城市群视角下大气污染空间效应和影响因素研究

徐绪堪，刘思琪，张宏阳

（1.河海大学商学院，江苏常州 213022；2.常州市大数据挖掘与知识管理重点实验室，江苏常州 213022；3.河海大学统计与数据科学研究所，江苏常州 213022）

在京津冀、长三角和珠三角一体化发展都已上升为国家战略的大背景下，京津冀、长三角及珠三角城市群，作为中国人口聚集规模最大、产业群最为集中的重要区域，在经济总量快速增长同时，粗放外延式的重化工业推进方式，经济发展和环境约束矛盾明显，污染物浓度远超标准，区域大气污染问题日益突出［1］。大气污染多表现为雾和霾的天气现象，《2018 年中国气候公报》显示，三大城市群局域阶段性雾霾问题严峻。雾霾天气能加重慢性病患者病情，影响孕妇生殖系统功能造成胎儿发育畸形，对人体健康及当代城市的可持续发展产生了非常严重的负面影响［2］。在2013 年造成雾霾天气最重要的“元凶”PM2.5 就被国际癌症研究机构（International Agency for Research on Cancer）列为人类致癌物之一。三大城市群中京津冀城市群大气污染尤为严重，在过去的2018 年，污染天数比例高达32%，多地发布霾预警，多个机场出现航班大量延误和取消，呼吸道疾病患者增多，2018 年3 月28 日，张家口市空气质量指数AQI 达到457，为京津冀区域范围年度最高值。党中央、国务院高度重视大气污染防治工作，十九大报告指出牢固树立新发展理念，坚决打好污染防治攻坚战，推动形成人与自然和谐发展现代化建设新格局。2019 年国务院政府工作报告指出新的一年工作重点之一是加强污染防治和生态建设，大力推动绿色发展。可见，城市群建设面临经济发展和污染防控双重压力，在经济发展的同时也应特别注重生态环境的协同治理，大气污染问题已经成为了全社会普遍关注的焦点问题，三大城市群如何应对大气污染加强污染防治值得深思。

1 相关文献回顾

国内外研究学者就大气污染的影响因素进行了较多深入探究，包括人文因素角度［3-8］的经济发展水平、城镇化、人口密集程度、产业结构和技术进步等方面，气压、气温、降水量和相对湿度等自然因素［9-12］也对大气污染有着重要的影响。如：省级层面，Wang 等［13］学者利用中国1990—2012 年省际面板数据探究经济增长及城市化对SO2排放的影响，最终验证了经济增长和SO2排放之间显著的倒“U”型曲线关系；城市层面，周侃等［14］基于全国339 个地级行政单位的数据验证了人口规模、城镇化和经济发展水平对大气污染的主要影响作用；在城市群视角下，曹庭伟等［15］从城市群角度出发，探究了成渝城市群15 个城市O3的污染特征及太阳辐射、气温等自然气象因素对O3浓度的影响。陆大道［16］认为面对中国日益增长的环境问题，自然与社会经济要素的综合集成研究极为重要，而现今工作缺少两者的有效结合，纵观现今已有研究发现，鲜少有学者将人文因素、自然因素统筹纳入大气污染影响因素中进行探讨［17］。周曙东等［18］从城市群的角度出发，认为大气污染的内因是污染物排放，而外因则是气象条件，综合人文经济因素和自然环境因素对京津冀地区城市PM2.5的影响因素进行了深入探究。刘海猛等［19］视角细化至京津冀城市群202个区县，利用多种空间计量模型对比分析，系统量化自然及社会经济因素贡献程度大小并探讨其空间溢出效应等。

诸多学者也着重探讨了大气污染的空间效应［20-26］。刘晓红等［25］利用2014 年中国各省市区截面数据验证了中国雾霾污染较强空间溢出效应的存在，提出区域联动的建议，但张可等［6］相关研究表明，省际尺度太大且其内部存在的问题较大差异，大气污染的空间效应难以准确确定。张生玲等［21］强调，现阶段的中国大气污染区域性明显，就城市群举例而言，以北京、石家庄和南京等大型城市向外扩散蔓延，大气污染连片式爆发，城市间污染的空间外溢性是现阶段大气污染治理必须认真面对的问题，也只有区域城市细化分工任务同时提高跨行政区的环境合作，大气环境才能实现空间均衡。

