EN中文

Economic geography >

2019 , Vol. 39 >Issue 10: 183 - 192

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.023

Spatiotemporal Evolution and Socioeconomic Driving Mechanism of Air Quality in Beijing-Tianjin-Hebei and Surrounding Areas（"2+26"Cities）

  • CHENG Yu , 1 ,
  • LIU Tingting 2 ,
  • ZHAO Yunlu 1 ,
  • WANG Yaping , ※
Expand
  • 1. College of Geography and Environment，Shandong Normal University，Jinan 250014，Shandong，China
  • 2. School of Urban and Regional Science，East China Normal University，Shanghai 200241，China

Received date: 2018-11-29

  Revised date: 2019-04-08

  Online published: 2025-04-18

Fold

Abstract

Air quality is the basic condition of public health and welfare. However, severe haze in China has seriously influenced human being health and urban development, so that a large number of measures have been taken to control the air pollution. The data of Air Quality Index (AQI) of Beijing-Tianjin-Hebei and surrounding areas (‘2+26’ cities) and their corresponding socioeconomic data from 2014 to 2017 are selected in this paper to describe the spatiotemporal evolution by the means of exploratory spatial data analysis (ESDA). In addition, this paper adopts PCA- multivariable linear regression model to recognize and measure the influence factors of air quality and establish a socioeconomic driving mechanism about the prevention and control of atmosphere. The results show that the air quality in Beijing-Tianjin-Hebei and surrounding areas (‘2+26’ cities) tends to be improved as their AQI has decreased by 16.95% from 2014 to 2017. It has distinctive seasonal differences of air quality in research areas. The monthly changing trajectory shows a U-shaped curve, which is consistent with the seasonal characteristics of heavy air pollution in winter and light in summer. The spatial distribution shows obvious spatial heterogeneity and ‘center-periphery’ spatial structure, which has serious air pollution in middle areas and low pollution in periphery areas. Urban air pollution has a significant spatial spillover effect. Economic growth, industrial structure, urbanization, energy efficiency, traffic pressure, urban landscaping and other socioeconomic factors are important driving forces affecting urban air quality. Based on the research results, it put forwards some suggestions to improve the air quality and strengthen the regional coordination mechanism of haze controlling, such as regional industrial structure, urban management level, energy use efficiency and environmental economic policies.

Key words： air quality; high-pollution industry; automobile exhaust; air pollution joint prevention and control; green development; Beijing-Tianjin-Hebei

Cite this article

CHENG Yu , LIU Tingting , ZHAO Yunlu , WANG Yaping . Spatiotemporal Evolution and Socioeconomic Driving Mechanism of Air Quality in Beijing-Tianjin-Hebei and Surrounding Areas（"2+26"Cities）[J]. Economic geography, 2019 , 39(10) : 183 -192 . DOI: 10.15957/j.cnki.jjdl.2019.10.023

