-
开放科学(资源服务)标志码(OSID):
-
“十三五”期间,我国社会经济领域取得突破性进展,工业化、城市化快速推进,物质财富快速增长[1]. 与此同时,生态环境问题大范围、高频率发生[2],雾霾加剧[3]、酸雨频发[4]等现象对生态系统[5]及人体健康[6]造成了一定威胁,空气污染已经成为限制我国社会经济可持续发展的重要因素. 刻画“十三五”期间我国空气质量时空演变特征,揭示其内在驱动机制,破解空气质量与社会经济发展不协调的现实困境,是“十四五”时期我国强化空气污染防治、提升大气治理能力、推进高质量发展的关键所在.
目前,相关学者从不同角度分析了空气质量的时空演变特征及驱动机制. 纵观相关研究成果,在研究时空视角上,大多基于长时间序列[7]、短时间序列[8]及单一年份[9]等数据,从全国尺度[10-11]、典型区域尺度[12-13]、重点城市尺度[14-15]分析单一空气污染物[16-17]、多种空气污染[18-19]及空气质量综合指数[20-21]等层面的时空分布及演变特征; 在驱动因素及研究方法上,大多基于社会经济[22]、气象条件[23-24]和综合条件[25-26]等因素,运用逐步回归模型[27]、地理探测器[28]、面板回归模型[29]等方法分析全域空气质量的驱动机制. 并且,对空气质量时空分布及演变特征的研究,大多侧重以长时间序列或空气污染严重年份为研究对象,尚缺乏以国民经济和社会发展为基础对空气质量时空演变进行定量分析; 在空气质量驱动机制方面,从空间视角出发,分区探索其空间异质性的研究较少. 因此,本文基于2016-2020年AQI数据,利用全局自相关、热点分析等方法,探索“十三五”期间我国空气质量时空演化特征,运用空间效应模型等方法揭示空气质量社会经济驱动机制,并在我国行政区划的基础上,探索其区域差异性,为“十四五”我国空气质量差异化治理提供现实依据.
全文HTML
-
AQI数据(2016-2020年)来源于空气质量在线监测分析平台(www.aqistudy.cn),港澳台及南海诸岛地区的AQI数据因缺失严重未列入统计分析,故本文统计31个省级行政区AQI数据. AQI值越大表明空气质量越差,反之表明空气质量越好. 分级标准来自《环境空气质量指数(AQI)技术规定(试行)》(HJ633-2012)(表 1). 社会经济数据主要来源于《中国能源统计年鉴2018》《中国城市统计年鉴2018》及中国国家统计局网站(http://www.stats.gov.cn)等.
-
空气污染具有典型的区域传输性,其空间分布相关性显著,本文采用全局自相关模型分析中国AQI空间相关性,莫兰指数(Moran's I)是全局自相关中使用最广泛的方法,其公式如下:
式中: Xi,Xj分别为城市单元i和j的AQI,n为城市总数,Wij为空间权重,
ˉX 为AQI平均值. Moran's I的取值范围在[-1, 1]之间,I<0,表明AQI呈扩散或均匀分布,当I=0,表明AQI呈无规律分布,当I>0,表明AQI呈聚集分布. I绝对值越大表明空间自相关性越强.Moran's I的显著性通常采用Z统计量进行检测,其公式如下:
式中: E(I)、VAR(I)分别表示Moran's I的数学期望和变异系数.
-
热点分析(Getis-Ord Gi*)可以度量局部空间单元聚集方式及程度,以探索中国AQI高值和低值集聚的具体区域. 其公式如下:
式中: Xj为城市j的AQI,n为城市数量,Wij为空间权重矩阵,d为距离尺度.
对Gi*(d)检验的标准化统计量为:
式中: E(Gi*)、VAR(Gi*)分别为Gi*的数学期望和变异系数.
-
1) AQI驱动力基本模型设定
AQI变化受到地形地貌、气候条件等自然因素及人类社会经济活动的双重影响,尤其是区域覆盖面积较大时,人类活动的影响更为显著. 结合已有研究成果[30],选取第二产业比重(X1)、人口密度(X2)、人均GDP(X3)、能源消耗总量(X4)、居民平均每百户家用汽车拥有量(X5)、R&D经费(X6)、城镇人口占比(X7)、建成区绿化覆盖率(X8)分别表示工业化、人口聚集、经济发展、能源消耗、社会发展、技术进步、城市化、环境保护. 基本假设上述解释变量与空气质量存在线性关系,并设定模型如下:
式中: Y为AQI; X1,…,X8分别为8个自变量; ɑ0,…,ɑ8为待估计的模型参数; ε为误差随机项. 西藏因能源数据缺失严重未列入此统计分析,以减小异常值对模型精度的影响.