综上所述，现今对于京津冀、长三角和珠三角三大城市群大气污染空间效应和影响因素的对比讨论相对较少。因此，针对当前研究不足以及三大城市群大气污染防治的必要性及紧迫性，本文将影响大气污染的人文因素和自然因素系统量化，综合运用空间自相关分析及基于STIRPAT 模型的空间滞后模型及空间误差模型，分析京津冀、长三角和珠三角三大城市群大气污染的空间效应与影响因素。导致大气污染的人文因素和自然因素众多，只有尽可能周全考虑各相关因素，准确甄别其中关键因素，才能为三大城市群的大气污染治理提供科学依据，对于促进实施生态文明建设具有关键性的现实意义。

2 模型构建与数据说明

2.1 STIRPAT 模型

最初由Ehrlich 等［27］学者提出了IPAT 模型，该模型被广泛应用于探究人口规模、经济发展水平以及技术水平三个因素对环境的影响。IPAT 模型方程如下：

式（1）中：I表示被解释变量环境影响；P、A、T为解释变量，表示人口规模、经济发展水平和技术水平3 个影响因素。IPAT 模型为专家学者解决人类活动对环境影响的相关问题提供了借鉴，但该模型仍存在较大的局限性，被解释变量对3 个因素的弹性恒等于1。因此Dietz 等［28］提出了随机的IPAT模型，即STIRPAT 模型，方程如下：

式（2）中：I、P、A、T代表含义与（1）相同；α表示模型系数；β1、β2、β3为待估计的参数；是误差项。为了消除模型（2）可能存在的异质性，对模型两边分别取对数，模型变为如下：

STIRPAT 模型的一大优势就在于可拓展性，解释变量中允许加入更多相关的影响因素来探究其对环境的影响。根据本文分析人文因素和自然因素对大气污染影响需要，本文将模型（3）调整如下：

式（4）中：被解释变量I大气污染程度用各市年均AQI 浓度表示。解释变量中包括5 个人文因素P、A、T、IS、GR以及5 个自然因素AH、AS、AT、AW、TR。P为人口密集程度，用人口密度表示；A代表经济发展水平，用各市人均GDP 表示，同时加入其平方项，验证经济发展水平与大气污染之间是否存在倒U 型关系；T表示技术水平，用能源强度表示，即人均全社会用电量［29］；IS代表产业结构，用第二产业产值占GDP 比重表示；GR表示绿化水平，用人均绿地面积表示。AH是年均相对湿度；AS是年均日照时数；AT是年均气温；AW是年均风速；TR是年降水量。

2.2 数据说明

本文探究城市群视角下大气污染空间效应和影响因素，京津冀、长三角和珠三角三大城市群作为研究对象，以《京津冀协同发展规划纲要》《长江三角洲城市群发展规划（2016—2020 年）》《珠江三角洲地区改革发展规划纲要（2008—2020 年）》［30］为划分依据。由于数据获取原因，本文选取时间跨度为2014—2017 年，长江三角洲区域研究范围去除2014 年还未监控空气质量的铜陵、安庆、滁州、池州和宣城5 市，最终京津冀、长三角和珠三角城市群分别包括13、21 和9 个城市，总共43 个城市。AQI 原始数据利用八爪鱼工具爬取于天气后报。人文因素原始数据均来源于历年《中国城市统计年鉴》《中国统计年鉴》以及三大城市群各个城市的统计年鉴和统计公报等。自然因素原始数据从中国气象数据网获得。各变量的数据特征见表1。

表1 变量的描述性统计

3 实证结果及分析

3.1 中国三大城市群大气污染现状分析

如图1，2014—2018 年间，中国三大城市群年均AQI 总体呈现下降趋势，由此可见，国家环境保护政策实施成效显著，三大城市群大气污染总体上得到了有效控制和改善。但不难发现，相较于2014—2016 年，2016—2018 年间，京津冀和长三角城市群AQI 下降速度变缓，而珠三角城市群年均AQI 有相对上升的趋势，因而大气污染的防治及治理仍是现阶段亟待解决的一个问题。京津冀城市群2014 年年均AQI 为132，降为2016 年的104 再降至2018 年的92，由国家空气质量标准的Ⅲ级轻度污染改善至Ⅱ级良；长三角城市群年均AQI 由2014 年的89 降为2016 年的74 再降至2018 年的70，处于国家空气质量标准的Ⅱ级；珠三角城市群2014 年年均AQI 是64，到2016 年下降为52，而2016—2018 年年均AQI 却相对上升，处于国家空气质量标准的Ⅱ级。三大城市群之间大气污染水平相差较大，空气质量差距并未随着时间的推移而逐渐缩小，环境形势依然严峻，仍需继续加大环境治理力度。