生态环境是人类生产生活和社会发展的载体和基础，清洁空气作为其重要组成部分，是人类赖以生存和发展的最基本环境要素之一，也是保障人类健康和福祉的重要条件。然而，随着工业化、城市化快速推进，中国雾霾天气频发，雾霾污染呈现发生频率高、影响范围广、治理难度大、现象常态化等特点，京津冀、长三角等地区成为中国主要的雾霾污染重灾区[1⇓-3]。频繁发生的雾霾给人们的生产生活和身心健康带来严重影响，成为影响居民健康的重要风险因素，引发公众对健康风险的担忧，成为重大民生问题之一。Cohen等学者的一项研究报告显示，全球因PM2.5导致的死亡人数从1990年的350万人增加到了2015年的420万人[4]。此外，空气质量恶化严重影响了中国外商投资吸引力、区域人才流动以及旅行游客出行行为，诸多研究也表明雾霾是影响城市区域竞争力和人口迁移流动的重要因素[5-6]。《2016中国环境状况公报》显示，2016年在全国338个地级以上城市中有254个城市环境空气质量超标，占全部城市数量的75.1%。2016年12月爆发的重污染天气影响范围达188万km2[7]。随着经济发展水平和生活质量的提高，居民对良好环境的需求持续增长，但日益严峻的雾霾现实使得清洁空气成为“奢侈品”，远远不能满足居民对“蓝天白云、宜居环境”的热切期盼，因此有效治理雾霾成为我国生态文明建设和实现区域绿色发展的首要任务。
空气质量问题的日益凸显引发学界密切关注，国内外学者对此进行了丰富的探索性研究。国外对雾霾的研究出现较早，而国内起步相对较晚，但进入21世纪尤其是近十年以来，相关研究呈现井喷式增长，中国成为全球空气质量研究的重要区域。当前国内外雾霾研究经历了来源解析[8⇓-10]、健康影响[11-12]、形成机理[13⇓⇓-16]等研究阶段，主要呈现以下特点：①在研究区域方面，主要包括全球、国家等大尺度区域，也涉及到城市群、典型污染省份和典型城市空气质量的研究。例如Boldo等根据欧洲23个城市的死亡人数和预期寿命增长情况，定量评估了长期暴露在PM2.5下对健康的影响[17]；Jaafar等系统回顾了空气污染的健康成本对亚洲国家财政状况的影响[18]；马丽梅等研究了中国雾霾污染的空间关联效应及经济和能源结构的影响[19]；刘海猛、李力等解析了京津冀、珠三角城市群空气质量时空特征与影响机理[20-21]。②在研究视角方面，学者们通过地理学、经济学、管理学以及环境科学等学科视角，借助实地调研、地理空间分析、模拟预测、计量经济模型等方法，探索典型区域空气质量的时空演变特征、空间溢出效应、动态关联特征以及收敛性特征[22⇓⇓-25]，也有学者基于面板门槛模型验证空气质量库兹涅茨曲线是否存在，分析大气污染和经济发展的动态关系[26-27]。③在影响机理方面，大致从两个层面阐释空气质量演变的内在机理。一方面研究影响空气质量的综合因素，即强调地理环境、经济结构和社会文化因素的综合影响，地理环境要素主要包括区域特殊地理位置和地形构造、气象条件、城市绿化等要素，经济要素主要包括发展方式、经济结构、能源结构、城市空间等要素，社会文化要素主要包括发展观念、人口集聚、社会资本等因素[20,28-29]。如Mayer认为城市空气质量是自然和人为环境条件相互作用的结果[30]；Wu等在综述中国PM2.5的表征和来源时发现，气溶胶浓度的季节差异主要与人为因素（生物量、煤炭燃烧等）和较差的气候扩散条件有关[31]；Firoz等研究发现，吉隆坡市中心的空气颗粒具有工业排放、交通排放、杂项排放以及与气象因素结合的二次气溶胶等多种潜在来源[32]。另一方面分析产业集聚、城镇化、交通基础设施、城市蔓延、交通模式、能源消费与结构、人口因素、环境规制等因素对空气质量的影响机理[33⇓⇓⇓-37]。例如梁伟等通过构建空间联立方程模型，分析城镇化率与空气质量的交互关系及其空间效应[38]，徐鹏杰等利用关联网络模型测度我国省域雾霾污染排放绩效，分析经济规制、行政规制和社会规制对空气质量的影响[39]。④在治理对策方面，大气污染治理是复杂而庞大的系统工程，多数研究主要从联防联控、责任主体和政策设计等方面提出对策，分析部门间协调、区域协调和防控法规体系等，梳理大气污染治理的政府责任、企业责任和社会责任，建立绿色金融、环保税收、产业政策、土地政策、交通政策、科技政策、城镇化等方面的政策体系[40⇓⇓-43]，强化区域雾霾治理的协同治理机制。
根据上述研究现状和发展动态分析，可以发现国内外学者在空气质量时空演变特征和驱动机理以及治理对策等方面开展了大量的理论与实证研究，并取得了丰硕的成果。大气污染治理必须采取区域联防联控策略，以避免大气污染治理的“泄露效应”和“搭便车行为”[44]，因此研究区域的选择成为重要内容，以往研究由于受到研究数据以及研究方法的限制，难以揭示大气污染在更合理尺度上的空间关联特征。空气污染属于大气问题，但经济发展方式粗放、产业结构不合理、能源消费比例失衡和环境治理能力弱等经济社会因素的影响也不可忽视[3,45-46]，因此有必要从经济社会发展视角深入分析大气污染形成的原因。京津冀地区是中国经济发展的核心区域，2016年常住人口为1.12亿，占全国的8.14%，GDP总量69 312.91亿元，占全国的10.24%，但同时也是中国大气污染最严重的地区。以往研究多集中于京津冀地区，而京津冀空气质量的变化也会受到周边地区的溢出效应影响，根据《京津冀及周边地区大气污染联防联控2015年重点工作》意见和相关部门核算意见，将北京、天津、河北、河南等地的28个城市确定为京津冀大气污染传输通道城市。根据以上分析，本文以京津冀及周边地区“2+26”城市为研究区域，突出典型区域城市空气质量的时空演变特征，揭示城市空气质量的空间关联特征，综合分析空气质量时空演变的经济社会驱动机制，并系统科学地制定京津冀及周边地区“2+26”城市优化调控城市空气质量的对策建议。

1 研究区域概况

本文以大气污染传输通道城市——京津冀及周边地区（“2+26”城市）为研究对象（图1）。京津冀及周边地区社会经济较为发达，污染物排放高度集中，是中国城市空气质量污染最为典型的区域之一。为更好地推动大气治理，形成联防联控机制，根据《京津冀及周边地区大气污染联防联控2015年重点工作》的划分，北京、天津、唐山、廊坊、保定、沧州6个城市成为京津冀大气污染防治核心区。随着大气治理强度的增大，2017年2月相关部门将“2+4”核心区的范围扩大至“2+26”城市（包括北京，天津，河北省石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸，山西省太原、阳泉、长治、晋城，山东省济南、淄博、济宁、德州、聊城、滨州、菏泽，河南省郑州、开封、安阳、鹤壁、新乡、焦作、濮阳），即京津冀大气污染传输通道。中国的大气污染呈现明显的区域特征，京津冀及其周边地区作为中国“经济—环境”矛盾最突出的区域之一，对其空气质量的研究具有较强典型性。
图1 研究区域

Fig.1 Research area

2 研究方法与数据来源

2.1 研究方法

2.1.1 全局空间自相关

空间计量方法的使用应以数据的空间相关性为前提，采用表征整体空间关联性的全局Moran's I指数，对研究区城市空气质量的空间集聚性进行测度。公式如下：
G l o b a l     M o r a n ' s     I = n ∑ i = 1 n ∑ j = 1 n w i j x i - x - x j - x - ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n x i - x - 2
式中：Moran's I为全局空间自相关指数，表征区内各城市空气质量的总体相关程度； n为样本总数， x i、 x j分别代表城市i、j的空气质量指数； w i j为空间权重矩阵。采用k近邻算法（k-nearest neighbors）构建空间权重矩阵，取k=3，选取离城市i最近的3个城市，若城市j在其中则赋值为1，否则为0。
Moran’s I指数的范围为[-1，1]，若I>0，数据在空间上呈现正相关特征；若I<0，数据呈现空间负相关；若I=0，表示数据在空间上独立随机分布。Moran’s I的绝对值越大，表示空间关联越强。显著性检验通过标准化统计量Z值实现。