2) 空间效应模型
AQI区域性特征明显,空间效应对其影响显著. 使用空间效应模型探索AQI的社会经济驱动机制. 空间效应模型主要有空间滞后模型(SLM)和空间误差模型(SEM),在进行选择时,需要采用最小二乘法(OLS)确定空间相关性的约束模型,若拉格朗日乘数LM(lag)比LM(error)在统计上显著,且R-LM(lag)比R-LM(error)显著,则选择空间滞后模型,其表达式为:
式中: Y为AQI; ρ为空间回归系数; W为空间权值矩阵; X1,…,X8分别为8个自变量; ɑ0,…,ɑ8为待估计的模型参数; ε为误差随机项.
反之,则选择空间误差模型,其表达式为:
式中: Y为AQI; λ为空间误差系数; W为n×1阶的空间权值矩阵; X1,…,X8分别为8个自变量; ɑ0,…,ɑ8为待估计的模型参数; ε为误差随机项; μ为正态分布的随机误差向量.
1.1. 数据来源
1.2. 研究方法
1.2.1. 全局自相关模型
1.2.2. 热点分析
1.2.3. AQI驱动力基本模型设定及空间效应模型
-
“十三五”期间我国AQI均值处于轻度污染及以下. 仅海南、云南的AQI为优,占比为6.45%; 有25个省份的AQI为良好,占比达到80.65%; 天津、河北、新疆、河南的AQI为轻度污染,占比为12.90%(图 1). 结果表明,“十三五”期间我国空气质量整体较好,且呈现出两头少中间多的“枣核”型特征,空间上南方(海南、云南等)地区显著优于北方(河南、新疆等)地区,空间差异性显著.
-
“十三五”期间我国海南、云南的AQI-Y(年均值)均保持为优,而河南、河北、新疆等地的AQI-Y长期处于轻度污染(表 2). 2016-2020年,AQI-Y为优的占比分别为: 6.45%、6.45%、6.45%、12.90%、12.90%,2019年有较小程度上升; 轻度污染占比分别为: 16.13%、19.35%、12.90%、3.23%、0,表现为先上升后下降,且到2020年AQI-Y轻度污染已全部消除,进一步证实了我国AQI的“枣核”型特征. 2016-2020年,我国AQI-Y分别为: 78.80、79.55、75.70、72.38、67.29,下降趋势明显. 结果表明,“十三五”期间我国空气质量改善趋势明显,仅2017年有较小程度的下滑,AQI-Y轻度污染已完全消除,但仍然以良为主,优占比较少且提升不明显.
-
对AQI-Y进行全局自相关分析(表 3),其Moran's I指数均大于0,且均通过了1%的显著性检验(p<0.000 1),表明AQI-Y空间相关性显著,空间集聚效应明显. 2016-2020年,AQI-Y的Moran's I指数分别是0.561、0.564、0.481、0.499、0.492,其变化呈现出“M”型特征,整体有下降趋势. 结果表明,AQI-Y的空间集聚程度呈减小趋势,在空间上表现为高值区或低值区更加分散.
2020年新冠疫情导致部分产业发展放缓,AQI指数不具有显著代表性,故本文以2019年季节AQI均值(AQI-S)为研究对象,对AQI-S进行全局自相关分析(表 4). 其Moran's I指数均大于0,且均通过了显著性检验(p<0.000 1),表明AQI-S空间相关性显著,空间集聚明显. 其中,夏季的AQI-S的空间聚集程度最高,春秋次之,冬季最低.
-
“十三五”期间我国AQI-Y的冷、热点分布特征基本一致,表现出北热、南冷的空间分异特征(图 2). 从热点区域来看,2016年热点图显示(图 2a),高热点(99%信度)区域包括内蒙古、河北、北京等9个地区,中热点(95%信度)区域包括河南、安徽、上海,低热点(90%信度)区域包括湖北、辽宁; 2017年(图 2b)与2018年(图 2c)高热点区域先增加后减少; 2019年(图 2d)与2020年(图 2e)高热点区域呈增长趋势. 从2020年热点图来看,高热点区域与2016年一致,仅辽宁由2016年的低热点区域转变为中热点区域,说明AQI高值区域空间分布格局基本稳定,河北、北京等北部及中部地区AQI已长时间、大范围处于较高水平. 从冷点区域来看,2016年高冷点(99%信度)区域为广东、广西、海南,中冷点(95%信度)区域为云南、贵州,低冷点(90%信度)区域为湖南,2017-2020年,高冷点区域为云南、广东、海南,中冷点区域为贵州、广西,说明AQI低值区域空间分布格局稳定,海南、云南等南部地区是AQI水平较低的主要聚集区域.
