柏玲
, 姜磊, 周海峰
Bai Ling, Jiang Lei, Zhou Haifeng
中图分类号: F205;X196
文献标识码: A
文章编号: 1000-0690（2018）12-2100-09
通讯作者:
收稿日期: 2017-11-28
修回日期: 2018-01-26
网络出版日期: 2018-12-20
版权声明: 2018 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：柏玲（1987-）, 女,河南新蔡人, 博士,讲师,研究方向为区域经济和生态经济。E-mail:lig@nwu.edu.cn
展开
摘要
基于2015年长江经济带126个城市空气质量监测数据,首先利用探索性空间数据分析方法揭示了空气质量指数（AQI）的时空演变特征,然后采用贝叶斯空间滞后模型探讨了长江经济带空气质量指数的社会经济驱动因素。研究结果表明：① 长江经济带年AQI在空间上整体具有东高西低,长江以北高长江以南低的分布特点,具有明显的空间集聚特征。空气污染严重的热点地区主要集中长三角城市群的江苏省、浙北地区、皖北大部分地区以及上海市。空气质量较好的冷点地区则主要集中在云南省、四川的攀枝花以及贵州的大部分地区。② 长江经济带AQI在季节上呈现冬春高、夏秋低的季节变化趋势。总体而言,四季的高值集聚主要分布在鄂皖苏,低值集聚主要分布在云贵地区。③ 贝叶斯空间滞后模型回归结果显示,长江经济带空气质量存在显著的空间溢出效应。此外,模型结果证实了“环境库兹涅兹曲线”假说;FDI回归系数为正,支持了“污染避难所”假说;人口密度、公路客运量均是导致空气污染加剧的重要因素,而第三产业比重和建成区绿化覆盖率增加有利于长江经济带空气质量的改善。
关键词：
Abstract
Based on a cross-sectional data at the city level in the Yangtze River Economic Belt, this paper firstly employs the exploratory spatial data analysis method to investigate the spatio-temporal variation characteristics of air quality index (AQI) of 126 cities in 2015, and then applies the Bayesian spatial econometric model to explore the socio-economic driving factors of air quality index of the Yangtze River Economic Belt. The findings are the following: 1) The distribution of the annual average AQI values in the Yangtze River Economic Belt exhibits a significant spatial cluster pattern, specifically high AQI values in the north and low AQI values in the south. Moreover, the hot spot analysis results show that the most polluted areas are mainly Jiangsu province, the northern Zhejiang province, Shanghai and the most areas of northern Anhui province while Yunnan province, Panzhihua city of Sichuan and the most areas of Guizhou province show better air quality. 2) Regarding the seasonal characteristics of AQI values in the Yangtze River Economic Belt, it also shows a typical seasonal characteristic, specifically, high AQI values in both winter and spring, and low AQI values in both summer and autumn. Overall, during the whole year high AQI values are mainly concentrated on Hubei province, Anhui province and Jiangsu province while low AQI values on Yunnan province. 3) The Bayesian spatial lag model indicates that the urban AQI values of the Yangtze River Economic Belt show significant spatial spillover effects. Moreover, the environmental Kuznets curve hypothesis has been verified, indicating that as GDP per capita increases, air quality worsens. However, when GDP per capita continues to increase, air quality becomes better. Besides, the coefficient of FDI variable is significant and positive, indicating the pollution haven hypothesis. Finally, the increase in population density and highway passenger transportation are important driving factors worsening air quality while the higher proportion of the tertiary industry and green coverage ratio improvements contribute to improving air quality of the Yangtze River Economic Belt.
Keywords：
长江经济带作为地跨中国南北、横贯东西的重要腹地,包含9个省及2个直辖市,连接3个国家级城市群,在中国的经济发展中具有重要的战略地位。然而,近年来随着工业化和城市化进程的加快,尤其是长江经济带资源密集型的重工业行业如火力发电、石化和钢铁冶炼等行业的迅速发展,排放出大量的污染物,致使长江经济带空气污染问题日益突出。特别是长江中下游部分城市雾霾天数已达100 d/a以上,个别城市甚至超过200 d/a,大气环境质量严重下降[1]。日趋严重的大气污染不仅损害了当地人民的身体健康,也对区域工业生产、交通运输及社会经济发展等造成了严重影响[1,2]。长江经济带在国家经济发展层面中具有战略支撑地位,因而研究该区域空气质量时空演变特征及驱动因素,对促进长江经济带实现绿色、可持续发展具有极为重要的理论和现实意义。
近年来,随着中国大气污染问题日趋严重,有关空气质量问题研究也日益增多。目前学术界对空气污染问题展开了大量的多角度研究,如空气污染物PM2.5、NO2和SO2的时空演变格局分析[3,4,5,6]、大气颗粒物PM2.5的化学成分解析[7,8]、健康效应[9,10]、自然和社会经济驱动因素[11,12]等。这些研究成果有利于提升人们对空气污染问题在科学层面的认知,对进一步研究长江经济带空气质量及驱动因素极具参考价值。然而,以上研究多选择单一的空气污染物如PM2.5、SO2和NO2来直接表征区域空气污染水平,无法客观全面地衡量区域空气污染状况。基于此,现有部分研究选用中国环境保护部提出的空气质量指数（Air Quality Index,AQI）来作为全面衡量空气污染的综合指标,且主要集中于中国城市空气质量指数的时空分布特征[13,14],城市空气质量自然和社会经济驱动因素分析[15,16,17,18,19,20,21,22]。然而,以整个长江经济带为研究范围,基于地面监测数据研究AQI时空特征及驱动因素的成果较少,并且采用空间计量方法对该区域空气质量进行定量分析的文献更是缺乏。尽管有学者从空间依赖性的视角,采用空间滞后模型来研究长江经济带的PM2.5影响因素[23],但仍然存在不足之处。第一,PM2.5是单一污染物,不能全面地衡量长江经济带的空气污染状况。第二,由于长江经济带各个城市的空气污染存在较大的差异,因此,计量模型的估计结果很可能存在异方差性问题。而异方差问题得不到有效解决将会使得相关空间计量模型估计结果有偏,从而影响科学判断。
本文选取长江经济带地级及以上城市作为样本区域,采用AQI作为全面衡量空气污染的指标。首先,利用探索性空间数据分析方法揭示地级及以上城市空气质量指数的时空特征;然后,建立长江经济带空气质量影响因素的空间计量模型;最后,采用贝叶斯方法回归估计空间计量模型,并分析和探讨影响长江经济带空气质量的社会经济的驱动因素,以期为长江经济带大气污染治理提供科学的决策依据。
本文采用AQI作为全面衡量空气质量的指标。AQI是由环保部制定监测空气质量状况的无量纲指数,其权威性、综合性和可信度相比现有文献所使用的指标更强。根据《环境空气质量指数（AQI）技术规定》（HJ633-2012）[24]规定,AQI数值大小可分为6级：① 0~50为优;② 51~100为良;③ 101~150为轻度污染;④ 151~200为中度污染;⑤ 201~300为重度污染;⑥ AQI大于300为严重污染。此外,本文定义的“平均”指统计期内各日均值的算术平均值;春季为3~5月;夏季为6~8月;秋季为9~11月;冬季为12月、1月和2月。
1.1.1 探索性空间数据分析方法
采用探索性空间数据分析方法中的全域空间自相关分析方法和局域空间自相关的热点分析方法对长江经济带地级及以上城市的AQI进行分析。其中,全域空间自相关分析可以定量地描述城市AQI值与相邻城市AQI值的相似性。全域空间自相关分析一般采用的测度指标是Moran’s I指数[25,26]。
局域空间自相关用来度量长江经济带某个城市的AQI与其周围区域AQI的差异程度,其中常用的一种方法就是热点分析。热点分析需要计算出每个空间单元Getis-Ord Gi*统计量,得到相应的Z得分和P值。作为热点区域,不仅自身区域体现出高值,还将被同样的高值城市所包围[27]。
1.1.2 OLS模型
首先给出最基本的OLS模型,在构建计量模型时,模型中所有变量采用对数形式,这样做的好处是可以减少模型的异方差性[28]。模型如下所示：
式中,AQI为被解释变量,X表示社会经济影响因素变量,
1.1.3 空间计量模型
空间滞后模型（Spatial lag model, SLM）主要用于研究区域经济现象中某地区对其相邻区域属性值产生的影响,在研究空气污染时用来检验一个地区的空气污染是否具有扩散效应[29]。该模型的表达式为：
式中,
贝叶斯空间滞后模型（Bayesian estimates of spatial lag model, BSLM）是通过贝叶斯统计方法进行参数估计后得到的空间滞后模型。相比传统的空间滞后模型参数估计方法,BSLM模型在进行参数估计时不需要满足残差项同方差的前提假设条件。本文采用MCMC（Markov Chain Monte Carlo）参数估计思想,并选择吉布斯抽样方法（Gibbs sampling approach）进行估计,最终得到待估参数的贝叶斯估计值[30]。
根据数据的可获得性,并且参考已有的实证研究结果[12,23,29],本文选取了地区人均生产总值（GDP）、地区人均生产总值平方项（GDP2）、人口密度（Density）、第三产业比重（Third）、外商直接投资（FDI）、建成区绿化覆盖率（Green）、公路客运量（Tranint）7个变量来研究其对AQI的影响。