2.1.2 局部空间自相关

全局空间自相关仅对城市空气质量的空间依赖性进行测度，但对于高值、低值区域的识别并不能完全确定，因此在对研究区域进行整体的空间关联检验后，需要进一步引入局部的空间相关性指标，以测度某区域空气质量与周围区域的局部关联特征。研究采用热点分析（Getis-Ord G i *）识别具有统计显著性的热点区和冷点区。具体公式如下：
G i * = ∑ j = 1 n w i j x j - x - S n ∑ j = 1 n w i j 2 - ∑ j = 1 n w i j 2 n - 1 S = ∑ j = 1 n x j 2 n - ( x - ) 2
式中：Gi*为z得分； n为样本总数； x i、 x j分别代表城市i、j的空气质量指数； w i j为空间权重矩阵。对于具有显著统计学意义的正的z得分，z得分越高，高值（热点）的聚类就越紧密；反之，负的z得分越低，低值（冷点）的聚类就越紧密。

2.1.3 主成分分析（PCA）—多元线性回归模型

由于空气质量指数（AQI）统计数据从2014年开始统计，时间序列较短，不适合做面板模型。单纯的多元线性回归容易出现多重共线性，而主成分分析可以消除共线性问题，因此选用PCA—多元回归模型，将原数据进行归约。主成分分析能有效地提取测量数据的有用信息，消除原指标之间的相关性，使各变量相互独立，用较少变量尽可能多地反映原变量的信息，建立更有效的回归模型。

2.2 数据来源

研究所需要数据主要包括“2+26”城市日空气质量数据（AQI）和社会经济数据。其中，反映空气质量状况的AQI数据来源于生态环境部（原环保部）公布的全国空气质量日报数据。2012年新的《环境空气质量标准》GB 3095—2012启用以来，空气质量指数（Air Quality Index，AQI）成为新的空气质量评价指标，并于2013年在74个环保重点城市试行，2014年扩大到161个环境保护重点城市和国家环保模范城市，考虑到数据的可得性和连续性，研究采用2014年1月1日—2017年12月31日京津冀及周边地区“2+26”城市的空气质量日数据进行分析；经济社会数据主要来自于2014—2017年的《中国城市（建设）统计年鉴》、全国科技经费投入统计公报及6省28市的统计年鉴和统计公报。对于时间序列中的部分AQI缺失值，采取其前后七天的均值进行平滑处理。

3 京津冀及周边“2+26”城市空气质量时空演变特征

3.1 时序演变特征

从年度变化来看，2014—2017年研究区域AQI从130.14下降至108.08，下降幅度达16.95%，区域整体空气质量状况得到显著改善。一方面，近年来连续出台《重点区域大气污染防治“十二五”规划》《大气污染防治行动计划》《京津冀及周边地区2017年大气污染防治工作方案》等方案规划，提出控制污染物排放许可制、施行环境保护税法、构建生态环境损害赔偿制度等一系列重大举措[47]，加大了京津冀及周边地区大气污染的治理力度，通过构建京津冀及周边地区“2+26”城市精细化大气污染排放清单，分析不同类型城市的大气污染源构成及排放特征，实施分区域管理；另一方面，建立大气污染治理的“一市一策”和“一厂一策”政策体系，启动大气重污染成因与攻关项目，初步建成区域空气质量预警预测、跟踪评估与优化调控技术平台和重污染天气的应对技术体系，推进京津冀及周边地区大气污染治理迈向精细化管理。2017年京津冀地区的PM2.5浓度相比2013年下降39.6%，空气质量大幅提升，圆满实现“大气十条”目标。
分别对12~2月、3~5月、6~8月和9~11月AQI数据求平均值，表征该季度的城市空气质量（图2）。从季节变化来看，京津冀“2+26”城市空气质量季节差异显著，呈现典型的单峰谷特征，冬季达到峰值，夏季降至低谷，春秋季差异不大。生态环境部的公开数据显示，我国各地区冬季的首要污染物均是PM2.5，这与此前我国北方实行集中供暖有关，燃煤成为冬季PM2.5的主要来源[48]。已有研究表明，地形、风速等自然因子对空气质量具有较大影响。“2+26”城市大多分布于华北平原，冬季风速较小，静风天气相对较多，大气扰动能力弱，不利于污染物的扩散[20,31,49⇓-51]。大量污染物排放兼之冬季扩散条件不佳，往往导致大规模污染现象。夏季为非采暖季，且空气扩散条件良好，空气达标天数较多。2014—2016年夏季平均AQI下降幅度达21.73%，但冬季AQI却在2015年呈上升趋势，2016年冬季达到最大值为167.86，表明近年来京津冀及周边地区淘汰落后产能、优化产业结构、强化环境约束指标、实行联防联控机制等系列举措具有较好效果，夏季空气质量趋于改善，但由于当前产业规模下污染物排放量过大，冬季重污染天气时有发生，空气质量状况依然不容乐观。从月变化来看（图3），京津冀及周边地区空气质量月变化轨迹呈显著的“U”型曲线，1月平均AQI最高，为170.52，8月AQI最低，为80.32，8月份之后AQI上升速度明显加快，与季节变化中呈现的“冬重夏轻”污染趋势相符。
图2 研究区AQI季节变化