如图2，京津冀城市群大气污染最为严重，各市年均AQI 多数在90 以上，保定、邯郸、石家庄和邢台4 市空气质量最差，2014—2018 年期间各市年均AQI 有所降低，大气治理效果比较明显；长三角城市群各市年均AQI 在50—100 区间，整体空气质量良好，相对而言，合肥作为发展速度较快的新兴化城市，大气污染较为严重；珠三角城市群大气污染最轻，各市年均AQI 多数在70 以下。大气污染如何治理和防治值得深思，探究三大城市群大气污染空间效应和影响因素刻不容缓。

图1 中国三大城市群2014—2018 年年均AQI 变化趋势

图2 中国三大城市群2014—2018 年各市年均AQI 变化趋势

3.2 空间自相关分析

依据Tobler 地理学第一定律，距离越近的事物空间依赖性越强。为定量测算出区域大气污染空间依赖程度，本文选用全局空间自相关Moran'sI指数进行计算，计算表达式如下：

式中：yi与yj分别为城市i和城市j空气质量指数AQI 值；k为城市总数；和S2是AQI 平均值和方差；Wij是空间权重矩阵。Moran'sI指数的取值范围是（-1,1），结果小于0 表示大气污染程度具有空间负相关，结果大于0 表示大气污染程度空间正相关，结果等于0 则表示大气污染程度空间不相关。另外，利用标准统计量Z值检验Moran'sI指数的显著性水平，Z值计算表达式如下：

式中：E（Moran'sI）表示Moran'sI的均值；VAR 表示Moran'sI的方差。

根据2014—2017 年中国三大城市群各市AQI 截面数据，运用R 软件计算三大城市群历年Moran'sI指数，结果见表2。

表2 2014—2017 年中国三大城市群AQI 的Moran's I 指数

由表2 可以看出，中国三大城市群在2014—2017 年间的Moran'sI指数均为正值，且Z值均通过10%的显著性检验，表明中国三大城市群大气污染的空间呈现并不是一个随机的状态，而是存在着显著的全局空间自相关性，即大气污染有着显著的空间全局聚集效应，大气污染较为严重的区域相邻，污染较轻的区域相邻。

由于篇幅所限，本文只列出2014 年三大城市群各市大气污染的Moran 散点图，如图3。处在Moran散点图第一象限的各市观察点代表该市与其相邻城市大气污染程度都相对较高，存在高-高的空间正相关性特征；处于第三象限的观察点则代表该市和相邻城市大气污染程度相对较低，存在低-低的空间正相关性特征；而处于第二和第四象限的点是非典型观察点，具有空间负相关性特征。中国三大城市群大部分城市观察点都是典型观察点，只有少数观察点位于二、四非典型观测象限，散点图从内部结构也说明中国三大城市群大气污染空间正自相关性的稳定性。

图3 2014 年中国三大城市群各市AQI 的Moran 散点图

全局莫兰指数反应大气污染整体的空间相关性情况，但会忽略局域地区大气污染的集聚现象及溢出效应，因此利用局域Moran 指数检验测度。局域指数计算公式如下：

式中：Ii表示局域Moran 指数，表示i市和其他周围市大气污染的相关程度；其余字母所代表含义均和全局Moran'sI指数相同。Ii结果大于0 表示高（低）值区域被高（低）值区域包围形成高-高（低-低）集聚区，说明相似大气污染程度的市聚集在一起。Ii结果若小于0 表示高（低）值区域被低（高）值区域包围形成高-低（低-高）集聚区，说明大气污染程度有较大差异的市聚集在一起。