本文采用的AQI数据来源于中国环境保护部数据中心（http://datacenter.mep.gov.cn/index）。其中,长江经济带2015年共有130个城市的监测数据,剔除县市级,以及由于其他数据受限,空气质量指数时空分布研究的样本为126个城市。其他社会经济变量数据来源于《中国城市统计年鉴》（2016）[31],由于缺少长江经济带中16个城市的统计数据,因而空间计量模型部分的样本量为110个。
图1展示了2015年长江经济带126个城市年均空气质量指数的分布情况,其中湖北的天门、潜江、仙桃市和神农架林区数据缺失。可以看出,长江经济带大部分城市AQI值介于50~100,即空气质量处于良好状态。从AQI的空间分布来看,整体表现为东高西低,长江以北高长江以南低的分布格局。其中,AQI低值区主要集中于长江上游,如云贵川地区。这是因为长江经济带西南部城市位于云贵高原,该地区海拔较高,人口稀少,工业化水平低,人类生产生活排放的污染物较少,因此空气质量较好。AQI高值区主要集中在鄂苏皖及成渝地区,如湖北的武汉、荆门和襄阳等。主要原因是武汉都市圈以及成渝城市正处于快速工业化和城市化的进程中,其排放出的大气污染物总量较大,造成了严重的空气污染,是长江经济带污染最严重最集中的地区。
图1 2015年长江经济带地级及以上城市AQI空间分布
Fig.1 Spatial distribution of AQI in the Yangtze River Economic Belt in 2015
从AQI的季节变化空间分布来看（图2）,长江经济带夏季AQI的空间分异规律不明显;但是冬、春、秋三季AQI的空间分异性显著,且与年度AQI的空间分布格局相似,即整体呈现为东高西低的格局。从季节动态来看,长江经济带中AQI明显呈现冬春高、夏秋低的季节变化特点,且冬季与夏季浓度差异显著。冬季AQI的均值高于其他3个季节,达到97.71;夏季AQI的均值最低,为56.78。
图2 长江经济带AQI四季的变化
Fig.2 Seasonal variation of AQI in the Yangtze River Economic Belt
从空间分布情况来看,城市之间的空气质量在季节上表现出显著的地区差异性,如冬季污染比较严重的有江苏、浙江和安徽等地区,其中大部分为轻度污染,中度污染主要集中在湖北的武汉、荆门、襄阳和宜昌。春季空气污染程度较低,污染范围较小,轻度空气污染的仅有江苏的徐州和湖北的襄阳。夏季空气质量最佳,未出现轻度污染,主要表现为良和优。秋季空气质量仅次于夏季,总体为良。
为检验长江经济带地级及以上城市AQI是否存在空间自相关,首先采用了全局空间自相关进行分析。本文采用K-nearest最近邻居空间权重矩阵法构建空间权重矩阵。当3≤k≤7时,长江经济带地级及以上城市AQI的Moran’s I值均显著且差异较小。考虑到空气污染的空间范围,本文选取k=5进行分析,结果发现Moran’s I值高达0.710 0（图3）,且通过1%的显著性水平检验,说明长江经济带AQI在空间分布上呈现出显著的空间自相关现象,换言之,城市之间空气污染存在扩散效应,一个城市空气质量受到邻近地区的影响。
图3 长江经济带地级及以上城市AQI的Moran散点图
Fig.3 Moran scatterplot of AQI in the Yangtze River Economic Belt
为进一步揭示长江经济带地级及以上城市AQI四季的空间自相关问题,基于5个最近邻居空间权重矩阵计算了长江经济带AQI的Moran’s I值,结果显示,春、夏、秋和冬季的Moran’s I值分别为0.558 0、0.715 8、0.729 4、0.685 5,均通过1%的显著性水平检验,说明长江经济带四季AQI都具有较强的空间自相关性,且全域表现为“高-高”或者“低-低”的集聚状态。
此外,长江经济带地级及以上城市的AQI不仅在全局范围内存在空间溢出效应,在局部也表现出明显的局域集聚特征。由热点分析结果可以看出（图4）,空气污染严重的热点地区主要集中长三角城市群的江苏省全部城市、浙北地区、皖北大部分地区以及上海市。空气质量较好的冷点地区则主要集中在云南省绝大部分城市、四川的攀枝花以及贵州的贵阳、黔南、安顺和六盘水等地。
图4 基于热点分析的长江经济带AQI空间集聚特征
Fig.4 Spatial cluster feature of AQI by hotspot analysis in the Yangtze River Economic Belt
首先,本文采用OLS方法对长江经济带经济质量影响因素进行分析,结果如表1所示。由回归结果可知,所有的自变量分别在1%、5%和10%的显著性水平下通过了检验。并且,从调整的R2和F统计量来看,OLS模型整体拟合程度较好。
表1 OLS回归结果
Table 1 Results of OLS model
| 变量 | 系数 | 标准误差 | t统计量 | P值 |
|---|---|---|---|---|
| 常数 | -7.2306 | 6.0213 | -1.2008 | 0.2326 |
| LnGDP | 2.1296 | 1.1174 | 1.9058 | 0.0595 |
| LnGDP2 | -0.0977 | 0.052 | -1.8767 | 0.0634 |
| LnDensity | 0.1838 | 0.0276 | 6.6637 | 0.0000 |
| LnFDI | 0.0334 | 0.01272 | 2.6275 | 0.0099 |
| LnThird | -0.3142 | 0.0839 | -3.7454 | 0.0003 |
| LnGreen | -0.1736 | 0.1016 | -1.7091 | 0.0905 |
| LnTranint | 0.03349 | 0.0183 | 1.8306 | 0.0701 |
| R2 | 0.5474 | |||
| 调整后的R2 | 0.5163 | |||
| F-statistic | 17.6237 | 0.0000 | ||
| Log likelihood | 58.8105 | |||
| AIC | -0.9238 | |||
| SC | -0.7274 |
虽然OLS回归方法能得到各个变量对空气质量指数的影响,但却无法展示出城市之间空气污染的空间交互效应,并且根据城市AQI的自相关检验结果也可以看出空气质量存在显著的空间相关性。因此,需要考虑采用空间滞后模型来探讨空气质量的扩散效应及影响因素。
由表2可以看出,空间滞后模型（SLM）的空间自回归系数ρ为0.671 0,且通过了1%的显著性水平检验,说明邻近城市的空间污染越严重,那么本地区的空气质量就越差,即空气污染存在显著的空间扩散效应。影响空气污染的空间扩散效应不仅包括大气环流、大气化学等自然因素,而且也包括产业转移、工业集聚等经济机制的扩散与转移[32]。
表2 空间滞后模型与贝叶斯空间滞后回归结果
Table 2 Results of SLM model and BSLM
| 变量 | 空间滞后模型 | 贝叶斯空间滞后模型 | |||||
|---|---|---|---|---|---|---|---|
| 系数 | t统计量 | P值 | 系数 | t统计量 | P值 | ||
| 常数 | -5.6947 | -1.4464 | 0.1481 | -4.6538 | -1.0925 | 0.1347 | |
| LnGDP | 1.3951 | 1.9084 | 0.0563 | 1.1853 | 1.5168 | 0.0633 | |
| LnGDP2 | -0.0631 | -1.8535 | 0.0638 | -0.0528 | -1.4502 | 0.0722 | |
| LnDensity | 0.0910 | 4.5603 | 0.0000 | 0.1011 | 4.483 | 0.0000 | |
| LnFDI | 0.0246 | 2.9592 | 0.0031 | 0.0206 | 2.1612 | 0.0184 | |
| LnThird | -0.2295 | -4.1196 | 0.0000 | -0.2496 | -3.4843 | 0.0002 | |
| LnGreen | -0.1736 | -1.7091 | 0.0905 | -0.1806 | -2.5504 | 0.0069 | |
| LnTranint | 0.0335 | 1.8306 | 0.0701 | 0.0206 | 1.498 | 0.0629 | |
| ρ | 0.6710 | 10.3839 | 0.0000 | 0.6724 | 10.2179 | 0.0000 | |
| R2 | 0.5971 | 0.5861 | |||||
| 调整后的R2 | 0.5695 | 0.5576 | |||||
| Log likelihood | 65.2976 | ||||||
| AIC | -1.0418 | ||||||
| SC | -0.8454 | ||||||
为了说明空间滞后模型优于OLS模型,本文比较3个统计量,即对数似然值,AIC值以及SC的值。比较2个模型可以发现,空间滞后模型的对数似然值（65.297 6）大于OLS模型的对数似然值（58.810 5）,而空间滞后模型的AIC和SC值（-1.041 8,-0.845 4）均小于OLS模型的AIC和SC值（-0.923 8,-0.727 4）,总体来看,空间滞后模型相比OLS模型拟合更好,即考虑空气污染的扩散效应在计量模型中是不可或缺的。
然而,对模型进行怀特检验,可以发现OLS模型和SLM模型均存在严重的异方差问题。鉴于此,本文使用贝叶斯方法重新估计空间滞后模型（Bayesian estimates of spatial lag model, BSLM）,并通过Gibbs方法抽样3 000次。贝叶斯空间滞后模型的估计结果如表2所示。结果发现,空间自回归系数为0.672 4,并且通过了1%的显著性水平的检验。由BSLM估计结果可知,所有的自变量均通过了显著性检验。
人均GDP一次方（GDP）系数显著为正,而二次方系数（GDP2）显著为负,验证了“环境库兹涅兹曲线”假说[33],即人均GDP与AQI呈现倒U形关系。换言之,在经济发展初期,随着收入水平提高,空气质量在不断地恶化。当经济增长越过拐点后,人们的环境保护意识逐步增强,对环境质量诉求变高。随着人均GDP的继续提高,环境质量也随之改善。由发达国家经验可知,人均GDP在6 000~8 000美元区间内是环境质量转优的临界点[12],联合国国民账户主要汇总数据库（https://unstats.un.org/unsd/snaama/dnlList.asp）可知,中国2015年人均GDP达到8 036美元。通过回归结果可以计算出,长江经济带的人均GDP拐点出现在10 866美元,仅有少数城市越过了拐点,例如长三角的上海、南京、杭州、苏锡常地区以及长江中上游的省会城市合肥、长沙、武汉、南昌和成都。而大部分城市还处于倒U型曲线的左侧,即随着收入水平地提高,空气质量会逐渐恶化。然而,作为国家经济发展层面中极具战略支撑地位的长江经济带经济发展程度差异较大,大部分城市经济发展仍然以牺牲环境作为代价,对于环保的投入较为欠缺。应充分利用自身的资源和区位优势,加快产业结构升级,争取早日越过以牺牲环境为代价的不可持续发展模式,实施绿色可持续发展的经济增长模式。
人口密度（Density）对AQI有显著地正向影响。人口密度大的城市人类活动强度较大,生产和生活消耗了很多资源,并排放出大量污染物。如高能耗高污染的重工业的发展、社会用电量和汽车保有量等的增加,不仅导致区域能源消耗和汽车尾气排放量持续攀升,也使得城区建筑比较密集,交通流量不畅,导致城市污染从工业型污染向交通建筑型污染逐渐转变,加重了空气污染。
外商直接投资（FDI）对AQI有显著地正向影响。从实证结果可以看出,外商直接投资对长江经济带的空气质量并未起到改善作用,反而加剧了空气污染,这说明“污染避难所”假说在长江经济带成立。这可能是由于外资准入门槛低,引入了高污染行业的外资企业所致,这就需要政府针对高污染高能耗行业的外资准入设置严格的限制门槛,引进技术水平高的、倾向使用清洁能源的外资企业。同时,鼓励并推广外资企业使用清洁能源,鼓励和支持工业企业进行技术改造和升级,使得外资对中国环境治理起到积极作用。