Fig.2 Seasonal variation of AQI in research area

图3 研究区月均AQI指数

Fig.3 Monthly average AQI of research area

3.2 空间分异特征

提取各行政区几何中心数据，采用拟合程度较好的普通克里金插值法对“2+26”城市空气质量状况及演变趋势进行分析。整体来看，京津冀及周边地区空气质量呈现明显的区域差异性，大致呈现中间高两侧低的“中心—外围”结构，其中廊坊、邢台、石家庄等城市空气污染程度最高，形成明显的空气污染核心区域。河北省作为京津冀地区的能源大省，能源生产和消费总量远远高于北京和天津，但利用效率却远低于京津，这也成为该地区高污染排放、低空气质量的主要原因。东部北京、天津和山东各省市空气污染程度相对较低，西部山西省和河南省部分城市空气总体污染程度最低。因此，区域空气质量空间异质性表明区域空气质量治理需要针对不同区域的污染源类别和污染程度制定区域差异化策略。
相较2014年，2017年北京、天津等城市空气质量有所改善，平均AQI从120.48降低至102.53，河北廊坊、邢台、石家庄等城市空气质量恶化程度有所减缓，平均AQI从172.50降低至126.28，仅达到空气质量三级（轻微污染）标准，相对其他省份仍处于污染最重状态，山东省有关城市AQI呈现逐年下降趋势，山西、河南两省有关城市AQI的变化趋势相对复杂，太原、阳泉AQI在2015年大幅度下降之后又逐年回升，开封、安阳、濮阳大致呈逐年下降趋势，长治变化趋势不明显。因此，各城市空气污染状况有减缓趋势，但城市污染类型差异依然较大，地区空气污染空间异质性格局没有得到根本性改变，因此未来一段时间还需要继续制定更为严格的治理措施，逐步提升区域空气质量（图4）。
图4 2014、2017年各市年均AQI

Fig.4 The average annual AQI of each city in 2014 and 2017

根据地理学第一定律，不同经济活动在地理空间位置上可能存在相关性，为了进一步验证空气污染的空间相关性，研究采用空间数据探索分析方法中的全局和局部空间自相关指标进行检验。2014—2017年京津冀及周边地区“2+26”城市Moran’s I值分别为0.4407、0.1822、0.2547、0.4485，Z值分别为3.6740、1.6468、2.1707、3.6631，Moran’s I值为正且通过10%显著性检验，说明空气污染存在较为显著的空间正相关溢出效应，即高空气污染地区与高空气污染地区相邻，低空气污染地区与低空气污染地区相邻。Moran’s I值大致呈现先减小再上升的趋势，由于2014年“大气十条”刚刚起步，空间集聚态势明显，随着生态治理力度加大，大气污染在区域间的集聚程度有所下降，而2017年生态治理具有一定效果，大气污染再次呈现强空间关联。传输通道城市大气污染的强空间关联也从侧面表明，相比简单的行政区划划分，以空间联系紧密的传输通道城市为政策实施主体更具科学性。
由热点分析可得（图5），研究区域高高集聚模式和低低集聚模式明显。2014—2017年保定、石家庄、邢台、衡水、邯郸等城市一直是空气污染热点区，空气污染较严重，形成了区域性的空气污染集聚区，这与这一地区经济发展阶段以及长期以来的重污染型工业结构、粗放型发展模式以及相对较弱的环境规制强度有重要关系。污染重心有偏离北京、天津方向的趋势，北京、天津和唐山等城市由空气污染热点区向冷点区转变，表明北京、天津以及周边部分城市积极推进大气环境治理，加大能源利用结构和产业结构调整力度，空气质量有改善趋势。这一趋势亦与区域内产业转移密切相关，近年来为实现北京市产业结构调整和“非首都功能”疏解，大量工业企业向河北迁移，导致能源工业在河北高度集聚，为污染重心的西南移向奠定产业基础。
图5 2014、2017年冷热点分析图

Fig.5 The diagram of Getis-Ord Gi* in 2014 and 2017

4 城市空气质量时空演变的经济社会驱动机理研究

4.1 模型构建

4.1.1 影响因素选取

影响空气质量恶化的因素除了地形地貌、气候条件等自然地理环境因素外，还有城市发展模式以及经济发展阶段等诸多经济社会因素[43]，Jaafar指出快速城市化、工业活动以及大城市人口密度增加是亚洲空气质量下降的重要原因[18]。考虑到数据可获得性，借鉴蔺雪芹[29]、丁镭[51]等人的研究，从多个维度选取变量以分析城市空气污染的影响因素（表1），抓住影响空气质量变化的关键性经济社会因素，制定提升城市空气质量的对策。
表1 指标建立与变量选取