基于三大城市群各市AQI 截面数据，利用GeoDa 软件计算各年AQI 局域莫兰指数并联合ArcGIS 软件生成AQI 局域集聚图，在此列出2016年三大城市群AQI 局域集聚图，如图4。在京津冀城市群，2014 年，石家庄、衡水、邢台市位于高值区，北京市属于低值区；2015 年，高值区域有所扩大，北部扩展至保定市，北京市退出低值区域；至2016 年，高值区域不变，北京市仍位于低值区域；而2017 年，高值区域相对缩小，向南缩减至石家庄、衡水、邢台三市。在长三角城市群，2014 年，江苏省苏南常州、镇江市和安徽省的芜湖市属于高值区，宁波市属于低值区；至2015 年，高值区域向北部扩展，镇江、常州、南京、扬州四市位列高值区，低值区域不变；2016 年，高值区范围缩小，常州、镇江市仍在其中，低值区不变；2017 年，高值区域向北部移动，扬州市位列其中，地址区域不变。在珠三角城市群，2014—2017 年AQI 局域集聚不显著。由上分析，三大城市群大气污染局域空间集聚效应比较明显。

图4 2016 年中国三大城市群各市AQI 局域集聚地图

综上所述，中国三大城市群大气污染存在正向且长期较为稳定的全局相关性，局部空间相关性表现为大气污染高-高（低-低）集聚区域明显，但是这种空间效应对于各区域大气污染的影响有多大，因而有必要利用空间计量模型进行严格的计算。

3.3 计量模型设定及结果分析

空间滞后模型（SLM）：

空间误差模型（SEM）：

基于2014—2017 年中国三大城市群各市面板数据，首先利用普通最小二乘法（OLS）进行回归分析，年均AQI 为被解释变量，人文因素和自然因素指标是解释变量，OLS1 和OLS2 是分别仅对人文因素和自然因素变量的回归分析，OLS3 模型则是考虑所有因素变量的回归。结果表明，对比每个城市群应用普通最小二乘回归的3 个模型的R2，模型OLS3的估计效果是最好的，比单用人文因素回归估计的OLS1 模型和单纯利用自然因素回归的OLS2 模型拟合优度都要好，如京津冀城市群OLS3 模型拟合优度达到0.913，而只利用人文因素变量和自然因素变量回归的模型拟合优度分别为0.759 和0.774。再次验证了中国三大城市群大气污染是由人文因素和自然因素共同导致。

已经验证的中国三大城市群大气污染的空间正相关性，本文再利用极大似然估计法对空间滞后模型和空间误差模型进行估计。由于建立面板数据时间长度较短，讨论反映时间效应的随机扰动项是否存在自相关存在一定困难，故假定随机扰动项为独立同分布，只考虑个体效应，需对随机效应和固定效应进行选择。经由hausman 检验，京津冀和长三角两城市群SLM 模型和SEM 模型检验均接受原假设，选择随机效应进行分析，珠三角城市群两模型检验拒绝原假设，利用固定效应分析。估算结果见表3。

表3 空间计量模型参数估计结果比较

从人口密集程度（P）看：京津冀和长三角城市群，人口密度对大气污染都有着正向的影响作用，但只有京津冀城市群人口密度系数通过了1%的显著性水平检验，人口增加势必加大对环境的需求力度，能源消耗过多加剧大气污染，同时人口增加导致更多生活垃圾的产生和污染物的排放，环境压力过大，因此要加快推进城市群及周边城市协同发展，通过疏解将大城市资源在更大范围内优化配置，区域优势互补；而珠三角城市群，人口密度对大气污染影响为负且通过1%的显著性检验，人口密度的增加带来人口和经济要素的集聚效应，进而能源利用率得到提高，达到环境质量的改善。

从经济发展水平（A）看：京津冀和珠三角城市群，人均GDP 一次项系数显著为负，二次项系数显著为正，说明京津冀和珠三角城市群的大气污染和经济发展之间呈“U”型演变形态，但有相关研究表明两者关系支持“环境库兹涅茨曲线EKC”假说呈“倒U”型，也有“倒N”“N”型形态，由于本文研究选取时间跨度较短，两者关系有待进一步验证；长三角城市群，人均GDP 一次项系数为正，二次项系数为负，且均通过10%的显著性检验，验证了倒U 型关系的存在，在拐点之前，经济的发展是以牺牲环境为代价，长三角城市群现正处于工业化以及城镇化快速发展阶段，污染物排放相对较多，环境随之恶化，但越过拐点后，随着经济发展所带来的技术进步等，环境质量会逐步提高。