以2019年为例,春、夏、冬季AQI-S的冷、热点分布特征基本一致,均呈现出北热、南冷的空间分异特征,秋季则呈现热点集中、冷点零散分布的特征(图 3). 春季(图 3a)的热点图显示,高热点区域包括内蒙古、河北、北京等7个地区,低热点区域包括江苏、陕西、辽宁; 夏季(图 3b)热点分布由北向南扩散; 秋季(图 3c)热点分布逐渐向中部地区收缩,高热点区域减少至湖北、安徽等6个; 冬季(图 3d)热点分布由中向北扩散. 说明我国春夏秋冬的AQI高值区域呈先扩散后收缩再扩散的特征,夏季AQI高值区域聚集最明显. 从冷点分布来看,春季的集中程度最高,其高冷点区域包括云南、广东、广西等5个地区,低冷点区域包括湖南、江西、福建,夏季冷点分布向南收缩趋势明显,秋季则表现为零散分布,冬季又呈现出南方集中且有进一步向南收缩的趋势,说明我国春夏秋冬的AQI低值区域呈现出向南收缩的趋势,春季AQI低值区域聚集最明显. 进一步分析发现,在AQI整体处于较高水平的春季AQI低值区域集聚趋势最明显,在AQI整体处于较低水平的夏季AQI高值区域聚集趋势最显著,表明AQI集聚程度与AQI值的相关性较低,尽管AQI整体较低,但仍会出现局部区域污染严重的情况.
-
社会经济发展对空气质量影响滞后效应显著,参考已有研究成果[31],基于2019年AQI及2018年社会经济数据,依据上述假设及公式,分析空气质量变化的社会经济驱动机制.
采用ArcGIS检验2019年AQI-Y的空间相关性,其Moran's I指数为0.499,空间相关性显著,使用SPSS进行社会经济自变量的多重共线性检验,方差膨胀因子(VIF)均远小于10,表明模型不存在多重共线性,在GeoDa平台上,利用最小二乘法(OLS)选取空间回归模型,结果表明,LM(lag)较LM(error)更为显著,且R-LM(lag)较R-LM(error)更为显著,故选择空间滞后模型(表 5).
OLS模型回归结果与空间滞后模型基本一致,但空间滞后模型精度(R2=0.654)显著优于OLS模型(R2=0.531). 模型回归结果显示: 工业化、经济发展、城市化、环境保护对AQI-Y的变化影响不显著,人口聚集、能源消耗、社会发展对AQI-Y变化呈显著正相关. 其中,人口密度每平方公里增加100人,将引起AQI-Y上升0.479; 能源消耗每增加1亿吨标准煤,将引起AQI-Y上升0.610; 居民平均每百户家用汽车拥有量增加1辆,将引起AQI-Y上升0.275. 技术进步与AQI表现为显著负相关,R&D经费每增加1亿元,将引起AQI-Y下降0.294.
-
基于地理分区的方式进一步探索空气质量变化机制的空间差异性. 采用分区较多的经济地理区划时存在样本数量不足、自变量多重共线性严重等问题,故本文采用三大经济带(东部经济带包括: 辽宁、北京、天津、河北、山东、江苏、上海、浙江、福建、广东、广西、海南,中部经济带包括: 黑龙江、吉林、内蒙古、山西、安徽、江西、河南、湖北、湖南,西部经济带包括: 新疆、西藏、青海、云南、贵州、四川、重庆、陕西、宁夏、甘肃)分区的方式,选取人口聚集、能源消耗、社会发展、技术进步四个在上述模型中显著相关的自变量进行分析. OLS模型表明,三大经济带均适合空间滞后模型(表 6).