Tab.1 Index establishment and variable selection

解释变量 具体指标 单位 相关说明
经济增长（eco） 人均GDP 万元 经济发展水平与空气污染关系密切，众多研究对EKC假说进行讨论，检验是否存在EKC曲线。
产业结构（ind） 第二产业产值占GDP比重 % 工业经济增长可能对大气环境造成较大环境胁迫。
城镇化（urb） 城镇人口占总人口的比重 % 城镇化发展提升，一方面以消耗大量能源作为支撑，导致大气环境问题产生；另一方面也会引起环境治理水平提升、公众环保意识提高、产业结构优化等，改善大气环境质量。
能耗强度（ene） 单位GDP的能源消耗强度 t标准煤/万元 一方面降低能源消耗强度有利于提升能源效率，改善空气质量；另一方面，能耗强度的降低往往意味着使用成本下降（门槛降低），引起能源尤其是化石能源的消费总量反弹效应，增加消费总量，引起空气质量恶化。
交通压力（tra） 单位公路里程民用汽车拥有量 辆/km2 区域交通压力增强造成机动车尾气排放增加，同时由于交通压力增强造成的交通基础设施扩张也容易引起能源消耗加剧，进一步影响空气质量。
城市绿化（gre） 人均绿地面积 hm2 城市绿化一方面净化空气质量，另一方面城市绿地过大引起的城市不够紧凑、建设用地使用效率低、功能区之间距离远等，可能带来交通出行的需求增加污染负荷等负效应，目前研究以改善效应为主。

4.1.2 PCA—多元线性回归

为避免要素的多重共线性，运用SPSS软件对影响空气质量指数的6个指标进行主成分分析。KMO检验得到的值为0.78，Bartlett球形检验显著性为0.00，可认为选取的数据适合做主成分分析，选择特征值大于1的主成分，当提取两个主成分时，累计贡献率达到76.96%，即能够包含原始数据76.96%的信息。从各主成分因子的负荷系数得出，主成分F1与人均GDP、人均GDP2、城镇化率、绿地面积呈显著正相关，是城市经济发展的反映，包含了原数据大部分信息。主成分F2与单位GDP能耗、单位公路里程民用汽车拥有量、第二产业比重呈显著正相关，是产业和能源消耗的反映（表2）。
表2 指标主成分因子负荷系数

Tab.2 Factor load of principal component analysis

指标主成分 累计贡献率% gdp gdp2 ind urb ene tra gre
F1 59.96 0.925 0.929 -0.610 0.933 -0.413 -0.435 0.936
F2 76.96 0.116 0.152 0.382 0.034 0.707 0.706 0.092
以空气质量指数为因变量，主成分F1、F2为自变量，运用多元线性回归分析多要素对空气质量指数的影响机理，并根据均值标准化公式推导标准化前系数（表3）。
表3 回归模型系数

Tab.3 Regression model coefficient

指标 标准化后系数 标准化前系数
常数 138.798
eco -0.021 -0.163
gdp2 -0.011 -0.006
ind 0.078 0.171
urb -0.046 -0.069
ene 0.238 8.868
tra 0.239 0.013
gre -0.029 -0.041

4.2 经济社会驱动机理构建

城市空气质量的变化不仅与地形、气候等自然因子有关，也与经济发展、科技进步等社会经济因子有关。根据以往文献选取部分社会经济指标，将之纳入多元回归模型进行计算，归纳出影响城市空气质量的主要因素有经济增长、工业结构、城市发展、能耗强度、交通压力、城市绿化等，并形成了城市空气质量社会经济驱动机制整体框架（图6）。
图6 城市空气质量时空演变的经济社会驱动机制