从技术水平（T）看：长三角和珠三角城市群，能源强度与大气污染呈正相关关系，珠三角城市群能源强度系数通过1%检验，现阶段我国的能源消费仍然以煤炭、石油和天然气等化石能源为主，燃烧会极大加剧大气污染，能源强度的降低有利于减轻大气污染，应积极加快能源结构的转变，探索新的绿色能源；京津冀城市群，能源强度对大气污染影响为负，并未通过显著性检验，表明随着能源强度的增加，大气污染有所改善，是由于技术水平的提高，企业将绿色生产技术应用于实际生产环节，减少生产环节污染物排放。

从产业结构（IS）看：三大城市群，第二产业GDP 占GDP 比重系数均为正，仅京津冀城市群回归系数通过1%显著性检验，当第二产业比重增加1%时，大气污染增加0.319%。第二产业比重的增加使得城市群大气污染加剧，主要是由于工业产值的增加导致各种大气污染物排放的增加，可见要实现大气污染防治，必须要加快产业结构调整升级，大力发展现代服务业以及高新技术产业等。

从绿化水平（GR）看：三大城市群，人均绿化面积对大气污染有着负向影响，回归系数通过5%或1%的显著性检验。这表明地区绿化可以有效降低空气中的灰尘及污染气体浓度，改善区域大气污染，各地可以通过提高当地绿化水平达到改善空气质量的目的。

探讨自然因素对各城市群大气污染的贡献程度，各城市群略有差异。京津冀城市群，年均日照时数、年均气温、年均风速和年降水量对大气污染存在显著的负向影响；长三角城市群，年均相对湿度对大气污染存在显著的负向影响，年降水量对大气污染存在显著的正向影响；珠三角城市群，年均日照时数对大气污染有着负向显著影响，年均气温对大气污染有着正向显著影响。不同时间、空间尺度下，自然因素对大气污染的影响机理有所差异，具体有待进一步验证。

4 结论与建议

本文对2014—2018 年间中国三大城市群大气污染现状进行了分析，5 年间三大城市群大气污染总体呈现下降趋势，但现状不容乐观，京津冀城市群大气污染最为严重。本文将人文因素和自然因素统筹纳入大气污染分析整体框架，综合运用空间自相关分析和基于STIRPAT 模型的空间计量模型，对2014—2017 年三大城市群大气污染的空间效应与影响因素进行了深入分析。结论如下：第一，中国三大城市群的大气污染由人文因素和自然因素共同导致。第二，三大城市群大气污染存在显著的正空间自相关性，并表现出高-高（低-低）集聚状态，空间误差模型的空间残差自相关系数显著，三大城市群大气污染空间溢出效应明显。第三，三大城市群大气污染的影响因素存在较大差异。基于以上结论，三大城市群应持续推进污染防治工作，区域城市细化分工任务同时提高跨行政区的环境合作，巩固扩大蓝天保卫战成果，并提出三大城市群大气污染防治的以下建议。

（1）京津冀城市群。在人口密度不断扩大的现状下，要对人口密度过大的区域进行合理的分流布局，加强城市生活垃圾分类处理，提高公共资源使用率等。调整产业结构，过去经济增长以高污染、高能耗的重工业为主，现今应转变经济发展方式，降低重工业所占比重，同时及时制定实施绿色产业扶持政策，增加绿色产业等第三产业比重。京津冀城市群地处中国北部，冬季做好清洁取暖工作，加强燃煤等污染源治理。

（2）长三角城市群。加强城市绿化建设，绿化水平的提高能够有效改善空气质量，三大城市群都应大力提升城市绿化，优化人居环境。加强生态系统保护修复，推进山水林田湖草生态保护修复工程试点，持续抓好国土绿化、防沙治沙、水土流失治理和生物多样性保护。

（3）珠三角城市群。技术水平角度看，珠三角城市群要继续提升生产技术水平，壮大绿色环保产业，将绿色生产技术应用于实际生产环节，提高能源利用效率，减少生产环节污染物排放，促进资源节约及循环利用。珠三角城市群要优化城市交通道路设计，减少交通拥堵时长，多鼓励居民乘坐公共交通工具绿色出行。