第三产业比重（Third）对AQI有显著地负向影响,说明第三产业比重的提高有利于空气质量的改善。这是由于第三产业相当一部分是高新技术产业、服务业,对空气质量的影响远小于第二产业。因此,在保持经济稳定增长的前提下,必须注重经济发展方式的转变升级,积极落实产业结构调整升级换代。
建成区绿化覆盖率（Green）对AQI具有显著的改善作用,由此可见城市绿化在除尘、净化空气方面具有较强的功能,因此,仍需进一步加强城市绿化水平的提高。
最后,公路客运量（Tranint）与AQI存在显著地正相关关系。由于缺乏完整的各城市的汽车拥有量的数据,这里选择公路客运量作为衡量交通强度的指标。汽车数量的激增导致排放出来的尾气也随之急剧增加,会直接影响空气质量。因此,需要大力提倡使用清洁能源汽车,同时鼓励民众选择绿色环保的交通工具出行,不仅有利于减少汽车尾气的排放,也是一种切实可行的改善城市空气质量的有效途径。
本文首先采用探索性空间数据分析方法分析了长江经济带2015年各城市AQI的时空特征,然后通过贝叶斯空间滞后模型考察了长江经济带空气质量指数的社会经济驱动因素。研究结果表明：① 长江经济带年AQI在空间上整体表现出自东向西,即从上海到云南降低的趋势,具有长江以北高长江以南低,局部地区略有突出的特点。长江经济带AQI不仅在全局范围内存在空间扩散效应,在局部也存在着明显的集聚特征,空气污染严重的热点地区主要集中长三角城市群的江苏省、浙北地区、皖北大部分地区以及上海市。空气质量较好的冷点地区则主要集中在云南省、四川的攀枝花以及贵州的贵阳、黔南、黔西南、安顺和六盘水等地。② 长江经济带AQI在季节上呈现冬春季高、夏秋季低的季节变化趋势。总体而言,四季的高值集聚主要分布在鄂皖苏,尤其是苏南苏北为高-高集聚区。低值集聚主要分布在云贵地区,尤其是云南的大部分地区为低-低值集聚区,空气质量四季基本为优。③ 贝叶斯空间滞后模型回归结果显示,长江经济带空气污染存在显著的空间溢出效应,各城市间空气质量的交互影响作用很强。人均GDP一次方系数为正,二次方系数为负,佐证了“环境库兹涅兹曲线”假说;FDI回归系数为正,支持了“污染避难所假说”;人口密度、公路客运量均是导致空气污染加剧的重要因素,而第三产业比重和建成区绿化覆盖率增加有利于空气质量的改善。
依据研究所得出的结论,本文提出如下政策建议。第一,由于空气污染存在显著空间扩散效应,因此,各城市应当加强环境合作,打破地方行政分割。具体来说,不同省市在空气污染治理方面需要加强联防联控,针对重点问题重点污染区域进行统筹规划,积极探索城市间通力协作的新方式,形成空间上的合力,树立绿色、开放、共享的发展理念。不仅如此,各地更要加强环境监测手段,全面构建地方空气质量监测预报预警体系。第二,考虑到第三产业发展对空气质量起到了改善作用,因而,政府在制定政策时必须注重经济发展方式的调整,积极落实产业结构调整升级。同时,地方政府加大落后产能的淘汰力度,对重点高污染行业进行实时监控。大力发展高新技术产业,全面推进老产业链关键领域的创新升级。考虑到空气污染的空间扩散效应,在进行产业布局时应合理规划,避免污染行业的过度集中,进行产业转移时减少产业承接产生的负外部效应。各地政府积极探索城市经济增长的新方式,实施绿色可持续发展的经济增长模式。第三,鉴于FDI、人口密度、公路客运量均是导致空气污染加剧的重要因素,建成区绿化覆盖率有利于空气质量的改善。因此,政府在大力引进外资时必须将环境因素考虑在内,限制高污染行业的外资流入,以减少对环境的污染。经济发展水平较高的城市应当控制人口集聚速度,积极引导人口向中小型城市迁移。不仅如此,绿地建设空间不大并且土地资源紧张的大中型城市应当着重倡导“绿色优先,低碳先行”的绿色环保理念,鼓励民众在生活中使用清洁能源,选择绿色环保的交通工具出行,大力推进绿色交通的发展。只有加强群众环保意识、提高政府监管水平,才能实现长江经济带绿色、和谐可持续发展。
The authors have declared that no competing interests exist.
| [1] |
基于环境压力的长江经济带工业生态效率研究 [J].
长期粗放型的工业增长模式给中国生态环境造成巨大压力,已经引起了社会各界的广泛关注。作为一种新型的衡量经济、资源与环境协调度的指标,生态效率可以体现某个经济单元在生产产品或提供服务的同时最大限度的减少自然资源消耗与环境污染排放（环境压力）的一种能力,反映了经济增长、资源节约与环境保护之间的平衡关系。本文选择工业用水总量、工业煤炭消费量、工业COD排放量以及工业SO<sub>2</sub>排放量作为环境压力代表性指标纳入DEA分析框架之中,实证测算2006-2012年长江经济带11个省市的5类工业生态效率（<em>IEE</em>）指标值,并考察<em>IEE</em>的地区差异与动态演变特征,采用<inline-formula><mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="Mml1-1007-8588-37-7-1491"><mml:mtable frame="none" columnlines="none" rowlines="none"><mml:mtr><mml:mtd><mml:maligngroup/><mml:mrow><mml:mi>σ</mml:mi></mml:mrow></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula>收敛与绝对<inline-formula><mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="Mml2-1007-8588-37-7-1491"><mml:mtable frame="none" columnlines="none" rowlines="none"><mml:mtr><mml:mtd><mml:maligngroup/><mml:mrow><mml:mi>β</mml:mi></mml:mrow></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula>收敛两种收敛分析方法检验<em>IEE</em>的收敛性,建立Tobit面板回归模型分析长江经济带<em>IEE</em>的影响因素。结果表明,长江经济带的<em>IEE</em>整体水平不高,资源节约与污染减排空间巨大;不同地区<em>IEE</em>差异特征明显且不存在明显的收敛趋势;经济发展水平、工业结构、工业能源消费结构、外资利用、政府环境规制力度对长江经济带及其上、中、下游地区的<em>IEE</em>均有一定影响,但影响的力度、方向以及显著性存在差异。
The industrial eco-efficiency of the Yangtze River Economic Zone based on environmental pressure .
长期粗放型的工业增长模式给中国生态环境造成巨大压力,已经引起了社会各界的广泛关注。作为一种新型的衡量经济、资源与环境协调度的指标,生态效率可以体现某个经济单元在生产产品或提供服务的同时最大限度的减少自然资源消耗与环境污染排放（环境压力）的一种能力,反映了经济增长、资源节约与环境保护之间的平衡关系。本文选择工业用水总量、工业煤炭消费量、工业COD排放量以及工业SO<sub>2</sub>排放量作为环境压力代表性指标纳入DEA分析框架之中,实证测算2006-2012年长江经济带11个省市的5类工业生态效率（<em>IEE</em>）指标值,并考察<em>IEE</em>的地区差异与动态演变特征,采用<inline-formula><mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="Mml1-1007-8588-37-7-1491"><mml:mtable frame="none" columnlines="none" rowlines="none"><mml:mtr><mml:mtd><mml:maligngroup/><mml:mrow><mml:mi>σ</mml:mi></mml:mrow></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula>收敛与绝对<inline-formula><mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="Mml2-1007-8588-37-7-1491"><mml:mtable frame="none" columnlines="none" rowlines="none"><mml:mtr><mml:mtd><mml:maligngroup/><mml:mrow><mml:mi>β</mml:mi></mml:mrow></mml:mtd></mml:mtr></mml:mtable></mml:math></inline-formula>收敛两种收敛分析方法检验<em>IEE</em>的收敛性,建立Tobit面板回归模型分析长江经济带<em>IEE</em>的影响因素。结果表明,长江经济带的<em>IEE</em>整体水平不高,资源节约与污染减排空间巨大;不同地区<em>IEE</em>差异特征明显且不存在明显的收敛趋势;经济发展水平、工业结构、工业能源消费结构、外资利用、政府环境规制力度对长江经济带及其上、中、下游地区的<em>IEE</em>均有一定影响,但影响的力度、方向以及显著性存在差异。
|
| [2] |
To reduce energy consumption and to maintain rapid economic growth:Analysis of the condition in China based on expended IPAT model [J].https://doi.org/10.1016/j.rser.2011.07.043 URL [本文引用: 1] 摘要
As one of the important driving forces of world economic development, China's rapid economic growth has not only supplied the world with a large number of manufactured goods, but also caused China's sustained and rapid increase in energy consumption because of the characteristics of China's economic development and overall low productivity derive from them in many years. According to the IPAT model and its expansion, this article figures out China's indicators of economic growth and changes in energy consumption brought by technological progress since 1986. Empirical results show that, despite many years efforts, China's high-speed economic growth is still largely dependent on massive energy consumption. How to maintain rapid economic growth while reducing energy consumption? China has faced the very problem it needs to address.
