影响中国主要城市PM2.5浓度变化的主导社会经济因素分析*

秦登华

(1.广西壮族自治区自然资源厅，广西 南宁 530000;2.北部湾环境演变与资源利用省部共建教育部重点实验室,广西 南宁 530001)

PM2.5是指大气中直径小于或等于2.5微米的颗粒物，也称为可入肺颗粒物，对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比，PM2.5粒径小，富含大量的有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大[1]。许多研究表明，可以导致急性呼吸道感染、肺癌、哮喘、慢性阻塞性肺疾病等发病率增加[2-5]，短时间[6,7]和长时间暴露PM2.5均可以增加癌症、哮喘、缺血性心脏疾病、中风等死亡风险[8,9]。近年来，随着工业化发展，城市空气大气环境日益恶化。城市PM2.5重污染天数、未达标天数等日益频繁出现。在快速城市化过程中，城市人口所占的比重越来越大，预计到2050年，世界城市人口占总人口将达到70%左右，中国则提前到2030年城市人口达到70%[10]。因此，城市空气质量的好坏直接影响到世界绝大部分人的福祉。对PM2.5的研究已成为全球关注的热点问题。分析影响PM2.5浓度变化的因子，对于PM2.5的缓解有重要的意义。

在中国，目前有许多学者对PM2.5进行了研究[11-13]。例如，Chen 等[14]从日尺度、月尺度和年尺度揭示了中国PM2.5的空间变化规律。Wei等[15]从基于多尺度地理加权回归，分析了不同区域影响PM2.5浓度变化的主导因子，发现在中国不同的区域影响PM2.5浓度变化的主导因子存在差异。

然而，目前仍未有学者对不同分位点PM2.5浓度变化的主导影响因子进行分析。据此，本研究基于分位数回归，结合层次回归分析法，对中国275个地级市PM2.5浓度变化的主导社会经济因子进行分析，探讨不同分位点影响PM2.5浓度变化的主导社会经济因子，为城市规划和气候政策的制定提供依据。

2 数据来源与方法

2.1 数据来源

2.1.1 变量的选择

中国大陆地区共有293个地级市(发布时间：2020-03-26 21:07，来源：中华人民共和国民政部)。本研究以全国地级市为基本研究单元，以2005-2018年PM2.5浓度为因变量，自变量主要为社会经济要素，城市人口密度(代表城市化率)、人均工业生产总值、第二产业产值占GDP比重、科技支出比例、环境管制强度等。各变量的描述详见表1。

表1 变量的选择与描述

2.1.2 数据来源

本研究中PM2.5数据来源于社会经济数据和应用中心(Socioeconomic Data and Applications Center，SEDAC))(https://sedac.ciesin.columbia.edu/)，在ArcGIS中利用不同城市内城区边界分区提取得到不同城市的年均值。工业产值、人口密度、产业结构、环境管制强度、科技水平等数据来源于2006—2019年《全国分县市人口统计资料》《中国城市统计年鉴》《区域经济统计年鉴》、相关省(自治区、直辖市)、地市级统计年鉴及环境统计公报，个别指标缺失数据采用线性插值法进行补充。因数据获取有限，研究区域不包括台湾省、西藏自治区、香港和澳门特别行政区等，最终统计研究单元共计275个。

2.2 方法

2.2.1 分位数回归

为揭示不同社会经济因子对不同浓度PM2.5的影响趋势，本节基于分位数回归，探讨不同分位点时，PM2.5浓度变化的对不同因子的响应。与最小二乘回归相比，分位数回归的优势在于其对于因变量的正态性无要求，并且其对于异常值具有稳健性，不需要考虑异方差问题等。输出回归系数的检验以及R2值，可用于分析不同因子对PM2.5浓度变化的影响趋势和稳健性分析。通过观察不同分位点时的回归系数值，可以更全面地分析不同社会经济因子对于PM2.5变化的影响情况。

2.2.2 层次回归

对通过显著性检验的社会经济因子，本研究使用了层次分析(Hierarchical regression analysis，HR)法来确定在不同分位点下影响PM2.5的主导因子。HR方法基于半参数回归分析，通过对原始数据矩阵执行多次随机转换来计算每个因素的相对重要性。与传统的回归分析方法相比，该方法的优势是克服环境变量中常见的多种共线现象的好方法。因此，很适合于多维环境数据分析。在本研究中，我们根据HR分析结果，通过各项因子R2的变化来获得独立重要性，R变化越大，说明该变量对降水变化的影响越大，然后通过对R2变化大小进行排序，从而判断不同分位点下影响中国主要城市PM2.5变化的主导因子。

3 结果与分析

3.1 不同分位数不同社会经济因子与PM2.5的关系

对中国不同城市PM2.5浓度分位数值的划分及回归分析结果详见表2和表3。

表2 PM2.5各分位数值划分 (n=3850)

