The Spatiotemporal Evolution and Socio-economic Driving Forces of Air Quality in China during the 13th Five-Year Plan Period

ZHAO Wei; LIU Haozheng; PU Haixia

doi:10.13718/j.cnki.xdzk.2022.09.011

2022 Volume 44 Issue 9

Article Contents

Previous Article Next Article

ZHAO Wei, LIU Haozheng, PU Haixia. The Spatiotemporal Evolution and Socio-economic Driving Forces of Air Quality in China during the 13th Five-Year Plan Period[J]. Journal of Southwest University Natural Science Edition, 2022, 44(9): 99-109. doi: 10.13718/j.cnki.xdzk.2022.09.011

Citation:

ZHAO Wei, LIU Haozheng, PU Haixia. The Spatiotemporal Evolution and Socio-economic Driving Forces of Air Quality in China during the 13th Five-Year Plan Period[J]. Journal of Southwest University Natural Science Edition, 2022, 44(9): 99-109. doi: 10.13718/j.cnki.xdzk.2022.09.011

The Spatiotemporal Evolution and Socio-economic Driving Forces of Air Quality in China during the 13th Five-Year Plan Period

1.
School of Public Management, Chongqing Technology and Business University, Chongqing 400067, China
2.
Economic Research Center of Upper Yangtze River, Chongqing Technology and Business University, Chongqing 400067, China
3.
School of Environment and Resources, Chongqing Technology and Business University, Chongqing 400067, China

More Information

Received Date: 01/07/2021
Available Online: 20/09/2022
MSC: F124

Abstract

Air is a natural condition that human beings depend on for survival. The research on spatiotemporal evolution characteristics of air quality and social and economic driving forces has theoretical value and practical significance for ecological civilization construction and sustainable development of human beings. Based on AQI data from 2016 to 2020, this paper describes the spatiotemporal evolution characteristics of air quality in China during the 13th Five-Year Plan period, and uses the spatial effect model to reveal the socio-economic driving forces of air quality from the perspective of spatial differentiation. The results showed that: (1) During the 13th Five-Year Plan period, the air quality in China was generally good, but the most of air quality were in the category of good, with a small number of excellent. The spatial distribution difference was significant. (2) China's air quality has an obvious trend of improvement. There was only a small degree of descent in 2017. However, the improvement on the proportion of excellent was not obvious. (3) The aggregation degree of AQI in China showed a decreasing trend. The air quality in northern regions such as Henan, Hebei and Tianjin was poor, while the air quality in southern regions such as Yunnan and Hainan was good. Spring and summer were the seasons with the highest aggregation degree of low and high AQI, respectively. (4) Population agglomeration, energy consumption and social development were the main reasons for the falling of air quality. Technological progress had a significant promoting effect on the improvement of air quality. In the central and western economic belts, energy consumption and population agglomeration were the main reasons for the declining of AQI respectively.
- the 13th Five-Year Plan period,
- air quality,
- spatiotemporal evolution,
- socio-economic driving force