|
| [3] |
京津冀地区大气NO2污染特征研究 [J].https://doi.org/10.3969/j.issn.1674-5906.2014.12.008 URL [本文引用: 1] 摘要
京津冀都市圈作为全国主要的重化工业基地,区域性大气污染问题成为关注的焦点。NO2作为二次颗粒物及光化学污染物的重要前体物,了解其在时空尺度的污染特征对于保护公众康健及大气污染综合治理具有重要意义。本研究主要基于OMI遥感反演数据并结合部分地面监测数据,研究了2005—2013年京津冀NO2区域污染特征。结果表明:京津冀NO2柱浓度总体呈现逐年升高的趋势,年平均增长速率可达5.69%。在空间格局上呈东南平原区高、西北山区低的特征,平原的年均柱浓度是山区的3倍多;平原区存在两大NO2高值区域,分别为北京-天津-唐山区域和石家庄-邢台-邯郸区域;9年内,NO2高值范围不断扩大,且呈现明显的连片趋势。各城市大气NO2在9年内的增长趋势也表现出明显的空间差异性。其中石家庄、唐山、邢台等NO2重度污染区域的增长速率最大,衡水、沧州、秦皇岛、廊坊等中度污染区域的增长速率次之,承德、张家口等轻度污染区域的增长速率最小。京津冀NO2柱浓度具有显著的季节变化特征,总体表现为秋冬高、春夏低,但山区与平原区差异较大。人口密度、能源消耗、机动车排放等人为因素与京津冀NO2污染密切相关,不同城市的首要影响因素却不同。北京NO2柱浓度变化主要受机动车排放影响,天津、唐山、石家庄、邯郸、邢台地区主要受工业燃煤的影响,其次为机动车排放。人为因素对平原区NO2柱浓度的影响作用始终占据主导地位,对山区的主导作用从2006年开始突显。此外,京津冀平原区NO2重污染中心的形成还受到特殊地形和不利的气象条件影响。2008奥运年,京津冀空气质量得到迅速且有效的改善,说明北京及周边省市联合开展大气污染治理及监管工作的有效性及必要性。
Spatial and temporal characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei region .https://doi.org/10.3969/j.issn.1674-5906.2014.12.008 URL [本文引用: 1] 摘要
京津冀都市圈作为全国主要的重化工业基地,区域性大气污染问题成为关注的焦点。NO2作为二次颗粒物及光化学污染物的重要前体物,了解其在时空尺度的污染特征对于保护公众康健及大气污染综合治理具有重要意义。本研究主要基于OMI遥感反演数据并结合部分地面监测数据,研究了2005—2013年京津冀NO2区域污染特征。结果表明:京津冀NO2柱浓度总体呈现逐年升高的趋势,年平均增长速率可达5.69%。在空间格局上呈东南平原区高、西北山区低的特征,平原的年均柱浓度是山区的3倍多;平原区存在两大NO2高值区域,分别为北京-天津-唐山区域和石家庄-邢台-邯郸区域;9年内,NO2高值范围不断扩大,且呈现明显的连片趋势。各城市大气NO2在9年内的增长趋势也表现出明显的空间差异性。其中石家庄、唐山、邢台等NO2重度污染区域的增长速率最大,衡水、沧州、秦皇岛、廊坊等中度污染区域的增长速率次之,承德、张家口等轻度污染区域的增长速率最小。京津冀NO2柱浓度具有显著的季节变化特征,总体表现为秋冬高、春夏低,但山区与平原区差异较大。人口密度、能源消耗、机动车排放等人为因素与京津冀NO2污染密切相关,不同城市的首要影响因素却不同。北京NO2柱浓度变化主要受机动车排放影响,天津、唐山、石家庄、邯郸、邢台地区主要受工业燃煤的影响,其次为机动车排放。人为因素对平原区NO2柱浓度的影响作用始终占据主导地位,对山区的主导作用从2006年开始突显。此外,京津冀平原区NO2重污染中心的形成还受到特殊地形和不利的气象条件影响。2008奥运年,京津冀空气质量得到迅速且有效的改善,说明北京及周边省市联合开展大气污染治理及监管工作的有效性及必要性。
|
| [4] |
2014年中国城市PM2.5浓度的时空变化规律 [J].https://doi.org/10.11821/dlxb201511003 URL [本文引用: 1] 摘要
大气霾污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的严重环境问题,PM2.5是中国霾污染频繁的主要原因。过去对国家尺度上PM2.5时空分布的认识主要基于卫星观测,因其反演方法的局限性,卫星资料难以真实反映近地面PM2.5浓度的时空变化规律。本文基于中国2014年190个城市中的945个监测站的PM2.5浓度观测数据,采用空间数据统计模型,揭示了中国PM2.5的时空格局。结果显示,2014年中国城市PM2.5平均浓度61μg/m3,具有显著的冬秋高、春夏低的"U"型逐月变化规律和周期性U-脉冲型逐日变化规律;中国城市PM2.5浓度呈现显著的空间分异与集聚规律,以及两次南北进退的空间循环周期;胡焕庸线和长江是中国PM2.5浓度高值区和低值区的东西和南北分界线,胡焕庸线以东和长江以北的环渤海城市群、中原城市群、长三角城市群、长江中游城市群和哈长城市群等地区是2014年PM2.5的高污染城市聚集地,京津冀城市群是全年污染核心区;以珠三角为核心的东南沿海地区是稳定的空气质量优良区。
Xu Guang et al. Spatial-temporal characteristics of the PM2.5 in China in 2014 .https://doi.org/10.11821/dlxb201511003 URL [本文引用: 1] 摘要
大气霾污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的严重环境问题,PM2.5是中国霾污染频繁的主要原因。过去对国家尺度上PM2.5时空分布的认识主要基于卫星观测,因其反演方法的局限性,卫星资料难以真实反映近地面PM2.5浓度的时空变化规律。本文基于中国2014年190个城市中的945个监测站的PM2.5浓度观测数据,采用空间数据统计模型,揭示了中国PM2.5的时空格局。结果显示,2014年中国城市PM2.5平均浓度61μg/m3,具有显著的冬秋高、春夏低的"U"型逐月变化规律和周期性U-脉冲型逐日变化规律;中国城市PM2.5浓度呈现显著的空间分异与集聚规律,以及两次南北进退的空间循环周期;胡焕庸线和长江是中国PM2.5浓度高值区和低值区的东西和南北分界线,胡焕庸线以东和长江以北的环渤海城市群、中原城市群、长三角城市群、长江中游城市群和哈长城市群等地区是2014年PM2.5的高污染城市聚集地,京津冀城市群是全年污染核心区;以珠三角为核心的东南沿海地区是稳定的空气质量优良区。
|
| [5] |
中国大陆城市PM2.5污染时空分布规律 [J].https://doi.org/10.3969/j.issn.1000-6923.2016.03.001 URL [本文引用: 1] 摘要
为分析中国大陆城市PM_(2.5)污染的时空分布规律,运用统计学方法和GIS技术对2014年开展PM_(2.5)常规监测的161个城市进行分析,结果发现:仅8.1%的城市年评价结果达标,日均质量浓度超标天数占26.6%.夏季及春末、秋初PM_(2.5)污染相对较轻,冬季污染较重.PM_(2.5)的日变化曲线呈现不太明显的双峰分布,最低值出现在16:00前后,最高值出现在10:00前后,而凌晨至清晨保持相对较高的污染水平.京津冀及周边地区,中部地区的湖北、湖南、安徽PM_(2.5)污染较重,东南沿海和云南、西藏污染相对较轻.PM_(2.5)的空间分布与风速、相对湿度、土地利用等因素的空间分布具有较强的相关性.PM_(2.5)与PM10质量浓度比值的平均值为0.591,空间上呈由西北向东南逐渐升高、南方高于北方的格局,时间上除1、2月份较高、5月份较低外,其余月份基本稳定在0.55~0.6.研究结果有利于从宏观上认识中国城市PM_(2.5)污染的时空格局,从而针对性地开展环境污染防控.