在东部经济带,人口聚集、能源消耗、社会发展与AQI-Y显著正相关,人口密度每平方公里增加100人,AQI-Y将会上升0.388; 能源消耗每增加1亿吨标准煤,AQI-Y上升0.506; 居民平均每百户家用汽车拥有量增加1辆,AQI-Y就会上升0.984. 技术进步与AQI-Y表现为显著负相关,R&D经费每增加1亿元,AQI-Y就会下降0.199. 在中部经济带,人口聚集、社会发展、技术进步与AQI-Y相关性不显著,能源消耗与AQI-Y显著正相关,其每增加1亿吨标准煤,AQI-Y上升1.341. 在西部经济带,能源消耗、社会发展、技术进步与AQI-Y相关性不显著,人口集聚与AQI显著正相关,人口密度每平方公里增加100人,AQI-Y将会上升0.907.
2.1. 空气质量总体状况
2.2. 时间变化特征
2.3. 空间分布特征
2.3.1. 全局自相关分析
2.3.2. 热点分析
2.4. 空气质量社会经济驱动力
2.4.1. 全国空气质量社会经济驱动力
2.4.2. 区域空气质量社会经济驱动力
-
本文基于2016-2020年AQI数据,以31个省市为研究对象,利用全局自相关、热点分析等方法分析了“十三五”时期我国空气质量时空演变特征,结合2018年社会经济数据,揭示了空气质量的社会经济驱动机制,在此基础上,分区探索了其驱动机制的空间异质性,研究结果有利于加强空气污染治理能力,推动区域“高质量发展”. 主要研究结论如下:
1) “十三五”期间,我国空气质量整体较好,大部分地区空气质量类别为良好,海南、云南为优,呈现较为明显的“枣核”型特征,空间上南方地区显著优于北方地区.
2) “十三五”期间,我国空气质量好转趋势明显,仅2017年有较小程度下滑,且轻度污染已经完全消除,但优提升不明显; 季节变化表现出“春冬高,夏秋低”的“V”型特征; 月变化呈现出“W”型规律且高值主要在1、2、12月,低值主要在7、8、10等月.
3) “十三五”期间,我国空气质量集聚程度呈减小趋势,在空间上表现为AQI-Y的高值区或低值区更加分散; 河南、河北、天津等地是我国主要空气质量较差聚集区域,较好区域主要聚集于云南、海南等地; 季节空间分布格局与年均基本一致,春、夏分别是AQI低值和高值集聚程度最高的季节.
4) 空间滞后模型表明,在全国层面,人口聚集、能源消耗、社会发展是促使空气质量下降的主要原因,技术进步对空气质量改善有明显的促进作用; 其空间异质性明显,在东部经济带其驱动机制与全国层面一致,在中部及西部经济带,能源消耗与人口集聚分别是其空气质量下降的主导因素.
-
“十三五”期间我国以“改善生态环境”为主要目标,习近平总书记多次强调“打赢蓝天保卫战”的必要性并做出重要指示. 本文以“十三五”期间中国AQI数据为基础,对其演变特征进行分析. 结果表明,“十三五”期间,我国空气质量整体处于较好状态,且得到了较大程度的改善,但空气质量类别两头少中间多的“枣核”型问题并未得到根本好转,我国大部分地区空气质量处于“良好”,且空间差异性显著,在河南、河北、天津等北方地区已经形成了大范围、长时间的空气污染. 因此,在“十四五”期间,亟需以“深度改善空气质量”为目标,以“重点治理严重污染区域”为手段,进一步改善我国空气环境,以推进生态文明建设.
诸多研究已经证实,社会经济的发展必然会影响空气质量. 本文结合社会经济数据,揭示了空气质量的社会经济驱动机制. 结果表明,社会经济的发展对空气质量的影响不尽相同,在东部沿海地带,人口聚集、能源消耗、社会发展是促使空气质量下降的主要原因,技术进步对空气质量改善有明显的促进作用,而在中部地带及西部地带,能源消耗与人口聚集分别是促使其空气质量下降的主导因素. 表明社会经济处于不同阶段,空气质量的社会经济驱动力差异性显著. 因此,在治理空气环境中,改善空气质量不等同于全面遏制社会经济的发展,首先必须在厘清其驱动机制的基础上,遴选关键指标,确定重点治理方向. 其次,由于区域资源禀赋,社会经济发展水平差异较大,更需要认清自身实际情况,最大限度减少社会经济发展对空气质量带来的负面影响,以建立“生态优先、绿色发展”的新模式,实现区域社会经济与生态环境相互促进、协调发展,促进“高质量发展”.