References

[1]	武力. "十三五"时期我国经济社会发展成就显著[J]. 红旗文稿, 2020(20): 34-37, 1. Google Scholar
[2]	崔学刚, 方创琳, 刘海猛, 等. 城镇化与生态环境耦合动态模拟理论及方法的研究进展[J]. 地理学报, 2019, 74(6): 1079-1096. Google Scholar
[3]	徐冬, 黄震方, 黄睿. 基于空间面板计量模型的雾霾对中国城市旅游流影响的空间效应[J]. 地理学报, 2019, 74(4): 814-830. Google Scholar
[4]	解淑艳, 王胜杰, 于洋, 等. 2003-2018年全国酸雨状况变化趋势研究[J]. 中国环境监测, 2020, 36(4): 80-88. Google Scholar
[5]	ZAJCHOWSKI C A B, BROWNLEE M T J, ROSE J. Air Quality and the Visitor Experience in Parks and Protected Areas[J]. Tourism Geographies, 2019, 21(4): 613-634. doi: 10.1080/14616688.2018.1522546 CrossRef Google Scholar
[6]	GU H J, CAO Y X, ELAHI E, et al. Human Health Damages Related to Air Pollution in China[J]. Environmental Science and Pollution Research International, 2019, 26(13): 13115-13125. doi: 10.1007/s11356-019-04708-y CrossRef Google Scholar
[7]	周亮, 周成虎, 杨帆, 等. 2000-2011年中国PM_2.5时空演化特征及驱动因素解析[J]. 地理学报, 2017, 72(11): 2079-2092. doi: 10.11821/dlxb201711012 CrossRef Google Scholar
[8]	许艳玲, 薛文博, 雷宇. 气象和排放变化对PM_2.5污染的定量影响[J]. 中国环境科学, 2019, 39(11): 4546-4551. doi: 10.3969/j.issn.1000-6923.2019.11.008 CrossRef Google Scholar
[9]	牟敬锋, 樊静洁, 严宙宁, 等. 2016年深圳市大气PM_2.5污染状况及其影响因素[J]. 卫生研究, 2018, 47(3): 406-412. Google Scholar
[10]	孔锋, 吕丽莉, 方建, 等. 中国空气污染指数时空分布特征及其变化趋势(2001-2015)[J]. 灾害学, 2017, 32(2): 117-123. doi: 10.3969/j.issn.1000-811X.2017.02.020 CrossRef Google Scholar
[11]	XIE R, ZHAO G M, ZHU B Z, et al. Examining the Factors Affecting Air Pollution Emission Growth in China[J]. Environmental Modeling & Assessment, 2018, 23(4): 389-400. Google Scholar
[12]	孙爽, 李令军, 赵文吉, 等. 京津冀大气污染变化规律及其与植被指数相关性分析[J]. 环境科学, 2019, 40(4): 1585-1593. Google Scholar
[13]	郑小华, 李明星, 刘慧, 等. 汾渭平原空气质量的时空特征及其与气象因子的关系[J]. 环境科学学报, 2020, 40(11): 4113-4121. Google Scholar
[14]	陈镭, 马井会, 甄新蓉, 等. 上海地区空气污染变化特征及其气象影响因素[J]. 气象与环境学报, 2017, 33(3): 59-67. doi: 10.3969/j.issn.1673-503X.2017.03.008 CrossRef Google Scholar
[15]	WANG Z H, TIAN Z H. Temporal and Spatial Distribution Characteristics and Influencing Factors of Air Quality Index in Xuchang[J]. IOP Conference Series: Earth and Environmental Science, 2018, 108(4): 042107. Google Scholar
[16]	王振波, 梁龙武, 王旭静. 中国城市群地区PM_2.5时空演变格局及其影响因素[J]. 地理学报, 2019, 74(12): 2614-2630. doi: 10.11821/dlxb201912014 CrossRef Google Scholar
[17]	韩婧, 李元征, 李锋. 2000-2015年中国PM_2.5浓度时空分布特征及其城乡差异[J]. 生态学报, 2019, 39(8): 2954-2962. Google Scholar
[18]	汤宇磊, 杨复沫, 詹宇. 四川盆地PM_2.5与PM₁₀高分辨率时空分布及关联分析[J]. 中国环境科学, 2019, 39(12): 4950-4958. Google Scholar
[19]	沈楠驰, 周丙锋, 李珊珊, 等. 2015-2019年天津市大气污染物时空变化特征及成因分析[J]. 生态环境学报, 2020, 29(9): 1862-1873. Google Scholar
[20]	吴益玲, 李成名, 戴昭鑫, 等. 城区空气质量指数时空分布特征及影响机制分析[J]. 测绘通报, 2020(4): 81-86. Google Scholar
[21]	张向敏, 罗燊, 李星明, 等. 中国空气质量时空变化特征[J]. 地理科学, 2020, 40(2): 190-199. Google Scholar
[22]	程钰, 刘婷婷, 赵云璐, 等. 京津冀及周边地区"2+26"城市空气质量时空演变与经济社会驱动机理[J]. 经济地理, 2019, 39(10): 183-192. Google Scholar
[23]	YU T Y, CHANG I C. Spatiotemporal Features of Severe Air Pollution in Northern Taiwan[J]. Environmental Science and Pollution Research, 2006, 13(4): 268-275. doi: 10.1065/espr2005.12.288 CrossRef Google Scholar
[24]	史旭荣, 逯世泽, 易爱华, 等. 全国2018-2019年秋冬季气象条件变化对PM_2.5影响研究[J]. 中国环境科学, 2020, 40(7): 2785-2793. doi: 10.3969/j.issn.1000-6923.2020.07.001 CrossRef Google Scholar
[25]	黄小刚, 赵景波, 曹军骥, 等. 长江经济带PM_2.5分布格局演变及其影响因素[J]. 环境科学, 2020, 41(3): 1013-1024. Google Scholar
[26]	黄小刚, 邵天杰, 赵景波, 等. 长江经济带空气质量的时空分布特征及影响因素[J]. 中国环境科学, 2020, 40(2): 874-884. doi: 10.3969/j.issn.1000-6923.2020.02.049 CrossRef Google Scholar
[27]	戴孟莲, 王彤, 邓海银, 等. 基于偏相关与逐步回归方法的AQI影响因素分析及预测[J]. 环境保护前沿, 2017(3): 191-201. Google Scholar
[28]	吴益玲, 李成名, 戴昭鑫, 等. 城区空气质量指数时空分布特征及影响机制分析[J]. 测绘通报, 2020(4): 81-86. Google Scholar
[29]	张轩瑜, 宋晓军, 虞吉海. 时空效应下PM_2.5的环境库兹涅茨曲线——基于动态空间面板视角[J]. 环境科学学报, 2020, 40(1): 315-324. Google Scholar
[30]	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): 1357-1371. Google Scholar
[31]	吴力波, 任飞州, 徐少丹. 新冠肺炎疫情防控一级响应对城市空气污染物减排的影响[J]. 环境经济研究, 2020, 5(3): 1-20. Google Scholar

Access History

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

Figures(3) / Tables(6)

Export Citation

PDF

XML

Article Metrics

Article views(1077) PDF downloads(211) Cited by(0)

Access History

Other Articles By Authors

on this site
on Google Scholar

HTML

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.

1. 数据来源及研究方法

1.1. 数据来源

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.

1.2. 研究方法

1.2.1. 全局自相关模型

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: X_i，X_j分别为城市单元i和j的AQI，n为城市总数，W_ij为空间权重，$ \bar{X}$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.

1.2.2. 热点分析

热点分析(Getis-Ord G_i^*)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: X_j为城市j的AQI，n为城市数量，W_ij为空间权重矩阵，d为距离尺度.

对G_i^*(d)检验的标准化统计量为：

式中: E(G_i^*)、VAR(G_i^*)分别为G_i^*的数学期望和变异系数.

1.2.3. AQI驱动力基本模型设定及空间效应模型

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.

3. 结论和讨论

3.1. 结论

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.

3.2. 讨论

“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”.

Figure (3) Table (6) Reference (31)

Name
	Name cannot be empty!
E-mail
	Mailbox cannot be empty! Mailbox cannot be empty!
Telephone
	Mobile number cannot be empty! Please enter a valid mobile number!
Title

Content
Verification Code

Message Board

The Spatiotemporal Evolution and Socio-economic Driving Forces of Air Quality in China during the 13th Five-Year Plan Period