Spatiotemporal pattern of ground-level fine particulate matter (PM2.5) pollution in mainland China .https://doi.org/10.3969/j.issn.1000-6923.2016.03.001 URL [本文引用: 1] 摘要
为分析中国大陆城市PM_(2.5)污染的时空分布规律,运用统计学方法和GIS技术对2014年开展PM_(2.5)常规监测的161个城市进行分析,结果发现:仅8.1%的城市年评价结果达标,日均质量浓度超标天数占26.6%.夏季及春末、秋初PM_(2.5)污染相对较轻,冬季污染较重.PM_(2.5)的日变化曲线呈现不太明显的双峰分布,最低值出现在16:00前后,最高值出现在10:00前后,而凌晨至清晨保持相对较高的污染水平.京津冀及周边地区,中部地区的湖北、湖南、安徽PM_(2.5)污染较重,东南沿海和云南、西藏污染相对较轻.PM_(2.5)的空间分布与风速、相对湿度、土地利用等因素的空间分布具有较强的相关性.PM_(2.5)与PM10质量浓度比值的平均值为0.591,空间上呈由西北向东南逐渐升高、南方高于北方的格局,时间上除1、2月份较高、5月份较低外,其余月份基本稳定在0.55~0.6.研究结果有利于从宏观上认识中国城市PM_(2.5)污染的时空格局,从而针对性地开展环境污染防控.
|
| [6] |
长江中游城市群环境压力的时空特征——以工业SO2排放为例 [J].https://doi.org/10.15957/j.cnki.jjdl.2017.03.023 URL [本文引用: 1] 摘要
采用工业SO3排放总量作为环境压力的衡量指标,基于自然正交函数(EOF)揭示了长江中游城市群工业SO3排放量的时空演变特征,将工业SO3排放的空间异质性纳入STIRPAT模型分析框架中,通过地理加权回归(GWR)模型进行空间变系数的驱动因素分析.结果表明:长江中游城市群工业SO2排放总体处于上升态势,但增加速度呈现明显的减缓趋势.EOF第一模态结果显示,SO2排放量以武汉和长株潭为中心向周边地区扩散.低值地区集中在江西的东南部和湖南的西南部.第二模态结果显示,SO2排放量增加速度较快的城市大部分位于湖北的宜昌、荆州、黄冈地区和湖南的株洲、衡阳、永州地区以及江西的萍乡、新余和赣州地区,SO2排放量增加速度减缓的地区则是三省省会城市及其相邻地市.驱动因素分析结果显示,SO3强度、人口、第二产业比重和人均GDP是SO2排放的主要影响因素,并且各个因素存在明显的空间差异.因此,各个地区必需制定区域差异化的环境保护政策.
Spatio-temporal characteristics of environmental pressures of the urban agglomeration in the middle reaches of the Yangtze River—A case study based on Industrial SO2 Emissions .https://doi.org/10.15957/j.cnki.jjdl.2017.03.023 URL [本文引用: 1] 摘要
采用工业SO3排放总量作为环境压力的衡量指标,基于自然正交函数(EOF)揭示了长江中游城市群工业SO3排放量的时空演变特征,将工业SO3排放的空间异质性纳入STIRPAT模型分析框架中,通过地理加权回归(GWR)模型进行空间变系数的驱动因素分析.结果表明:长江中游城市群工业SO2排放总体处于上升态势,但增加速度呈现明显的减缓趋势.EOF第一模态结果显示,SO2排放量以武汉和长株潭为中心向周边地区扩散.低值地区集中在江西的东南部和湖南的西南部.第二模态结果显示,SO2排放量增加速度较快的城市大部分位于湖北的宜昌、荆州、黄冈地区和湖南的株洲、衡阳、永州地区以及江西的萍乡、新余和赣州地区,SO2排放量增加速度减缓的地区则是三省省会城市及其相邻地市.驱动因素分析结果显示,SO3强度、人口、第二产业比重和人均GDP是SO2排放的主要影响因素,并且各个因素存在明显的空间差异.因此,各个地区必需制定区域差异化的环境保护政策.
|
| [7] |
Elemental composition of PM2.5 particles sampled in industrial and residential areas of Taif, Saudi Arabia [J].https://doi.org/10.4209/aaqr.2012.11.0320 URL [本文引用: 1] |
| [8] |
上海PM2.5工业源谱的建立 [J].https://doi.org/10.3969/j.issn.1000-6923.2013.08.002 URL Magsci [本文引用: 1] 摘要
总结统计了我国目前的PM2.5源成分谱,指出我国本土源谱缺乏的现状.我国主要的污染源类如燃煤源、机动车源、道路尘、生物质燃烧源等,在源解析工作中均有借鉴外来源谱的情况.对上海典型工业污染源进行PM2.5源谱测定.研究发现,混合燃料电厂和燃煤电厂主要化学组分相似,但是Ca、Al、Fe在混合燃料电厂排放中贡献更大,Ca占(8.0±4.7)%,而燃煤电厂排放颗粒物中SO42-的贡献可达(23.3%±3.7%).烧结厂和电炉厂的源谱差距较大,烧结厂中SO42- (22.8%±10.0%)、Cl- (20.0%±4.5%)、K (17.2%±8.5%)、OC(13.0%±11.5%)、Ca(12.7%±4.2%)等物种贡献较大,而电炉厂中Fe(38.2% ±0.6%)、Zn(10.4% ±1.2%)等物种含量丰富.不同源类化学组分的显著差异与其工艺过程紧密相关.
Yan Caiqing et al. Establishing PM2.5 industrial source profiles in Shanghai .https://doi.org/10.3969/j.issn.1000-6923.2013.08.002 URL Magsci [本文引用: 1] 摘要
总结统计了我国目前的PM2.5源成分谱,指出我国本土源谱缺乏的现状.我国主要的污染源类如燃煤源、机动车源、道路尘、生物质燃烧源等,在源解析工作中均有借鉴外来源谱的情况.对上海典型工业污染源进行PM2.5源谱测定.研究发现,混合燃料电厂和燃煤电厂主要化学组分相似,但是Ca、Al、Fe在混合燃料电厂排放中贡献更大,Ca占(8.0±4.7)%,而燃煤电厂排放颗粒物中SO42-的贡献可达(23.3%±3.7%).烧结厂和电炉厂的源谱差距较大,烧结厂中SO42- (22.8%±10.0%)、Cl- (20.0%±4.5%)、K (17.2%±8.5%)、OC(13.0%±11.5%)、Ca(12.7%±4.2%)等物种贡献较大,而电炉厂中Fe(38.2% ±0.6%)、Zn(10.4% ±1.2%)等物种含量丰富.不同源类化学组分的显著差异与其工艺过程紧密相关.
|
| [9] |
Characterization of submicron aerosols and effect on visibility during a severe haze-fog episode in Yangtze River Delta,China [J].https://doi.org/10.1016/j.atmosenv.2015.09.011 URL [本文引用: 1] 摘要
Highlights 61 Particle number size distribution characteristic during haze-fog episode. 61 Submicron aerosol influence on light extinction coefficient is evaluated. 61 Secondary aerosol formation controlling haze-fog episode. 61 The effect of air mass origin on haze-fog formation episode. Abstract Particle size, composition and optical properties were measured at a regional atmosphere background station in the Yangtze River Delta (YRD) to understand the formation and evolution of haze-fog episodes in Jan. 2013. The peak of particle number size distribution was in the size range of 80–100 nm during the measurements. PM1 mass concentration contributed 84% to the total particle mass (PM10). Based on visibility and ambient relative humidity, three types of weather conditions (i.e., clear, haze and fog) were classified in this study. The extinction coefficients of PM1 and PM10 under dry conditions were simulated by the Mie model. Under dry conditions, PM1 was found to contribute approximately 91% to the light extinction coefficient of PM10. However, the PM1 with the assumption of dry state was found to contribute approximately 85% to the ambient extinction coefficient of PM10 during clear conditions, 58% during haze conditions and approximately 41% during fog conditions. The variation of the dry PM1 contribution was related to the water uptake of particles under different relative humidity conditions. A severe haze-fog event on Jan. 14–17 was discussed in more detail as a case study. Two episodes were chosen to show that nitrate and organics dominated the aerosol component during the severe haze-fog episode and were related to secondary aerosol formation and air mass origin. Nitrate played a more dominant role than sulfate in heavy haze formation in the YRD region, which was different from the North China Plain region.
|
| [10] |
Spatio-temporal variation of PM2.5 concentrations and their relationship with geographic and socioeconomic factors in China [J].https://doi.org/10.3390/ijerph110100173 URL PMID: 3924439 [本文引用: 1] 摘要
The air quality in China, particularly the PM2.5 (particles less than 2.5 μm in aerodynamic diameter) level, has become an increasing public concern because of its relation to health risks. The distribution of PM2.5 concentrations has a close relationship with multiple geographic and socioeconomic factors, but the lack of reliable data has been the main obstacle to studying this topic. Based on the newly published Annual Average PM2.5 gridded data, together with land use data, gridded population data and Gross Domestic Product (GDP) data, this paper explored the spatial-temporal characteristics of PM2.5 concentrations and the factors impacting those concentrations in China for the years of 2001–2010. The contributions of urban areas, high population and economic development to PM2.5 concentrations were analyzed using the Geographically Weighted Regression (GWR) model. The results indicated that the spatial pattern of PM2.5 concentrations in China remained stable during the period 2001–2010; high concentrations of PM2.5 are mostly found in regions with high populations and rapid urban expansion, including the Beijing-Tianjin-Hebei region in North China, East China (including the Shandong, Anhui and Jiangsu provinces) and Henan province. Increasing populations, local economic growth and urban expansion are the three main driving forces impacting PM2.5 concentrations.