表3 2005-2018年中国主要城市PM2.5浓度变化分位数回归结果

续表3 2005-2018年中国主要城市PM2.5浓度变化分位数回归结果

由表3可知，不同分位点时，人口密度均与PM2.5呈正向相关，并且均通过显著性检验(p<0.01)，随着分位点的增加，影响系数值逐渐增加，表明随着人口增加，PM2.5污染越严重。该结果与Wei等[15]的研究结果一致。城市人口占该地区人口比重往往被看成是城市化最重要的指标。因此城市人口密度在一定程度也代表城市化的发展水平。城市人口密度越大，表明城市化城市越高。低城市化水平时期，城市排放的污染物质较少或者排放的污染物质小于环境的自净能力，污染程度通常较轻。随着城市化水平提高，城市人口、生产和生活等活动的集聚通常会带来用能的快速增多，同时，与城镇化建设密切相关的水泥、建材等工业用能亦会增加，这些会造成大气污染物排放的增多，导致PM2.5污染加重的几率更大。因此，本研究中，随着城市人口密度的增加，PM2.5污染越来越严重的结论是符合人们认知的。人均工业生产总值在不同分位点与PM2.5呈反相关。虽然这可能难以理解，但是值得注意的是，人均工业生产总值越高，表明单位资源投入中，产出的附加值更高，而附加值增加往往与科技投入的增加和生产效率的提高有关。因此，在相同的资源条件和相同时段内，与低科技投入和低的生产效率相比，高的生产效率低耗能的城市其大气污染往往较低。此外，较高的人均工业生产总值的城市，其可能有更多的资金投入来改善环境，以缓解大气污染。第二产业是耗能大户和污染物排放主体，在相同的经济总量下，第二产业比重越高，其直接和间接产生的能耗和污染物排放对PM2.5污染的影响就越大。由表3可知，不同分位数时，第二产业占GDP比重与PM2.5均呈正相关，这也和已有的许多研究结论一致[15]。技术支出比例与PM2.5呈负向相关，但是在0.7分位点以后，技术水平的影响不显著。技术水平通常对生产过程中采用脱硫脱硝和除尘等设备技术、煤炭和石油等化石能源清洁利用技术以及能源生产消费绿色集约管理方式等过程产生影响。技术支出比例越高，即用技术支出总额占该市财政总支出比重多大，表明生产设备越先进，排放的大气污染物质越少。因此本研究的结论也符合常识。因此加大技术的投入是环境治理和改善的重要因子。与科技支出比例因子相似，环境管制强度因子在不同分位点与PM2.5均呈负相关。环境管制强度越大，表明工业污染治理完成投资金额与GDP的比值越大，因此越有利于缓解PM2.5的污染。因此环境管制是解决环境污染外部性的主要方法，国际经验也表明，强化环境规制有利于降低PM2.5天气发生的概率。

3.2 不同分位点影响PM2.5浓度变化主导因子识别

为了更清楚直观的看出影响中国主要城市PM2.5浓度变化各社会经济因子的重要性情况，本研究利用层次分析法，对在不同分位点时通过显著性检验的因子，根据R2的变化进行排序。R2变化越大，说明该因子对PM2.5浓度变化的影响越重要。

不同分位点是PM2.5浓度变化的影响因子重要性排序结果见图1。

图1 不同分位数PM2.5浓度变化的影响因子排序

由图1可以看到，除了0.2分位点外，人口密度在其他不同分位点的R2变化最大，说明其均对PM2.5浓度变化的影响最大，成为这些分位点影响PM2.5浓度变化的主导因子。尤其在0.1和0.9分位点，其影响特别显著。在0.1分位点，城市人口密度可以解释超过16%的PM2.5浓度的变化，而在0.9分位点，人口密度的解释力也达到9%。这说明合理控制城市人口规模，对于缓解城区PM2.5浓度变化有重要的作用。在第0.2分位点，第二产业产值占GDP的比重的△R2最高，成为0.2分位点时影响PM2.5浓度变化的主导因子。由表3可知，第二产业占GDP的比重与PM2.5呈正相关，说明合理控制或减少高耗能产业对于缓解PM2.5污染有重要作用。

4 结论

本研究以全国275个地级市为基本研究对象，基于分位数回归和层次分析法，分析2005-2018年不同分位点PM2.5浓度变化的主导社会经济因子。研究结果表明，除了0.2分位点外，影响PM2.5浓度变化的主导社会经济因子为城市人口密度，因此合理控制单位面积城市人口数量，对于缓解PM2.5的污染尤其是重度污染，有重要的意义。该结论可为城市规划布局和城市气候变化政策的制定提供理论依据。然而，本研究也存在不足，例如未将自然因子如风速等考虑在内，此外，本研究也未探讨不同气候背景下社会经济因子影响的差异，未来的研究中，可以考虑将自然因子作为控制变量，分析不同气候背景下人类社会经济活动对PM2.5的影响，从而为不同区域城市PM2.5污染差异化治理提供科学依据。