象成因[J]. 生態環境學報, 25(2): 266-271.

李名升, 張建輝, 張殷俊, 等. 2013. 近10年中國大氣PM10污染時空格局演變[J]. 地理學報, 68(11): 1504-1512.

李文杰, 張時煌, 高慶先, 等. 2012. 京津石三市空氣污染指數(API)的時空分布特征及其與氣象要素的關系[J]. 資源科學, 34(8):1392-1400.

李向陽, 丁曉妹, 高宏, 等. 2011. 中國北方典型城市 API特征分析[J].干旱區資源與環境, 25(3): 96-101.

藺雪芹, 王岱. 2016. 中國城市空氣質量時空演化特征及社會經濟驅動力[J]. 地理學報, 71(8): 1357-1371.

劉海猛, 石培基, 潘竟虎, 等. 2015. 中國城鎮房價收入比時空演變的多尺度分析[J]. 地理科學, 35(10): 1280-1287.

劉華軍, 杜廣杰. 2016. 中國城市大氣污染的空間格局與分布動態演進——基于161個城市AQI及6種分項污染物的實證[J]. 經濟地理,36(10): 33-38.

劉滿鳳, 謝晗進. 2016. 基于空氣質量指數AQI的污染集聚空間異質性分析[J]. 經濟地理, 36(8): 166-175.

馬麗梅, 張曉. 2014. 中國霧霾污染的空間效應及經濟、能源結構影響[J]. 中國工業經濟, (4): 19-31.

潘竟虎, 張文, 王春娟. 2016. 2011—2013年中國霧霾易發生期間API的分布格局[J]. 環境工程學報, 10(3): 1340-1348.

沈威, 杜巧艷, 李永賀, 等. 2017. 長江經濟帶新型城鎮化時空格局演變及影響因素研究[J]. 華中師范大學學報(自科版), 51(4): 534-541.

孫才志, 李欣. 2015. 基于核密度估計的中國海洋經濟發展動態演變[J].經濟地理, 35(1): 96-103.

王振波, 方創琳, 許光, 等. 2015. 2014年中國城市PM2.5濃度的時空變化規律[J]. 地理學報, 70(11): 1720-1734.

席鵬輝, 梁若冰. 2015. 油價變動對空氣污染的影響: 以機動車使用為傳導途徑[J]. 中國工業經濟, (10): 100-114.

向堃, 宋德勇. 2015. 中國省域 PM2.5污染的空間實證研究[J]. 中國人口·資源與環境, 25(9): 153-159.

肖悅, 田永中, 許文軒, 等. 2017. 近 10年中國空氣質量時空分布特征[J]. 生態環境學報, 26(2): 243-252.

新華網. 2017. 十九大開幕會從“新”看報告[EB/OL]. (2017-10-18) [2018-03-08]. http://news.xinhuanet.com/politics.

熊歡歡, 梁龍武, 曾贈, 等. 2017. 中國城市 PM2.5時空分布的動態比較分析[J]. 資源科學, 39(1): 136-146.

徐偉嘉, 何芳芳, 李紅霞, 等. 2014. 珠三角區域PM2.5時空變異特征[J].環境科學研究, 27(9): 951-957.

許文軒, 田永中, 肖悅, 等. 2017. 華北地區空氣質量空間分布特征及成因研究[J]. 環境科學學報, 37(8): 3085-3096.

楊冕, 王銀. 2017. 長江經濟帶PM2.5時空特征及影響因素研究[J]. 中國人口·資源與環境, 27(1): 91-100.

張殷俊, 陳曦, 謝高地, 等. 2015. 中國細顆粒物 PM2.5污染狀況和空間分布[J]. 資源科學, 37(7): 1339-1346.

趙軍平, 羅玲, 鄭亦佳, 等. 2017. G20峰會期間杭州地區空氣質量特征及氣象條件分析[J]. 環境科學學報, 37(10): 3885-3893.

鄒旭東, 楊洪斌, 張云海, 等. 2015. 1951—2012年沈陽市氣象條件變化及其與空氣污染的關系分析[J]. 生態環境學報, 24(1): 76-83.