|
| [11] |
基于灰色关联模型对江苏省PM2.5浓度影响因素的分析 [J].https://doi.org/10.11821/dlxb201607003 URL [本文引用: 1] 摘要
采用克里金插值法分析2014年江苏省PM2．5浓度空间分布特征，运用灰色关联模型计算PM2．5浓度与影响因素间关联度，分析主要影响指标因子与PM2．5浓度空间分布的相互关系。结果显示：①江苏省PM2．5浓度具有沿海低、内陆高，南部高、北部低的空间分布特征；②PM2．5污染来源指标层的权重值最大（wi=0．4691），空气质量与气象要素指标层的权重稍大（wt=0．2866），城市化与产业结构层的权重值最小（M=0．2453）；③在27个指标因子中，与PM2．5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子，PM2．5与其余指标因子均呈强度相关联，其中与PM10、O3、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高；④PM2．5污染源指标层与PM2．5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市；城市化与产业结构指标层与PM2．5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市；空气质量与气象要素指标层与PM2．5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知，影响指标因子关联度值与PM2．5浓度空间分布有较好相关性。研究表明，灰色关联模型可有效分析影响PM2．5浓度的主要因素，能对PM2．5浓度影响指标进行定量分析与评价。
Analysis of the driving factors of PM2.5 in Jiangsu province based on grey correlation model .https://doi.org/10.11821/dlxb201607003 URL [本文引用: 1] 摘要
采用克里金插值法分析2014年江苏省PM2．5浓度空间分布特征，运用灰色关联模型计算PM2．5浓度与影响因素间关联度，分析主要影响指标因子与PM2．5浓度空间分布的相互关系。结果显示：①江苏省PM2．5浓度具有沿海低、内陆高，南部高、北部低的空间分布特征；②PM2．5污染来源指标层的权重值最大（wi=0．4691），空气质量与气象要素指标层的权重稍大（wt=0．2866），城市化与产业结构层的权重值最小（M=0．2453）；③在27个指标因子中，与PM2．5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子，PM2．5与其余指标因子均呈强度相关联，其中与PM10、O3、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高；④PM2．5污染源指标层与PM2．5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市；城市化与产业结构指标层与PM2．5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市；空气质量与气象要素指标层与PM2．5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知，影响指标因子关联度值与PM2．5浓度空间分布有较好相关性。研究表明，灰色关联模型可有效分析影响PM2．5浓度的主要因素，能对PM2．5浓度影响指标进行定量分析与评价。
|
| [12] |
中国城市空气质量时空演化特征及社会经济驱动力 [J].https://doi.org/10.11821/dlxb201608006 URL [本文引用: 3] 摘要
城市空气污染是中国在快速城镇化和经济发展过程中亟待解决的难题。利用2013年和2014年全国城市空气质量数据,综合Arc GIS空间分析和统计分析,从年度、季节、月份、小时4个时间尺度比较归纳了全国城市空气质量的时空间演化特征,并采用空间计量模型,从全国和区域两个空间尺度,量化分析了城市空气质量变化的社会经济驱动力。结果表明:(1)全国城市空气质量全年达标天数比例增加,但空气污染程度加重,高污染区域恶化态势明显;(2)城市空气质量与生产生活活动表现出一定的时间耦合性,基本呈现"日出趋差、日落趋优"的态势;(3)全国城市空气污染表现出"东重西轻、北重南轻"的空间格局,区域一体化态势明显;(4)区域城市空气污染的总体程度和分布结构具有明显的分异特征,区域空气污染形成和演化路径可基本归纳为:"重点城市污染加重—重点城市污染扩散—区域整体污染加重—重点城市引领治污—区域污染联防联控—区域整体污染减轻";(5)从全国层面看,能源消耗、工业化和技术进步是推动城市空气质量恶化的重要因素,经济发展对城市空气质量改善具有显著的推动作用。(6)受各地区资源环境基础和社会经济发展阶段影响,各类社会经济因素对城市空气质量改善的驱动方向和驱动强度差异明显。在结论的基础上,讨论了中国经济发展和环境变化关系的区域分异以及发展理念。
Spatio-temporal variations and socio-economic driving forces of air quality in Chinese cities .https://doi.org/10.11821/dlxb201608006 URL [本文引用: 3] 摘要
城市空气污染是中国在快速城镇化和经济发展过程中亟待解决的难题。利用2013年和2014年全国城市空气质量数据,综合Arc GIS空间分析和统计分析,从年度、季节、月份、小时4个时间尺度比较归纳了全国城市空气质量的时空间演化特征,并采用空间计量模型,从全国和区域两个空间尺度,量化分析了城市空气质量变化的社会经济驱动力。结果表明:(1)全国城市空气质量全年达标天数比例增加,但空气污染程度加重,高污染区域恶化态势明显;(2)城市空气质量与生产生活活动表现出一定的时间耦合性,基本呈现"日出趋差、日落趋优"的态势;(3)全国城市空气污染表现出"东重西轻、北重南轻"的空间格局,区域一体化态势明显;(4)区域城市空气污染的总体程度和分布结构具有明显的分异特征,区域空气污染形成和演化路径可基本归纳为:"重点城市污染加重—重点城市污染扩散—区域整体污染加重—重点城市引领治污—区域污染联防联控—区域整体污染减轻";(5)从全国层面看,能源消耗、工业化和技术进步是推动城市空气质量恶化的重要因素,经济发展对城市空气质量改善具有显著的推动作用。(6)受各地区资源环境基础和社会经济发展阶段影响,各类社会经济因素对城市空气质量改善的驱动方向和驱动强度差异明显。在结论的基础上,讨论了中国经济发展和环境变化关系的区域分异以及发展理念。
|
| [13] |
中国城市空气质量指数(AQI)的动态变化特征 [J].The spatio-temporal variation of air quality index of cities in China . |
| [14] |
中国城市大气污染特征及社会经济影响分析 [J].https://doi.org/10.16258/j.cnki.1674-5906.2018.03.016 URL [本文引用: 1] 摘要
大气污染因影响人类健康、制约国家发展而成为全球最关注的环境问题之一。基于2016年中国361个城市空气质量数据，利用空间自相关和核密度法分析中国空气质量的时空演化特征，并运用空间计量经济模型从全国和区域两个尺度探讨空气污染的社会经济影响因素。结果表明，（1）从污染等级上看，全国及各区域空气质量以优、良和轻度污染天气居多。（2）从时间变化上看，全国及各区域空气质量呈现出“夏低冬高，春降秋升”的“U”型月变化规律。（3）从空间变化上看，全国空气质量整体呈现出由沿海到内陆、由南到北、由西到东、由非采暖区到采暖区、由欠发达到发达区逐渐加重的态势，其中，京津冀、山东半岛和黄河中游属于高污染热点集聚区，而南部沿海、青藏和云贵高原属于低污染冷点集聚区。（4）从全国层面上，人口集聚、工业化和能源消耗对大气污染的恶化具有推动作用；而经济发展、科技进步和城市绿化的提高则有助于改善城市空气质量。（5）从区域层面上看，绿地覆盖率对各地大气污染呈不同程度的负向改善效应；人口密度、能源消耗、第二产业占比和民用汽车拥有量对各地大气污染呈不同程度的正向加重效应；而科技支出占比和人均GDP对各地空气质量的影响具有双向性。该研究结果可为寻求污染治理办法提供理论参考，并为人与自然的和谐发展提供科学依据。
Study on spatiotemporal characteristics and socioeconomic driving factors of air pollution in China .https://doi.org/10.16258/j.cnki.1674-5906.2018.03.016 URL [本文引用: 1] 摘要
大气污染因影响人类健康、制约国家发展而成为全球最关注的环境问题之一。基于2016年中国361个城市空气质量数据，利用空间自相关和核密度法分析中国空气质量的时空演化特征，并运用空间计量经济模型从全国和区域两个尺度探讨空气污染的社会经济影响因素。结果表明，（1）从污染等级上看，全国及各区域空气质量以优、良和轻度污染天气居多。（2）从时间变化上看，全国及各区域空气质量呈现出“夏低冬高，春降秋升”的“U”型月变化规律。（3）从空间变化上看，全国空气质量整体呈现出由沿海到内陆、由南到北、由西到东、由非采暖区到采暖区、由欠发达到发达区逐渐加重的态势，其中，京津冀、山东半岛和黄河中游属于高污染热点集聚区，而南部沿海、青藏和云贵高原属于低污染冷点集聚区。（4）从全国层面上，人口集聚、工业化和能源消耗对大气污染的恶化具有推动作用；而经济发展、科技进步和城市绿化的提高则有助于改善城市空气质量。（5）从区域层面上看，绿地覆盖率对各地大气污染呈不同程度的负向改善效应；人口密度、能源消耗、第二产业占比和民用汽车拥有量对各地大气污染呈不同程度的正向加重效应；而科技支出占比和人均GDP对各地空气质量的影响具有双向性。该研究结果可为寻求污染治理办法提供理论参考，并为人与自然的和谐发展提供科学依据。
|
| [15] |
武汉市一次重霾天气AQI演变及气象因子特征分析 [J].
利用空气质量指数AQI数据,分析了武汉市2013年10月30日到11月3日AQI指数的演变特征,并结合自动站雨量、相对湿度、高空探测气温、风速数据探讨了与霾天气相关的气象因子特征。结果表明,武汉市各站点的AQI指数变化趋势大致相同,数值上稍有差异,日际变化非常明显;逆温层和低风速是制约污染物扩散的两大因素,30日武汉上空逆温层的减弱,对于污染物的扩散是非常有利的;降水对于AQI指数有一定的影响,在有利污染物扩散的大气条件下,可考虑增加降水带动气溶胶粒子的湿沉降改善空气质量。
Study on heavy smog days in Wuhan in terms of AQI index and characteristics of meteorological factors .