Fig.6 The socioeconomic driving mechanism of air quality

①在经济增长方面，人均GDP及人均GDP平方均与AQI呈显著负相关，环境库兹涅茨曲线在研究中无明显体现，可能与研究的时间序列较短、信息未能充分反映有关。整体来看，随着经济发展水平的不断提升，空气质量趋于改善。从需求层面来看，随着经济发展水平的提升，公众需求结构开始不断优化，清洁的空气成为影响生活质量的重要因素，倒逼政府开始采取较为严格的环境管制措施以改善环境质量；从供给层面来看，随着经济实力增强，财政资金较为充足，政府可以提供较多的环境保护资金用于大气环境治理，使得产业结构不断优化，高级化和协调化水平显著提升，国土利用空间格局也开始优化，人类活动对资源环境的胁迫效应开始降低，空气质量显著提高。
②在产业结构方面，第二产业比重与AQI呈显著正相关。来自第二产业的化石燃料燃烧和建筑扬尘是影响空气质量的重要因素。京津冀及周边地区“2+26”城市中大多数城市正处于工业化快速发展阶段，工业能耗规模高于其他部门。粗放式的工业化快速发展模式和以工业特别是重化工业为主的产业结构成为制约空气质量改善的重要障碍，如重工业较发达的唐山、保定、沧州等城市第二产业占GDP比重超过50%，承接产业转移、工业发展处于快速阶段的鹤壁、焦作第二产业占GDP比重高达60%以上。另外，建筑业等产业的快速发展进一步促进了钢铁、水泥等重工业发展，使建筑业在直接和间接两个层面加剧了空气质量恶化。影响空气质量演变的产业内部结构类型存在差异，例如唐山市钢铁行业规模大是影响空气质量的重要因素。
③在城镇化发展方面，城镇化率与AQI呈显著负相关。长期以来，城镇化与空气污染之间的关系及其作用机制是亟待解决的难题，从已有结论来看，城镇化与环境污染的关系尚无定论。一方面随着城镇化水平的提升，人口与产业开始在城市形成经济集聚，劳动生产效率提高的同时，单位面积经济产出开始增加，其单位面积污染物产出也相应开始增加，加速环境质量恶化；另一方面随着污染加重，民众环保意识开始觉醒，社会舆论开始聚焦环境污染，更为严格的环境规制措施开始实施，产业结构转型升级步伐加快，城镇化得到发展，推动了环境质量的改善。2014年“2+26”城市平均城镇化率为55.17%，2017年上涨为58.44%，随着城镇化率提高，京津冀及周边地区“2+26”城市空气质量不断改善，年均AQI下降幅度达17.72%，表明近年来随着新型城镇化建设的不断实施，城市发展的内涵质量得到进一步提升，基础设施改善力度较大，一定程度推动了空气质量改善。
④在能耗强度方面，单位GDP能耗与AQI呈显著正相关，表明提高能源效率有助于改善空气质量。环保部多次指出，近年来愈发严峻的城市空气污染形势主要来源于燃煤、机动车、工业源和扬尘等，协调能源消费和空气污染关系是必须要重视的问题。能源消费的结构性问题突出，煤炭消费在能源消费结构中所占比例始终居高不下，河北省主导产业是以钢铁为主的高污染产业，煤炭消费占当地能源消费比重一度高达70%，能源消费结构不够合理，这种高耗能高污染的生产方式导致了空气质量不断恶化，而绿色节能技术和清洁生产技术的不断发展从技术效应视角提高了能源效率，降低了能源消费量。
⑤在交通压力方面，单位公路里程民用汽车拥有量与AQI呈显著正相关。近年来，在京津冀推行“煤改气”、“煤改电”和燃煤脱硫等措施之后，空气质量显著改善，但由于私人汽车拥有率不断攀升，机动车数量居高不下，导致汽车尾气增多等成为空气质量恶化的重要因素。根据最新PM2.5解析研究，燃煤污染所占比重渐小，移动源成为京津冀及周边地区的主要空气污染源。同时，由于机动车数量增多和道路网络问题导致的拥堵效应，机动车行驶速度缓慢，油耗大约增加为正常行驶速度的2倍，呈现空气质量恶化压力增大现象。
⑥在城市绿化方面，人均绿地面积与AQI呈显著负相关。随着城市化进程的不断加快，城市环境受到不同程度的破坏，空气污染、热岛效应等城市环境问题开始显现，绿地建设被提上新高度，以期通过增加城市植被、建立绿色生态廊道改善日益严峻的城市空气质量，增加区域环境舒适度。近年来，京津冀及周边地区不断落实《大气污染防治行动计划》《京津冀及周边地区大气污染防治工作方案》等政策措施，加大植被绿化程度，一定程度上缓解了日益严峻的空气污染。

5 结论与对策

5.1 主要结论

选取2014—2017年京津冀及周边地区“2+26”城市AQI数据，结合探索性空间数据分析方法刻画区域内城市空气质量的时空分异特征，运用PCA—多元线性回归模型甄别与测度空气质量影响因子，探究大气治理经济社会驱动机理，得到如下结论：
①时序演变方面，随着相关政策出台和治理力度加大，京津冀及周边地区AQI逐年递减，空气质量趋于改善；空气质量季节差异显著，呈现典型的“单峰谷”特征，即夏季污染减轻，空气质量明显改善，冬季情况依然不容乐观；月度变化轨迹呈显著的U型曲线，与“冬重夏轻”的季节特征相适应。
②空间分异方面，京津冀及周边地区空气质量呈现较为显著的空间异质性，表现出中间高两侧低的“中心—外围”结构，在河北廊坊、邢台、石家庄等城市形成明显的空气污染核心区。空间自相关指数表明，区域内城市空气污染存在显著的空间溢出效应，高高集聚、低低集聚模式明显。
③影响因素方面，在研究时期内，经济增长、产业结构、城镇化、能耗强度、交通压力、城市绿化等社会经济因素对城市空气质量演变具有重要影响。其中运用PCA—多元线性回归模型分析发现，人均GDP、城镇化率、人均绿化与AQI呈显著负相关；第二产业产值占GDP比重、单位GDP能耗强度、单位公路里程民用汽车拥有量与AQI呈显著正相关。这一结论可能与研究时间序列和选择区域差异有关。

5.2 研究对策

根据京津冀及周边地区空气质量的实证分析，研究拟从产业结构、城市管理、能源效率、统筹建设等角度对该区域的环境改善提出以下建议：
①推进产业结构转型，优化产业空间布局与规模。产业结构与雾霾污染具有密切联系，二产比重对AQI具有显著的正向影响。其中，河北省第二产业比重偏高，以钢铁工业等高污染、高能耗、高成本产业为主的偏“重”的产业结构成为区域环境治理的巨大障碍，因此优化产业空间布局、推进产业结构调整势在必行。此外应逐步调整产业规模，优化产业空间布局，降低资源环境压力，使之与当地环境容量相适应；转变经济发展方式，加强科技支撑，扶持绿色产业，淘汰落后产能，促进产业结构“绿色”转型升级。
②提高城市管理水平，协调城市外延和内涵发展。当前，城镇化水平不断提高，带来经济效益、集聚效益的同时，也造成了交通拥堵、环境污染等“城市病”，阻碍了城市和居民的健康发展。因此，应进一步提升城市管理水平，优化交通网络，控制机动车数量，探索环保出行方式；合理确定城市定位，通过疏散城市职能减小城市人口、交通、住房、环境等压力；不断提升公共服务水平，提高城市化质量，打造“绿色城市”、“海绵城市”。
③提高能源利用效率，实现煤炭消费总量负增长。一直以来的粗放型发展方式导致能源利用效率低下和环境治理低效等问题，其中煤炭消费是PM2.5、SO2排放的主要推手。实证结果表明，单位GDP能耗对城市空气质量具有显著的负向外部作用，改变发展方式、提高能源利用效率是改善空气质量的必要举措。政府应进一步强化规制力度，实现过程治理，从源头上降低雾霾污染物排放；积极探索污染物减排措施的科学化和精细化，切实控制不同气象条件下的污染物浓度，促进能源消费结构的绿色化。
④完善环境经济政策，统筹区域生态与环境建设。雾霾问题本质上是经济问题，要实现大气环境的根本治理需引入市场机制，完善环境经济政策。如通过环保税收、污染者付费、排污权交易等经济手段对行为主体施加影响，推动生产生活方式改变。另外，环境的跨域性和流动性决定了京津冀及周边地区在生态环境建设上应树立整体性治理思路，统筹全局，联防联控，构建全区域环境治理网络，完善多主体协商共治机制，形成功能整合、执行有力、责任共担、利益共享的生态网络，打赢蓝天保卫战。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
马修·卡恩, 郑思齐. 中国绿色城市的崛起:经济增长与环境如何共赢[M]. 北京: 中信出版社, 2016:13-18.