利用空气质量指数AQI数据,分析了武汉市2013年10月30日到11月3日AQI指数的演变特征,并结合自动站雨量、相对湿度、高空探测气温、风速数据探讨了与霾天气相关的气象因子特征。结果表明,武汉市各站点的AQI指数变化趋势大致相同,数值上稍有差异,日际变化非常明显;逆温层和低风速是制约污染物扩散的两大因素,30日武汉上空逆温层的减弱,对于污染物的扩散是非常有利的;降水对于AQI指数有一定的影响,在有利污染物扩散的大气条件下,可考虑增加降水带动气溶胶粒子的湿沉降改善空气质量。
|
| [16] |
2012–2015年北京市空气质量指数变化及其与气象要素的关系 [J].https://doi.org/10.16765/j.cnki.1673-7148.2017.04.005 URL [本文引用: 1] 摘要
根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据，采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析，结果表明：2012—2015年北京市空气质量整体呈现下降趋势，冬春季空气质量较差，夏秋季的较好，冬季容易产生重污染天气，春季污染天气频发。北京空气质量存在一定程度的周末效应，表现为周末空气质量较差，工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关，与湿度呈正相关，不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。
Variation of air quality index and its relationship with meteorological elements in Beijing from 2012 to 2015 .https://doi.org/10.16765/j.cnki.1673-7148.2017.04.005 URL [本文引用: 1] 摘要
根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据，采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析，结果表明：2012—2015年北京市空气质量整体呈现下降趋势，冬春季空气质量较差，夏秋季的较好，冬季容易产生重污染天气，春季污染天气频发。北京空气质量存在一定程度的周末效应，表现为周末空气质量较差，工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关，与湿度呈正相关，不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。
|
| [17] |
黑龙江省重点城市AQI指数特征及其与气象要素之关系 [J].https://doi.org/10.11849/zrzyxb.20160451 URL [本文引用: 1] 摘要
空气质量状况的优劣,直接关系到人体健康和经济社会可持续发展.利用2014年黑龙江省4个重点城市的空气质量数据,结合同期常规气象要素资料,分析了黑龙江省AQI指数基本特征及与气象要素的关系.分析结果表明:黑龙江省重点城市年平均AQI指数以哈尔滨最大(轻度污染级别),其次牡丹江、大庆、齐齐哈尔(良级别);单日空气质量指数最高值在大庆(500),其次是哈尔滨(490),牡丹江和齐齐哈尔单日最高值分别为264和251;AQI指数年分布特征是冬季最高,其次秋季,再次春季,夏季最低;首要污染物最多的是PM2.5,其次PM10、NO2和臭氧8h.AQI指数与平均气温,在年尺度上呈负相关,月和四季呈正相关为主;与降水日呈负相关;与相对湿度是冷月(1-2月)呈正相关,渐暖月(5-6月)呈负相关;与最大风速,采暖季呈明显负相关;与本站气压呈正相关,与日照时数冬季呈负相关关系.
Characteristics of air quality index and its relationship with meteorological factors in key cities of Heilongjiang Province .https://doi.org/10.11849/zrzyxb.20160451 URL [本文引用: 1] 摘要
空气质量状况的优劣,直接关系到人体健康和经济社会可持续发展.利用2014年黑龙江省4个重点城市的空气质量数据,结合同期常规气象要素资料,分析了黑龙江省AQI指数基本特征及与气象要素的关系.分析结果表明:黑龙江省重点城市年平均AQI指数以哈尔滨最大(轻度污染级别),其次牡丹江、大庆、齐齐哈尔(良级别);单日空气质量指数最高值在大庆(500),其次是哈尔滨(490),牡丹江和齐齐哈尔单日最高值分别为264和251;AQI指数年分布特征是冬季最高,其次秋季,再次春季,夏季最低;首要污染物最多的是PM2.5,其次PM10、NO2和臭氧8h.AQI指数与平均气温,在年尺度上呈负相关,月和四季呈正相关为主;与降水日呈负相关;与相对湿度是冷月(1-2月)呈正相关,渐暖月(5-6月)呈负相关;与最大风速,采暖季呈明显负相关;与本站气压呈正相关,与日照时数冬季呈负相关关系.
|
| [18] |
基于空气质量指数AQI的污染集聚空间异质性分析 [J].https://doi.org/10.15957/j.cnki.jjdl.2016.08.024 URL [本文引用: 1] 摘要
基于空气质量指数(AQI),检验了经济集聚与污染集聚之间存在的是强的正线性关系,并且验证了经济集聚、工业化加速、信息化加快都会使污染集聚加速;而科技创新投入和FDI增加则会化解污染集聚的形成.增加工业化与信息化协调融合变量的时空地理加权模型(GTWR)的估计结果表明,工业化与信息化协调融合可显著地降低污染的集聚,协调融合度越高,越能化解污染集聚的形成.在对策举措方面,北方地区省市污染集聚现象严重,可通过信息化加速发展提升工业化发展质量,促使重工业转型与升级,以缓解污染集聚形成;中、西部地区需进一步加大科技创新投入,严格控制污染集聚形成.
The spatial heterogeneity analysis of pollution agglomeration based on the AQI .https://doi.org/10.15957/j.cnki.jjdl.2016.08.024 URL [本文引用: 1] 摘要
基于空气质量指数(AQI),检验了经济集聚与污染集聚之间存在的是强的正线性关系,并且验证了经济集聚、工业化加速、信息化加快都会使污染集聚加速;而科技创新投入和FDI增加则会化解污染集聚的形成.增加工业化与信息化协调融合变量的时空地理加权模型(GTWR)的估计结果表明,工业化与信息化协调融合可显著地降低污染的集聚,协调融合度越高,越能化解污染集聚的形成.在对策举措方面,北方地区省市污染集聚现象严重,可通过信息化加速发展提升工业化发展质量,促使重工业转型与升级,以缓解污染集聚形成;中、西部地区需进一步加大科技创新投入,严格控制污染集聚形成.
|
| [19] |
The effect of natural and anthropogenic factors on haze pollution in Chinese cities: A spatial econometrics approach [J].https://doi.org/10.1016/j.jclepro.2017.07.127 URL [本文引用: 1] |
| [20] |
Does foreign direct investment drive environmental degradation in China? An empirical study based on air quality index from a spatial perspective [J].https://doi.org/10.1016/j.jclepro.2017.12.048 URL [本文引用: 1] 摘要
A growing literature on the pollution haven hypothesis has surged for decades. In this paper, we employ a city-level data set of 150 Chinese cities in 2014, and take spatial spillovers into account by using spatial econometric models, to investigate whether foreign capital inflows drive environmental degradation in China. The results suggest that foreign direct investment is negatively related to air pollution in China, indicating evidence of pollution halo hypothesis. Moreover, foreign direct investment has significant spatial technological spillovers, improving air quality in China. This study also finds that there is no evidence of an inverted U-shaped curve between income and air pollution. As income levels increase, air quality continues to worsen. The development of the tertiary industry is found to have a positive effect on air pollution. Densely populated cities tend to demand for better environmental quality. From the above analysis, it follows that policies handles are urgently needed to improve air quality in China.
|
| [21] |
The driving factors of air quality index in China [J].https://doi.org/10.1016/j.jclepro.2018.06.108 URL [本文引用: 1] 摘要
In recent years, serious air pollution episodes in China have received increasing academic attention due to their adverse impacts. Drawing on Air Quality Index data in 2015 across 338 Chinese cities, this study investigated the spatiotemporal patterns of the air pollution in China and identified the effect intensity and interaction among the driving factors using the geographical detector model. The results indicate that air pollution levels in 2015 in China are still high on the whole, with PM 2.5 , PM 10, and O 3 as the major primary pollutants. Temporally, air pollution in China presents a U-shape pattern over the year, while the primary pollutants vary across seasons. Spatially, air pollution in China is characterized by spatial clustering and witnesses higher levels in Northern China and Xinjiang Province and lower levels in Southern China, but the location of some air pollution hot spots change by seasons. Spatial patterns of the primary pollutants are divided into five types of region according to their occurrence frequency. On average, natural factors are found to exert more effects on air pollution in China than socioeconomic factors. Additionally, interactions among the driving factors have either nonlinear-enhanced or bi-enhanced effects on air pollution. Findings from the study have several important policy implications for mitigating air pollution in China.
|
| [22] |
Endogenous or exogenous? examining trans-boundary air pollution by using the Air Quality Index (AQI): A case study of 30 provinces and autonomous regions in China [J].https://doi.org/10.3390/su10114200 URL [本文引用: 1] 摘要
Abstract: While there is much theoretical study of the evolution of border disparities, there is little empirical analysis of development asymmetries across border regions, and their causes or solutions. Often disparities among countries hinder the ability of transboundary agreements and other development initiatives to generate sustainable development. This study quantifies development progress amongst communities in Australia and Papua New Guinea (PNG) covered by the Torres Strait Treaty, 26 years after its inception. Using regional census data from 2011 we found contrasting patterns of human development, with markedly poorer education levels in PNG. This asymmetry was confirmed by a Human Development Index of 0.735 for the Torres Strait and 0.270 for the neighbouring province in PNG. From a survey of 1089 PNG households in 2012-2013 we calculated that 63% of people in the villages were multidimensional poor, and 28% were `vulnerable to poverty'. Poverty was positively correlated with poor health, which has implications for the control of tuberculosis in the region. While Treaty provisions may have reduced poverty amongst some PNG villages closest to Australian communities, development initiatives by Ok Tedi mine in compensation for its environmental impacts have not. Our study highlights the causes of the sustainable development gap between PNG and Australian communities, and the necessity for transboundary agreements and institutions to have the capacity to adapt to their unintended consequences and rapid global change.
|
| [23] |
长江经济带PM2.5时空特征及影响因素研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2017.01.011 URL [本文引用: 2] 摘要
大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。
Spatial-temporal characteristics of PM2.5 and its influencing factors in the Yangtze River Economic Belt. China Population, https://doi.org/10.3969/j.issn.1002-2104.2017.01.011 URL [本文引用: 2] 摘要
大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。
|
| [24] |
|
| [25] |
Notes on continuous stochastic phenomena [J].https://doi.org/10.1093/biomet/37.1-2.17 URL [本文引用: 1] |
| [26] |
Spatial processes: Models&applications [M]. |
| [27] |
中国城市PM2.5时空分布的动态比较分析 [J].https://doi.org/10.18402/resci.2017.01.14 URL [本文引用: 1] 摘要
本文基于2014-2015年中国190个大中城市PM_(2.5)的监测数据,建立空间数据统计模型,总结两年内PM_(2.5)的浓度、空间集聚的年际变化和存在问题,为相关研究与决策提供参考。结果显示:(1)2015年较2014年全国平均PM_(2.5)浓度下降10%,达标天数提升了4.4%,空气质量整体改善,但改善的天数主要集中在春夏秋季,冬季改善幅度甚微,其中12月污染加重。(2)2015年PM_(2.5)整体污染范围缩小,污染核心区由京津冀向鲁西北和豫北地区扩散,京津冀、长三角、长江中游等城市群年均浓度降幅较大,长三角、珠三角和成渝城市群日均达标率增长较快。(3)2015年PM_(2.5)的集聚性更明显,浓度高值区范围减小,热点地区更密集地分布在以京津冀地区为中心的华北地区,并呈多中心格局。由此,应该加快构建制度支持的多中心监督治理模式,以华北地区为先行先试区域,构建管理支持的多区域联动治理模式,培养环境伦理支持的公众环保意识,实现民防民治。
Zeng Zeng et al. Dynamic analysis of PM2.5 spatial-temporal characteristics in China .https://doi.org/10.18402/resci.2017.01.14 URL [本文引用: 1] 摘要
本文基于2014-2015年中国190个大中城市PM_(2.5)的监测数据,建立空间数据统计模型,总结两年内PM_(2.5)的浓度、空间集聚的年际变化和存在问题,为相关研究与决策提供参考。结果显示:(1)2015年较2014年全国平均PM_(2.5)浓度下降10%,达标天数提升了4.4%,空气质量整体改善,但改善的天数主要集中在春夏秋季,冬季改善幅度甚微,其中12月污染加重。(2)2015年PM_(2.5)整体污染范围缩小,污染核心区由京津冀向鲁西北和豫北地区扩散,京津冀、长三角、长江中游等城市群年均浓度降幅较大,长三角、珠三角和成渝城市群日均达标率增长较快。(3)2015年PM_(2.5)的集聚性更明显,浓度高值区范围减小,热点地区更密集地分布在以京津冀地区为中心的华北地区,并呈多中心格局。由此,应该加快构建制度支持的多中心监督治理模式,以华北地区为先行先试区域,构建管理支持的多区域联动治理模式,培养环境伦理支持的公众环保意识,实现民防民治。
|
| [28] |
外商直接投资对空气污染影响的空间异质性分析——以中国150 个城市空气质量指数(AQI)为例 [J].
空气污染问题引起了人们极大的关注。以中国2014年150个地级市作为样本数据,采用空气质量指数（AQI）作为全面衡量空气污染的指标,运用地理加权回归模型从空间异质性视角出发,分析了不同城市外商直接投资与空气污染之间的关系。研究结果表明：总体上,外商直接投资由于带来了先进的技术,有利于空气质量的改善。此外,人均地区生产总值的增加、二氧化硫和PM2.5浓度的提高均是导致空气污染加剧的重要因素;而环保意识的提升则有利于空气质量的改善。民用汽车保有量变量在统计上不显著。从地理加权回归模型估计结果来看,不同城市的外商直接投资对环境的改善作用存在显著的空间异质性。其中,东北城市群、关中城市群和长江中游城市群外商直接投资对空气质量的改善作用最大,山东半岛城市群和川渝城市群外商直接投资对空气质量的改善作用不明显。
Spatial heterogeneity analysis of impacts of foreign direct investment on air pollution:Empirical evidence from 150 cities in China based on AQI .
空气污染问题引起了人们极大的关注。以中国2014年150个地级市作为样本数据,采用空气质量指数（AQI）作为全面衡量空气污染的指标,运用地理加权回归模型从空间异质性视角出发,分析了不同城市外商直接投资与空气污染之间的关系。研究结果表明：总体上,外商直接投资由于带来了先进的技术,有利于空气质量的改善。此外,人均地区生产总值的增加、二氧化硫和PM2.5浓度的提高均是导致空气污染加剧的重要因素;而环保意识的提升则有利于空气质量的改善。民用汽车保有量变量在统计上不显著。从地理加权回归模型估计结果来看,不同城市的外商直接投资对环境的改善作用存在显著的空间异质性。其中,东北城市群、关中城市群和长江中游城市群外商直接投资对空气质量的改善作用最大,山东半岛城市群和川渝城市群外商直接投资对空气质量的改善作用不明显。
|
| [29] |
空气质量指数(AQI)的社会经济影响因素分析——基于指数衰减效应视角 [J].https://doi.org/10.13671/j.hjkxxb.2017.0181 URL [本文引用: 2] 摘要
中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明：（1）AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;（2）150个城市的空气质量指数呈现出明显的空间集聚;（3）矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;（4）人均地区生产总值的提高、SO2排放量和PM2.5浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.
The analysis of socio-economic factors of air quality index(AQI) based on the perspective of the exponential decay effects .https://doi.org/10.13671/j.hjkxxb.2017.0181 URL [本文引用: 2] 摘要
中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明：（1）AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;（2）150个城市的空气质量指数呈现出明显的空间集聚;（3）矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;（4）人均地区生产总值的提高、SO2排放量和PM2.5浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.
|
| [30] |
空间滞后模型的贝叶斯估计 [J].https://doi.org/10.3969/j.issn.1002-4565.2014.05.015 URL [本文引用: 1] 摘要
本文采用Bayes方法对空间滞后模型进行全面分析。在构建模型的贝叶斯框架时，对模型系数与误差方差分别选取正态先验分布和逆伽玛先验分布，以便获得参数的联合后验分布和条件后验分布。在抽样估计时，主要使用MCMC方法，同时还设计了一个简单随机游动Metropolis抽样器，以便从空间权重因子系数的条件后验分布中进行抽样。最后应用所建议的方法进行数值模拟。
Bayesian estimation of the spatial lag model .https://doi.org/10.3969/j.issn.1002-4565.2014.05.015 URL [本文引用: 1] 摘要
本文采用Bayes方法对空间滞后模型进行全面分析。在构建模型的贝叶斯框架时，对模型系数与误差方差分别选取正态先验分布和逆伽玛先验分布，以便获得参数的联合后验分布和条件后验分布。在抽样估计时，主要使用MCMC方法，同时还设计了一个简单随机游动Metropolis抽样器，以便从空间权重因子系数的条件后验分布中进行抽样。最后应用所建议的方法进行数值模拟。
|
| [31] |
|
| [32] |
中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角 [J].
本文基于1998—2012年中国省域PM2.5浓度数据,采用动态空间面板模型和系统广义矩估计方法,在同时考虑雾霾污染的时间滞后效应、空间滞后效应和时空滞后效应的条件下,对影响雾霾污染的关键因素进行了经验识别和相应的治霾政策讨论。结果表明:中国省域雾霾污染呈现明显的空间溢出效应和高排放俱乐部集聚特征;无论采用官方的人均GDP还是卫星监测的稳定灯光亮度指标,雾霾污染与经济增长均存在显著的U形曲线关系,大部分东部省份处于雾霾污染随经济增长水平提高而加剧的阶段;二产畸高的产业结构、以煤为主的能源结构、人口的快速集聚及公路交通运输强度的提升共同促使雾霾污染加剧,而研发强度和能源效率的提高并未发挥出应有的减霾效果,因此,促增因素没有得到有效抑制、促降因素没有得到有效发挥,是导致中国雾霾污染频发的根本原因;雾霾污染在时间单维度、空间单维度和时空双维度上分别表现出雪球效应、泄漏效应和警示效应,因而治霾政策必须坚持常抓不懈、联防联控和惩一儆百的实施策略。
China’s economic policy choices for governing smog pollution based on spatial spillover effects .
本文基于1998—2012年中国省域PM2.5浓度数据,采用动态空间面板模型和系统广义矩估计方法,在同时考虑雾霾污染的时间滞后效应、空间滞后效应和时空滞后效应的条件下,对影响雾霾污染的关键因素进行了经验识别和相应的治霾政策讨论。结果表明:中国省域雾霾污染呈现明显的空间溢出效应和高排放俱乐部集聚特征;无论采用官方的人均GDP还是卫星监测的稳定灯光亮度指标,雾霾污染与经济增长均存在显著的U形曲线关系,大部分东部省份处于雾霾污染随经济增长水平提高而加剧的阶段;二产畸高的产业结构、以煤为主的能源结构、人口的快速集聚及公路交通运输强度的提升共同促使雾霾污染加剧,而研发强度和能源效率的提高并未发挥出应有的减霾效果,因此,促增因素没有得到有效抑制、促降因素没有得到有效发挥,是导致中国雾霾污染频发的根本原因;雾霾污染在时间单维度、空间单维度和时空双维度上分别表现出雪球效应、泄漏效应和警示效应,因而治霾政策必须坚持常抓不懈、联防联控和惩一儆百的实施策略。
|
| [33] |
Economic environment and the economic growth [J].https://doi.org/10.1016/B0-12-226865-2/00084-5 URL [本文引用: 1] 摘要
We examine the reduced-form relationship between per capita income and various environmental indicators. Our study covers four types of indicators: urban air pollution, the state of the oxygen regime in river basins, fecal contamination of river basins, and contamination of river basins by heavy metals. We find no evidence that environmental quality deteriorates steadily with economic growth. Rather, for most indicators, economic growth brings an initial phase of deterioration followed by a subsequent phase of improvement. The turning points for the different pollutants vary, but in most cases they come before a country reaches a per capita income of $8000.
|
/
| 〈 |
|
〉 |