[2]
李名升, 张建辉, 张殷俊, 等. 近10年中国大气PM10污染时空格局演变[J]. 地理学报, 2013, 68(11):1 504-1 512.

[3]
He C F, Pan F H, Yan Y. Is Economic Transition Harmful toChina’s Urban Environment?Evidence from Industrial Air Pollution in Chinese Cities[J]. Urban Studies, 2012, 49(8):1 767-1 790.

[4]
Cohen A J, Brauer M, Burnett R, et al. Estimates and 25-yeartrends of the global burden of disease attributable to ambient air pollution:an analysis of data from the Global Burden of Diseases Study 2015[J]. The Lancet, 2017(389):1 907-1 918.

[5]
潘慧峰, 王鑫, 张书宇. 雾霾污染的持续性及空间溢出效应分析——来自京津冀地区的证据[J]. 中国软科学, 2015, 32(12):134-143.

[6]
童玉芬, 王莹莹. 中国城市人口与雾霾:相互作用机制路径分析[J]. 北京社会科学, 2014, 28(5):4-10.

[7]
刘华军, 雷名雨. 中国雾霾污染区域协同治理困境及其破解思路[J]. 中国人口·资源与环境, 2018, 29(10):88-95.

[8]
Wang L T, Wei Z, Yang J, et al. The 2013 severe haze oversouthern Hebei,China:model evaluation,source apportionment,and policy implications[J]. Atmospheric Chemistry and Physics,2014, 14(6):3 151-3 173.

[9]
程钰, 尹建中, 王建事. 黄河三角洲地区自然资本动态演变与影响因素研究[J]. 中国人口·资源与环境, 2019, 29(4):127-136.

[10]
Lin Y C, Li Y C, Amesho K T, et al. Characterization andquantification of PM2.5 emissions and PAHs concentration in PM2.5 from the exhausts of diesel vehicles with various accumulated mileages[J]. In the Science of the Total Environment, 2019(660):188-198.

[11]
Brajer V, Mead R W. Valuing Air Pollution Mortality in Chi-na's Cities[J]. Urban Studies, 2004, 41(8):1 567-1 585.

[12]
Ramakreshnan L, Aghamohammadi N, Fong C, et al. Haze andhealth impacts in ASEAN countries:a systematic review[J]. Environmental Science and Pollution Research International, 2018, 25(3):2 096-2 111.

[13]
Liu X G, Li J, Qu Y, et al. Formation and evolution mecha-nism of regional haze:a case study in the megacity Beijing,China[J]. Atmospheric Chemistry and Physics. 2013, 13(9):4 501-4 514.

[14]
Huang R J, Zhang Y L, BozzettiC, et al. High secondary aero-sol contribution to particulate pollution during haze events in China[J]. Nature, 2014(7521):218-222.

[15]
Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at acity level[J]. Scientific Reports, 2015(5):14 884.

[16]
Seo J, Kim J Y, Youn D, et al. On the multiday haze in theAsian continental outflow:the important role of synoptic conditions combined with regional and local sources[J]. Atmospheric Chemistry and Physics, 2017, 17(15):1-32.

[17]
Boldo E, Medina S, Tertre A L, et al. Apheis:Health ImpactAssessment of Long-term Exposure to PM2.5 in 23 European Cities[J]. European Journal of Epidemiology, 2006, 21(6):449-458.

[18]
Jaafar, Hafiz, Razi, et al, A systematic review of financial im-plications of air pollution on health in Asia[J]. Environmental Science and Pollution Research International, 2018, 25(30):30 009-30 020.

[19]
马丽梅, 张晓. 中国雾霾污染的空间效应及经济、能源结构影响[J]. 中国工业经济, 2014, 32(4):19-31.

[20]
刘海猛, 方创琳, 黄解军, 等. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报, 2018, 73(1):177-191.

DOI

[21]
李力, 唐登莉, 孔英, 等. FDI对城市雾霾污染影响的空间计量研究——以珠三角地区为例[J]. 管理评论, 2016, 28(6):11-24.

[22]
张生玲, 王雨涵, 李跃, 等. 中国雾霾空间分布特征及影响因素分析[J]. 中国人口·资源与环境, 2017, 27(9):15-22.

[23]
刘华军, 孙亚男, 陈明华. 雾霾污染的城市间动态关联及其成因研究[J]. 中国人口·资源与环境, 2017, 27(3):74-81.

[24]
张君, 孙岩, 陈丹琳. 公众理解雾霾污染——海淀区居民对雾霾的感知调查[J]. 科学学研究, 2017, 35(4):491-499.

[25]
蔡海亚, 徐盈之, 孙文远. 中国雾霾污染强度的地区差异与收敛性研究——基于省际面板数据的实证检验[J]. 山西财经大学学报, 2017, 39(3):1-14.

[26]
何枫, 马栋栋, 祝丽云. 中国雾霾污染的环境库兹涅茨曲线研究——基于2001—2012年中国30个省市面板数据的分析[J]. 软科学, 2016, 30(4):37-40.

[27]
齐绍洲, 严雅雪. 基于面板门槛模型的中国雾霾(PM2.5)库兹涅茨曲线研究[J]. 武汉大学学报:哲学社会科学版, 2017, 70(4):80-90.

[28]
谢靖, 陈静. 人文视角下我国雾霾研究的文献计量分析——基于CSSCI(2007—2016)数据[J]. 西南民族大学学报:人文社科版, 2017, 38(11):230-233.

[29]
蔺雪芹, 王岱. 中国城市空气质量时空演化特征及社会经济驱动力[J]. 地理学报, 2016, 71(8):1 357-1 371.

[30]
Mayer H. Air pollution in cities[J]. Atmospheric Environ-ment, 1999, 33(25):4 029-4 037.

[31]
Wu X F, Vu T, Shi Z B, et al. Characterization and source ap-portionment of carbonaceous PM2.5 particles in China-A review[J]. Atmospheric Environment, 2018(189):187-212.

[32]
Firoz K M, Hazuwan H A, Aynul B M, et al. Airborne particlesin the city center of Kuala Lumpur:Origin,potential driving factors,and deposition flux in human respiratory airways[J]. Science of the Total Environment, 2019(650):1 195-1 206.

[33]
徐盈之, 刘琦. 产业集聚对雾霾污染的影响机制——基于空间计量模型的实证研究[J]. 大连理工大学学报:社会科学版, 2018, 39(3):24-31.

[34]
刘晨跃, 徐盈之. 城镇化如何影响雾霾污染治理?——基于中介效应的实证研究[J]. 经济管理, 2017, 39(8):6-23.

[35]
秦蒙, 刘修岩, 仝怡婷. 蔓延的城市空间是否加重了雾霾污染——来自中国PM2.5数据的经验分析[J]. 财贸经济, 2016, 37(11):146-160.

[36]
马丽梅, 刘生龙, 张晓. 能源结构,交通模式与雾霾污染——基于空间计量模型的研究[J]. 财贸经济, 2016, 37(1):147-160.

[37]
潘慧峰, 王鑫, 张书宇. 雾霾污染的持续性及空间溢出效应分析——来自京津冀地区的证据[J]. 中国软科学, 2015, 30(12):134-143.

[38]
梁伟, 杨明, 张延伟. 城镇化率的提升必然加剧雾霾污染吗——兼论城镇化与雾霾污染的空间溢出效应[J]. 地理研究, 2017, 36(10):1 947-1 958.

[39]
徐鹏杰, 卢娟. 异质性环境规制对雾霾污染物排放绩效的影响——基于中国式分权视角的动态杜宾与分位数检验[J]. 科学决策, 2018, 25(1):48-74.

[40]
来逢波, 耿聪, 王海萍. 交通基础设施投资对区域产业发展作用强度的差异性研究[J]. 东岳论丛, 2018, 39(10):54-61.

[41]
邵帅, 李欣, 曹建华, 等. 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]. 经济研究, 2016, 51(9):73-88.

[42]
刘曦彤. 如何发挥产业转移的雾霾治理效应?——基于长三角地区的实证研究[J]. 科学决策, 2018, 24(3):83-94.

[43]
刘晨跃, 尚远红. 雾霾污染程度的经济社会影响因素及其时空差异分析——基于30个大中城市面板数据的实证检验[J]. 经济与管理评论, 2017, 33(1):75-82.

[44]
蔺丰奇, 吴卓然. 京津冀生态环境治理:从“碎片化”到整体性[J]. 河北经贸大学学报, 2017, 38(3):96-107.

[45]
王兴杰, 谢高地, 岳书平. 经济增长和人口集聚对城市环境空气质量的影响及区域分异——以第一阶段实施新空气质量标准的74个城市为例[J]. 经济地理, 2015, 35(2):71-76.

[46]
Wang X C, Klemeš J,Dong, X B, et al. Air pollution terrainnexus:A review considering energy generation and consumption[J]. Renewable and Sustainable Energy Reviews, 2019, 105:71-85.

[47]
罗知, 李浩然. “大气十条”政策的实施对空气质量的影响[J]. 中国工业经济, 2018, 36(9):136-154.

[48]
王一辰, 沈映春. 京津冀雾霾空间关联特征及其影响因素溢出效应分析[J]. 中国人口·资源与环境, 2017, 27(S1):41-44.

[49]
王成新. 结构解读与发展转型:中国城市化综合思辨[M]. 北京: 人民出版社, 2017:12-15.

[50]
杨阳, 沈泽昊, 郑天立, 等. 中国当前城市空气综合质量的主要影响因素分析[J]. 北京大学学报:自然科学版, 2016, 52(6):1 102-1 108.

[51]
丁镭, 刘超, 黄亚林, 等. 湖北省城市环境空气质量时空演化格局及影响因素[J]. 经济地理, 2016, 36(3):171-179.

Options
Outlines

/

〈 〉